城市道路平面交叉口是一个事故发生率较高的道路节点,其中追尾事故所占的比例最高。近年,国内外学者试图从理论和技术两个方面研究车辆的追尾问题,其中最基本的出发点是通过建立追尾预测数学模型对追尾事故进行研究。目前学界通常以安全距离模型为基础,采用概率理论来对相邻两车的追尾可能性进行定量描述,由此得到追尾概率,以此为作为追尾事故风险的评价基础。本文首先对城市道路交叉口的追尾事故机理及相关影响因素进行了分析,通过对事故的诱因(如驾驶人因素、道路环境因素、交通量因素)进行深入探讨,通过定性和定量分析相结合,发现驾驶人因素是引发追尾事故的最主要因素,但道路环境因素和交通量因素也起到较大的影响。其次,本文通过建立安全车距模型计算出不同情况下安全车距的合理取值,并论述了支持向量机理论(SVM)用于预测的基本原理,然后介绍了SVM应用于分析道路交通安全及其影响因素之间关联程度的研究步骤,接下来探讨了遗传算法对参数的优化原理及方法。再次,本文对影响城市道路平面交叉口车辆追尾的因素进行分析,确定了5个与追尾碰撞相关度较高的指标(行车间距、后车车速、汽车制动时间、前后车速差、制动减速度)作为追尾概率预测模型的输入变量,以追尾概率作为输出变量,利用MATLAB建立了SVM追尾概率预测模型,然后通过多元线性拟合的方法,通过MATLAB计算得出各影响因素对汽车追尾的影响比重大小依次为:行车间距、后车车速、前后两车的车速差、汽车制动时间、制动减速度。最后以两车碰撞时的速度差为衡量参数对车辆追尾事故的严重程度进行量化,结合追尾概率利用模糊C-均值聚类算法计算的结果建立了跟驰追尾风险矩阵图。本文的实验数据通过汽车行驶记录仪(VDR)采集得到,通过20组样本数据作为SVM模型的训练集,并用另外30组数据作为测试集进行模型验证。通过对实验数据进行分析,并使用ORIGIN对实际值和预测值进行作图比较分析,分析结果表明模型的预测效果良好。