우리나라는 많은 교통사고로 인하여 큰 사회적 부담을 가지고 있다. 이러한 사회적 부담을줄여주기 위한 방안을 마련하기 위해서는 정확한 교통사고 횟수에 대한 예측이 필요하다. 본 논문은 교통사고의 횟수를 줄이기 위한 교통사고 건수를 예측하기 위해, 교통사고에 주요한 영향을 미치는 상황을 확인하여 변수 데이터를 선정한 후 MLP 알고리즘을 적용한다. 또한 선정된 변수들을 지정하고 각각 다른 단위의 값을 통일하기 위해 정규화를 사용하였다. 또한 특정구간 데이터 학습을 위해 ReLU 활성화 함수를 사용하였고 계절적 패턴(강수량, 적설량, 가시성)과 예측 성능을 높이기 위해 1년 전의 교통사고 발생건수를 변수로 사용하였다. MLP(Multi-layer perceptron) 알고리즘을 적용한 모델을 구성하여 2006～2018년의 교통사고 발생건수를 예측하였고 알고리즘의 예측 성능을 평가하기 위해서 MAPE(Mean absolute percentage error)를 사용하였다. 예측 결과 MAPE가 평균 5.79으로 측정되었으며 예측값이관측 데이터와의 오차가 7월사이에 가장 크게 발생하였고 12～3월 오차가 가장 적게 발생하였다.