交通部運輸研究所Institute of Transportation, MOTC

過去許多研究以傳統的廣義線性模式(generalized linear model, GLM)建立路口事故頻次模式，此類模式假設樣本間相互獨立，忽略了位置鄰近之路口因相似的車流組成、道路設計與建成環境所產生潛在的空間相依性(spatial dependency)，如此可能導致偏誤的估計結果。部分研究嘗試透過不同的統計方法來處理空間相依性問題，例如廣義估計方程式(generalized estimating equation, GEE)、空間誤差模型(spatial error models, SEMs)、混合效果模型(mixed effect model)等。上述方法透過對誤差項的處理將空間相依性納入模式中，然其推估結果仍為一組固定的參數值，代表風險因素對事故頻次之平均影響效果，如此無法得知空間效應如何隨路口距離增加而遞減，以及估計值在各區域大小不同的影響效果。
基於上述原因，本研究旨在利用卜瓦松迴歸(Poisson regression)、負二項迴歸(negative binomial regression)兩類常見的計數模型，建構地理加權迴歸模式(geographically weighted regression, GWR)，以納入路口之空間相依性。由於全域型負二項模式之績效表現優於全域型卜瓦松模式，故本研究以負二項模式為基礎發展地理加權負二項迴歸模式(geographically weighted negative binomial regression, GWNBR)，探討風險因素對事故頻次影響效果的空間變動情形。此外，由於路口之空間相依性除距離外，也會受道路屬性與號誌連鎖影響，本研究進一步透過路口的道路屬性與號誌連鎖來建構空間權重。
本研究以臺北市227個號誌化路口作為研究樣本，以地理加權負二項迴歸推估多項風險因素對事故頻次之影響效果，並與全域型的卜瓦松迴歸及負二項迴歸進行模式績效比較。研究結果顯示，GWNBR模式之表現明顯優於全域型的負二項與卜瓦松模式。此外，同時加入道路屬性與號誌連鎖設定空間權重之GWNBR模式的績效表現相較單獨加入道路屬性或號誌連鎖之GWNBR模式來得更為良好，並優於傳統僅以距離設定空間權重之GWNBR模式。績效表現最佳之GWNBR模式的推估結果顯示，道路交通量、機車比例、路口方向數、三叉路口、機車待轉區與行人穿越道數量等變數會增加事故頻次；支道速限、中央分隔島、公車專用道等變數則會減少事故頻次，本研究並依據推估結果提出相應之路口安全改善策略。