道路交通事故已成为当今社会的一大公害,严重地威胁着人们的生命和财产的安全。一直以来,我国交通事故死亡人数居世界首位,平均每年死伤数十万人,直接经济损失达数十亿元。道路交通事故预测是道路交通安全研究的一项重要内容,目的是为了掌握交通事故的未来发展状况,根据交通事故预测结果采取相应的对策和决策,避免日后工作中的缺陷和不足,从而最终达到减少交通事故的目的。本文在分析现有交通事故预测方法的基础上,将主成分分析和聚类分析引入到交通事故预测中,论文的主要工作和结论如下：1、道路交通事故的发生受到多个因素的影响,这些因素之间可能存在着信息的重叠,这种信息的重叠有时甚至会抹杀交通事故的真正特征与内在规律,因此将主成分分析引入到道路交通事故预测中。首先应用主成分分析的基本原理把影响道路交通事故的指标进行主成分分析,剔除一些重叠的信息,并起到降维的目的,然后结合BP神经网络对道路交通事故进行预测(基于PCA的BP神经网络),最后把预测结果与未进行主成分分析的BP神经网络预测结果相比较。得出结论：基于PCA的BP神经网络在预测精度上较BP神经网络有了明显的提高。2、不同的城市在不同阶段交通事故发展趋势各异。为了更好的预测不同城市的交通事故,将聚类分析引入到道路交通事故预测,应用聚类分析类型化方法将不同城市的交通事故进行聚类分析,依据事故指标将不同城市划分为不同的类别,然后用多种方法对不同类别城市的交通事故进行预测,最后找出与每一类城市相适应的事故预测方法。