近些年我国车辆指数增长,交通资源与车辆之间的供需矛盾日益加剧,交通事故频发,各界人士都密切关注并渴望解决这一难题。随着人工智能快速发展与国家政策导向,对高速公路交通事故进行深入探讨,研究构建交通事故智能预测方法,对后期研发交通事故智能监测预测、预警与处理等智能化系统具有重要意义。基于高速公路交通安全现状,本文首先从事故影响因素分析与交通事故智能预测方法两方面分析已有研究成果,提出了用BP神经网络和遗传算法智能预测高速公路交通事故严重程度。其次,明确了我国交通事故的定义和交通事故严重程度划分依据,依据交通系统中人、车、路、环境四要素的相互作用机理与云南省K高速公路交通事故的历史数据,全面系统地分析了高速公路交通事故严重程度的影响因素,采用极值统计思想量化了初步整理指标,采用主成分分析法简化与选取了特征指标。然后,基于神经网络和遗传算法的特点与不足,提出了采用遗传算法优化BP神经网络结构的权值和阈值完成建模,给出了详细的参数设计与建模过程,并在MATLAB完成了高速公路交通事故GA-BP神经网络预测模型的实现。最后,选取云南省K高速公路对交通事故智能预测方法进行验证,对事故数据进行处理、筛选分类后,312条事故数据用于模型基本结构的设计与学习训练,100条事故数据用于验证模型。结果表明:模型预测值与实际事故严重程度基本吻合,预测准确率高达95%;采用遗传算法优化后的BP神经网络均方误差由1.89×10^-4降低到5.37×10^-5。本文的研究成果可以用于后期交通事故实时监测与预测,方便交通事故的提前预警、及时干预、优化处理等,也为交通事故智能监测预测、预警与处理等智能化系统的实现奠定基础。