高速公路交通事故的严重程度受多种因素共同影响,其中事故发生前的短时交通流特征作用尤为关键。为系统分析短时交通流状态对事故严重程度的影响,基于广东省2021—2022年南二环高速、济广高速和西部沿海高速的历史交通事故数据、ETC门架通行数据及气象数据,构建了考虑均值异质性的随机参数Logit模型,以探讨事故影响因素的异质性特征。该研究从道路特征、环境特征、交通流特征和事故特征4个方面筛选出29个潜在变量,分别采用标准多项Logit模型、随机参数Logit模型以及考虑均值异质性的随机参数Logit模型对事故严重程度进行建模。通过伪决定系数、赤池信息准则和贝叶斯信息准则对比分析模型拟合优度,结果显示,考虑均值异质性的随机参数Logit模型在拟合优度方面表现最优,能够更精准地捕捉事故影响因素的异质性特征。进一步基于变量的平均弹性系数评估不同因素对事故严重程度的影响,结果表明:在99%的置信水平下,道路特征、环境特征、事故特征和交通流特征等22个参数变量对事故的严重程度均存在显著影响,其中双向六车道、能见度增大等因素显著降低了事故的严重程度,路政救援处理时长、大型车平均速度、大型车比例、大型车与小型车速度差等变量的增大使事故的严重程度显著增加。该研究的结论可为高速公路事故预防和管理提供科学依据。