تلفات و جراحات ناشی از تصادفات جادهای و ترافیکی یکی از بزرگ‌ترین موضوعات چالش‌برانگیز در زندگی افراد جامعه و کشورهاست. در این پژوهش از الگوریتم‌های داده‌کاوی شامل: کلاسترینگ، قوانین انجمنی، درخت تصمیم CHAID و طبقه کننده Naïve Bayes به همراه تحلیل‌های GIS عوامل مکانی تاثیرگذار، به‌منظور کشف الگوها و پیش‌بینی فاکتورهای موثر بر شدت تصادفات جادهای در آزادراه قزوین به زنجان استفاده گردید. در این مطالعه تعداد 986 داده تصادف ثبت شده توسط پلیس راهور در دوره زمانی 2012 تا 2014 بکار گرفته شد. الگوریتم خوشه‌بندی X-Means به‌منظور خوشه‌بندی داده‌ها و همگن نمودن ویژگی‌های گوناگون تصادفات استفاده و داده‌ها در 6 دسته جاسازی گردیدند. در ادامه با استفاده از الگوریتم‌های درخت تصمیم CHAID و Naïve Bayes Classifier، عملیات پیش‌بینی شدت تصادفات جادهای و نیز فاکتورهای مهم و تاثیرگذار بر آن مشخص گردید. الگوریتم CHAID Decision Tree  با دقت 84.8% نسبت به Naïve Bayes با دقت 84.46%، وضعیت نسبتا مناسبتری را در مدل‌سازی و پیش‌بینی داده‌های آزمون داشته است که منحنی ROC نیز صحت آن را نشان می‌دهد. همچنین مهمترین پیش‌بینی‌کننده‌ها و عوامل تاثیرگذار بر شدت تصادفات توسط الگوریتم CHAID DT به ترتیب کاهش اهمیت شامل: عوامل نوع خودرو (25/0)، کاربری‌های حاشیه‌ای جاده(16/0)، شرایط توپوگرافیکی محل(13/0)، عامل انسانی تصادف(1/0)، ماه وقوع حادثه (1/0)، شرایط آب و هوایی(08/0)، شرایط روشنایی و ساعت وقوع تصادف(07/0)، هندسه جاده (05/0) و شرایط سطح جاده(05/0) استخراج گردید.