國內(nèi)外對于危險地點及易事故地點相關(guān)研究很多，其目的大都致力于降低其潛在危險性及事故嚴(yán)重程度。本文主要介紹國外以及港臺學(xué)者對于平面交叉路口的一些看法和研究，節(jié)選自劉正揚的碩士畢業(yè)論文，修改了部分術(shù)語和內(nèi)容以方便閱讀。
1.平面交叉路口交通事故特性分析
有關(guān)平面交叉路口交通事故特性分析的研究文獻(xiàn)，其目的主要在于了解發(fā)生事故時，事故地點交通環(huán)境與事故型態(tài)的間的關(guān)系，以期能了解在幾何及交通環(huán)境上較危險的因子，并挑選危險因子作為變量，應(yīng)用數(shù)學(xué)模式以分析各因子的影響程度。
Gupta與Mann指出交通事故的發(fā)生雖是由人、車、路及環(huán)境四大因素共同作用所影響，且道路因素與交通事故之間有統(tǒng)計關(guān)系的存在。采用多元回歸分析方法構(gòu)建事故模型，據(jù)以探討道路幾何設(shè)計因素與事故率間的關(guān)系。結(jié)果發(fā)現(xiàn)，車道數(shù)、路肩寬及交通量的增加均使事故率明顯增加。
Zegeer構(gòu)建回歸模式分析二車道公路事故與交通特性及公路幾何間的關(guān)系，且依不同交通量水平構(gòu)建子模式。研究結(jié)果發(fā)現(xiàn)影響事故的重要變量有平均每日交通量、彎曲路段百分比、道路寬度、平面交叉路口數(shù)、溝渠數(shù)及地形為丘陵或平地。
KingandGoldblatt為了解平面交叉路口的變化以及事故型態(tài)的間的關(guān)系，經(jīng)由變異數(shù)及回歸分析對改變前后的資料加以分析計算。作者指出，事故平面交叉路口與平面交叉路口控制方式之間存在一復(fù)雜的模式，但卻無明顯的證據(jù)能指出交通標(biāo)志標(biāo)線能將與車禍相關(guān)的因素降低。最后作者提出結(jié)論：（1）增設(shè)反光標(biāo)記對降低事故是有效的；（2）交通標(biāo)志標(biāo)線化的平面交叉路口將減低側(cè)撞但卻會增加追撞的事故次數(shù)；（3）交通標(biāo)志標(biāo)線平面交叉路口將會有較高的事故率，但整體的損害并未有顯著的增加。
為能了解各因子對于事故的影響程度，相關(guān)研究引用了不同的數(shù)學(xué)模式，以分析可能的事故因子對于事故的影響。然由于事故資料有著偶發(fā)性的性質(zhì)，若沒有良好的實驗設(shè)計來搜集數(shù)據(jù)，恐無法得到接近常態(tài)的事故數(shù)據(jù)。因此，學(xué)者采用三種模式進(jìn)行相關(guān)研究：(1)傳統(tǒng)回歸模式(2)泊松分布回歸模式(3)負(fù)二項式回歸模式。
NicholsonandWong采用兩種常見的統(tǒng)計方法，對于“事故次數(shù)視為Poisson分布”假設(shè)做評估，加以敘述與比較并指出，當(dāng)事故次數(shù)不大時，采用組合分析(CombinatorialAnalysis)是較x檢驗法(AlternativeChi-squareTest)為佳。根據(jù)實際事故資料的驗證，正確的統(tǒng)計分析可用來重新解釋事故資料的變異性。最后，結(jié)果指向泊松分布（PoissonDistribution）是較適合作為單一地點的事故分析。換言的，事故件數(shù)為泊松分布的假設(shè)要較常態(tài)分布的假設(shè)為佳。
Hamerslag,Roos,andKwakernaak視交通事故的發(fā)生為泊松分布，基于事故的偶發(fā)性，采用概似法理論以替代對數(shù)轉(zhuǎn)換之后的線性模式無法描述事故件數(shù)為零的缺陷。經(jīng)由實證知道影響因素如下：（a）汽車、自行車的車流（b）車道以及分隔島的寬度（c）連接路旁房屋的道路（d）道路鋪面及車道的形式（e）停車帶及巴士站牌。在不同的平面交叉路口、交叉、穿越型態(tài)的下，日常交通車流為最重要的因素
Ali基于事故的發(fā)生屬于泊松分布的假設(shè)的下，發(fā)展出一種比較不同類交通設(shè)施（如平面交叉路口、交流道等）間的事故率的統(tǒng)計方法；使用概似率統(tǒng)計技術(shù)（LikelihoodRatioStatisticalTechnique），可在極少資料的情形下，仍能檢定一個交通系統(tǒng)中不同地點的事故率是否有顯著不同。作者并以O(shè)hio事故資料實證結(jié)果發(fā)現(xiàn)該統(tǒng)計方法確可應(yīng)用。
Maher與Summersgill指出普通線性模式（GLM）雖以普遍用于事故分析及預(yù)測，然仍存在幾個問題必須利用一些技術(shù)予以克服；故以基礎(chǔ)模式作不同的修改及擴(kuò)充，以個別解決下列六項問題：（1）平均值過低；（2）資料過度離散；（3）不同時間的事故資料具有其個體化特性；（4）車流量估計時所存在的隨機(jī)誤差；（5）不同型態(tài)事故預(yù)測的加總；（6）模式預(yù)測值與實際觀察值的結(jié)合。
