我国的道路交通安全形势十分严峻,每年的交通事故数量居高不下,有数万人在交通事故中受伤或丧生;行人作为道路交通中的弱势参与者,在交通事故伤亡人数中一直占据较高比例,相对于机动车内乘员,与机动车碰撞后更易受到伤害,行人的碰撞安全问题一直是我国道路交通安全领域的研究热点。基于上述背景,本文以我国的人车碰撞事故中行人的损伤影响因素为研究内容,通过我国的道路交通事故进行抽样调查和深度调查,得到能反映我国人车碰撞事故的真实交通事故数据;对采集的事故数据进行筛选,找出典型的人车碰撞事故案例,对案例数据进行统计分析,得到我国人车碰撞事故中行人损伤影响因素的分布特征;利用Logistic回归分析与聚类分析找出我国交通事故中行人损伤与各影响因素间的相关性;利用BP神经网络模型构建事故中行人损伤的预测模型,根据事故场景中影响因素的分布情况,推断出事故中行人的损伤严重程度;根据行人损伤影响因素的统计分析,行人损伤的相关性分析与预测分析所得到的规律,对行人的保护技术提出对策与建议。研究内容包括:对抽样方法进行研究分析,选择交叉变量配额抽样从全国交通事故数据中进行样本的抽取与采集;以人车碰撞事故为例介绍事故深度调查所采用的方法与流程,包括事故现场数据采集,事故车辆和人员信息采集,人员的损伤分析等;将采集的事故数据与我国的道路交通统计年报数据进行指标对比,发现所采集的事故数据与我国的道路交通事故数据能较好地拟合,由此证明所采集的事故数据的可靠性和代表性。对我国的人车碰撞事故进行研究分析,通过数据的筛选得到359例典型的人车碰撞事故案例,对事故中行人的损伤严重程度、行人信息、车辆信息、道路信息和事故特征信息（共16个相关变量）进行统计分析,得到我国人车碰撞事故中行人损伤影响因素的分布特征,由此可以得出我国人车碰撞事故的基本特征。通过Logistic回归分析和聚类分析研究行人损伤与影响因素的相关性,Logistic回归分析能通过拟合优度找出各影响因素对行人损伤的显著性影响程度。聚类分析通过将行人损伤与影响因素聚类研究行人损伤与各因素水平间的关联性,找出与行人的损伤相关的因素与水平。利用BP神经网络建立行人损伤程度预测模型,将行人、车辆等10个因素作为输入变量,行人的损伤程度作为输出变量,利用选取的人车碰撞事故数据训练模型,最后对模型进行预测验证,发现模型能够根据事故中的因素信息对行人的损伤程度进行准确有效的预测。运用模型能够根据事故场景因素预测出行人的损伤程度。通过行人损伤影响因素的分布特征,行人损伤与各影响因素的相关性分析与预测结果,得到不同因素及相关水平对行人损伤程度的影响,并根据研究结论针对行人安全,从车辆、行人和交通管理三个方面对行人保护技术提出相关改进对策,以降低行人在事故中的损伤程度。