论文从事故黑点识别的角度出发，立足于农村公路有别于其它高等级公路的现实情况，运用动态分段法、BP 神经网络以及遗传算法建立农村公路事故黑点识别模型。通过识别农村公路中的事故黑点，而后对农村公路事故黑点的治理提出相应的改善措施，以期减少农村公路交通事故的发生，提升农村公路的整体安全，保障广大农民的生命财产安全。论文的主要研究工作如下：
　　在研究事故黑点识别工作之前，通常需要将整个道路进行分段处理，传统固定分段的方法容易使一个事故黑点被强行分成两段，从而造成事故黑点的遗漏，因此论文采用动态分段法以克服固定分段的局限。
　　其次，分析了农村公路交通安全的影响因素以及几种常用的事故黑点识别方法对于农村公路是否适用的问题。经过研究分析，本文采用BP神经网络进行农村公路事故黑点的识别，在农村公路统计资料较为匮乏的情况下，利用BP神经网络强大的非线性逼近能力和自学习能力，进行农村公路事故黑点的识别。
　　然后，选取影响农村公路交通安全的8个主要因素作为BP神经网络的输入层，以路段的危险程度作为BP神经网络的输出层，训练了基于动态分段的BP神经网络农村公路事故黑点识别模型。由于BP神经网络算法的本质是梯度下降法，计算时容易陷入局部最优，而遗传算法有着全局搜索能力，将BP神经网络和遗传算法相结合，利用遗传算法优化BP神经网络的权值和阈值，以避免单独使用BP神经网络出现局部最优的缺陷，建立基于动态分段的 GA-BP 神经网络农村公路事故黑点识别模型，利用遗传算法改进后的模型，提高了农村公路事故黑点的识别精度。
　　最后，根据论文前面的研究成果，提出了相应的改善措施以提升农村公路交通安全。