人为因素在事故原因中起着重要作用,大量事故调查结果表明,人为因素是造成事故的主要原因。事故模型是事故调查和分析的基础,使用的事故模型不同,采用的事故调查方法就不同,其结果也就不同。本论文在HFACS（人为因素分析和分类方法）的基础上,建立交通事故致因因素的分类框架,并测量整个系统中每个层级与第一层级致因因素间的关系,分析概率最大的事故链和事故点;然后进一步计算整个系统中相邻层级间的输入输出概率;最后考虑HFACS的局限性,在其基础上提出新的模型,并检测其合理性。研究结论如下:（1）道路交通事故致因因素系统具有复杂性和多层次性特点。但HFACS只是一个定性分析模型,无法确定主要的致因因素链和致因因素。因此,本论文构建了一个将HFACS、贝叶斯网络和最短路径问题整合在一起的混合方法,结果表明:最长致因链“监管机构-组织氛围-监督违规-操作员不达标的条件-超载/超员”几乎包含了所有重要的人为因素;HFACS框架中的各个层级对第一层级的影响呈逐步降低趋势,即由“不安全行为的前提条件”,到“不安全的监督”,再到“组织影响”,最后到“外部因素”。该混合方法将定性研究与定量研究相结合,显然,这比单独使用定性研究或者定量研究具有很大优势。（2）以HFACS框架中的上一层级作为输入,下一层级作为输出,定量考察了各相邻层级间的影响关系,找出了一些影响道路交通事故的主要致因因素,如“操作员不达标的操作”、“监管不足”、“资源管理”、“组织气氛”、“外部监管部门”等。运算结果表明,HFACS和NNs（神经网络）两种技术完全可以融合,为更好地理解道路交通事故提供了一个新的视角与思路。（3）综合了HFACS和CFIM的基于系统的新方法突出了各级因果类别之间的相互作用,是分析道路交通事故的合适方法。所有潜在类别,包括“外部因素”、“组织影响”、“不安全监督”和“不安全行为的前提条件”,与“不安全行为”都存在显著相关关系,更为重要的,“外部因素”、“组织影响”、“不安全监督”以及“不安全行为的前提条件”这四个更高层级的致因因素之间可以相互作用,而这些相互作用在以前的研究中还没有被定量研究过。