近年来,我国道路基础设施建设不断完善,机动车保有量及通车里程迅速增长,在带动了经济发展的同时,也产生了一些负面影响,如道路交通事故率居高不下就是其中亟待解决的问题。对往年交通安全相关数据进行归纳、分析,找出事故发生的内在规律,预测现有道路交通条件下交通事故的发展趋势,对于制定道路交通安全规划和决策具有重要的现实意义。本文首先对交通安全预测中数据特性进行分析,阐述支持向量机在交通安全预测中的优势,然后确立交通安全预测中指标集合和影响因子集合的选择,分别利用支持向量机和最小二乘支持向量机建立交通安全预测模型。将1953年-2006年全国交通安全相关样本数据分为训练集和测试集,利用MATLAB7.0进行仿真测试。利用训练集合数据训练基于支持向量机的交通安全预测模型及基于最小二乘支持向量机的交通安全预测模型,得到两个模型的具体参数值,然后对测试集合进行预测,将预测结果与实际值、BP神经网络模型预测值进行比较分析。仿真结果表明基于支持向量机及最小二乘支持向量机建立的交通安全预测模型学习速度快,泛化能力强,有着比神经网络预测模型更高的运算速度与预测精度。