Debido a los frecuentes accidentes de tráfico y las víctimas en la actualidad, la capacidad de predecir el número de accidentes de tráfico en un período es significativa para que el departamento de transporte tome decisiones de manera científica. Sin embargo, debido a las muchas variables que afectan los accidentes de tráfico en el sistema de tráfico por carretera, hay dos desafíos críticos en la predicción de accidentes de tráfico. El primer problema es cómo evaluar el peso del impacto de cada variable en el accidente. El segundo problema es cómo modelar el proceso de predicción para múltiples variables interrelacionadas. Con el objetivo de resolver estos dos problemas, proponemos soluciones efectivas para abordar la predicción de accidentes de tráfico. En primer lugar, para el primer problema, aprovechamos el análisis de correlación gris para medir la correlación de los factores con la ocurrencia de accidentes. Luego, para el segundo problema, seleccionamos los factores principales mediante análisis de correlación para establecer un modelo gris multivariable-MGM(1,N) para la modelización del proceso de predicción. Además, exploramos la colinealidad entre variables y optimizamos mejor el modelo predictivo. Los resultados experimentales muestran que nuestro enfoque logra un mejor rendimiento que cuatro algoritmos comparativos de propósito general en la tarea de predicción de accidentes de tráfico.