Los Vehículos Automatizados (AVs) están en desarrollo para reducir en gran medida los accidentes de tráfico. Por lo tanto, la seguridad jugará un papel fundamental para determinar su aceptabilidad social. A pesar del rápido desarrollo de las tecnologías de AVs, los accidentes relacionados pueden ocurrir incluso en un entorno ideal. Por lo tanto, son esenciales las medidas para prevenir los accidentes de tráfico de antemano. Este estudio implementó un análisis del contexto de accidentes de tráfico basado en la técnica de Redes Neuronales Profundas (DNNs) para diseñar un Sistema de Conducción Automatizada Preventiva (PADS). El análisis basado en DNN revela que cuando ocurre un accidente de tráfico, la lesión del infractor puede predecirse con un 85% de precisión y el caso de la víctima con un 67%. Además, para descubrir los factores que deciden el grado de lesión del infractor y de la víctima, se implementó un análisis de bosque aleatorio. El tipo de vehículo y la velocidad fueron identificados como los factores más importantes para decidir el grado de lesión del infractor, mientras que la importancia para la víctima se ordena por velocidad, hora del día, tipo de vehículo y día de la semana. Se espera que el PADS propuesto en este estudio no solo contribuya a mejorar la seguridad de los AVs, sino a prevenir accidentes de antemano.