Los accidentes de tráfico son un importante problema de salud pública, causando casi 1.3 millones de muertes en todo el mundo anualmente, con millones más que sufren lesiones no mortales. Una variedad de factores subjetivos y objetivos contribuyen a la ocurrencia de accidentes de tráfico, lo que dificulta predecirlos y prevenirlos en nuevas secciones de carretera. Las redes neuronales artificiales (ANN) han demostrado su efectividad en predecir accidentes de tráfico utilizando conjuntos de datos limitados. Este estudio presenta dos modelos de ANN para predecir accidentes de tráfico en carreteras comunes en la República de Serbia y la República de Srpska (Bosnia y Herzegovina) utilizando factores objetivos que pueden determinarse fácilmente, como la longitud de la carretera, el tipo de terreno, el ancho de la carretera, el volumen promedio diario de tráfico y el límite de velocidad. Los modelos predicen el número de accidentes de tráfico, así como la gravedad de sus consecuencias, incluidas las fatalidades, lesiones y daños materiales. Los modelos óptimos desarrollados de redes neuronales mostraron buenas capacidades de generalización para los datos recopilados, y podrían usarse para predecir con precisión las salidas observadas, basadas en los parámetros de entrada. Los valores más altos para los modelos desarrollados ANN1 y ANN2 fueron 0.986, 0.988 y 0.977, y 0.990, 0.969 y 0.990, respectivamente, para ciclos de entrenamiento, prueba y validación. Identificar los factores más influyentes puede ayudar a mejorar la seguridad vial y reducir el número de accidentes. En general, esta investigación destaca el potencial de las ANN en predecir accidentes de tráfico y apoyar la toma de decisiones en la planificación del transporte.