6.2 模式估計
6.2.2 事故頻次模式推估－對數線性迴歸
本研究之對數線性迴歸式設定如第(8)式：
(8)
對數線性迴歸式確認後，進而分別對四種分割路段之方法：1 公里、兩兩交 流道、空間自我相關最低及空間同質性最高，進行卜瓦松迴歸模式及負二項迴歸 模式的估計。其中，應變數 y 亦是以各樣本空間中之 A1、A2 及 A3 事故總和進 行模式推估。
1. 路段分割方式：1 公里
由表 6-5 知，以非線性迴歸為事故分析為基礎時，在 1 公里為一樣本單位下 對數線性事故頻次模式是以負二項迴歸模式的解釋能力較佳，其 Adj-Ro2為 0.37，
由迴歸估計結果得知，其共有 8 個顯著的解釋變數，分別為小型車 AADT、大型 車 AADT、聯結車 AADT、最大上坡坡度、最大下坡坡度、曲率半徑、克羅梭曲 線參數及車道數。其中小型車 AADT 之係數值為 0.886，表示小型車車流量與事 故件數存在正向關係，故小型車車流量越多，事故件數就越多；大型車 AADT 之係數值為 0.426，表示大型車車流量與事故件數存在正向關係，故大型車車流 量越多，事故件數就越多；最大下坡坡度之係數值為 0.071，表示下坡坡度與事 故件數存在正向關係，是故最大下坡坡度越陡，事故就越多；另外，曲率半徑之 係數值為 0.141，表示曲率半徑與事故件數存在正向關係，故曲率半徑越小，事 故件數就越多。但聯結車 AADT、最大上坡坡度、克羅梭曲線參數及車道數之係 數值皆為負值，表示這幾項解釋變數與事故件數呈反向關係，故聯結車車流量越 多、最大上坡坡度越陡、克羅梭曲線參數越大及車道數越多，事故件數就越少，
與原先設定之邏輯不符。
52
表 6-5 以 1 公里為樣本單位下之對數線性事故頻次模式
模式名稱 負二項迴歸模式 卜瓦松迴歸模式
Parameters Estimates t value Estimates t value 常數項 -2.110 -1.57* -2.159 -1.70**
α 值 0.098 2.73***
SADT 0.886 5.81*** 0.858 6.03***
MADT 0.426 1.98** 0.470 2.29**
LADT -1.250 -5.30*** -1.248 -5.67***
USlope -0.173 -3.40*** -0.164 -3.55***
DSlope 0.071 1.79** 0.068 1.83**
Ratio 0.141 2.55*** 0.141 2.73***
Curve -0.264 -4.36*** -0.281 -4.92***
Lane -0.424 -2.97*** -0.433 -3.14***
TollnRest 0.057 0.48 0.040 0.37
樣本數 746 746
變數個數 11 10
BIC 1584.075 1588.530
AIC 1539.928 1548.998
LL(M) -1201.898 -1201.898
LL(β) -758.964 -764.499
Adj-Ro2 0.37 0.36
註： 0.01***
0.05**
0.1*
53
2. 路段分割方式：兩兩交流道
由表 6-6 知，以對數線性迴歸為事故分析為基礎時，在兩兩交流道為樣本單 位下之事故頻次模式以負二項迴歸模式的解釋能力較佳，其 Adj-Ro2為 0.51，由 迴歸估計結果得知，其共有 6 個顯著的解釋變數，分別為小型車 AADT、大型車 AADT、聯結車 AADT、最大上坡坡度、曲率半徑及車道數。其中小型車 AADT 之係數值為 0.490，表示小型車車流量與事故件數存在正向關係，故小型車車流 量越多，事故件數就越多；大型車 AADT 之係數值為 0.951，表示大型車車流量 與事故件數存在正向關係，故大型車車流量越多，事故件數就越多；曲率半徑之 係數值為 0.239，表示曲率半徑與事故件數存在正向關係，故曲率半徑越小，事 故件數就越多。
但聯結車 AADT、最大上坡坡度及車道數之係數值皆為負值，表示這幾項解 釋變數與事故件數呈反向關係，故聯結車車流量越多、最大上坡坡度越陡及車道 數越多，事故件數就越少，此結果與原設定之邏輯不合。
54
表 6-6 以兩兩交流道為樣本單位下之對數線性事故頻次模式
模式名稱 負二項迴歸模式 卜瓦松迴歸模式
Parameters Estimates t value Estimates t value 常數項 0.807 0.44 -0.381 -0.33 α 值 0.163 3.63***
SADT 0.490 2.26** 0.610 4.27***
MADT 0.951 3.30*** 0.939 4.61***
LADT -1.599 -5.51*** -1.568 -7.72***
USlope -0.115 -1.61* -0.103 -2.17**
DSlope -0.067 -1.20 -0.056 -1.54*
Ratio 0.239 3.21*** 0.233 4.70***
Curve 0.061 0.76 0.082 1.48*
Lane -0.378 -2.33*** -0.454 -3.52***
TollnRest 0.043 1.03 0.057 2.07**
樣本數 124 124
變數個數 11 10
BIC 558.379 593.996
AIC 532.176 570.613
LL(M) -516.342 -516.342
LL(β) -255.088 275.306
Adj-Ro2 0.51 0.47
註： 0.01***
0.05**
0.1*
55
3. 路段分割方式：空間自我相關最低
由表 6-7 知，以對數線性迴歸為事故分析為基礎時，以空間自我相關最低為 目標之樣本分割下之事故頻次模式，負二項迴歸模式及卜瓦松迴歸模式的解釋能 力相當，其 Adj-Ro2皆為 0.43，經由迴歸估計結果得知，其皆有 4 個顯著的解釋 變數，並且顯著變數皆相同，分別為小型車 AADT、最大上坡坡度、克羅梭曲線 參數及收費站與休息站座數。其中小型車 AADT 之係數值分別為 1.627 及 1.658，
表示小型車車流量與事故件數存在正向關係，故小型車車流量越多，事故件數就 越多；收費站及休息站座數之係數值分別為 0.370 及 0.377，表示收費站及休息 站座數與事故件數存在正向關係，故收費站及休息站座數越多，事故件數就越多。
但最大上坡坡度及克羅梭曲線參數之係數值分別為-0.407 及-0.278，表示最大上 坡坡度及克羅梭曲線參數與事故件數呈反向關係，即最大上坡坡度越陡，克羅梭 曲線參數越大，事故件數就越少，與原先設定之邏輯不符。
56
表 6-7 以空間自我相關最低為樣本單位下之對數線性事故頻次模式
模式名稱 負二項迴歸模式 卜瓦松迴歸模式
Parameters Estimates t value Estimates t value 常數項 -12.060 -2.16** -12.381 -2.24**
α 值 0.108 0.80
SADT 1.627 2.92*** 1.658 3.01***
MADT -0.461 -0.66 -0.495 -0.71 LADT -0.485 -0.67 -0.457 -0.65 USlope -0.407 -2.66*** -0.421 -2.82***
DSlope 0.110 0.81 0.106 0.81 Ratio 0.187 1.14 0.183 1.15 Curve -0.278 -1.51* -0.272 -1.50*
Lane 0.109 0.28 0.137 0.35 TollnRest 0.370 6.60*** 0.377 8.67***
樣本數 398 398
變數個數 11 10
BIC 357.111 351.813
AIC 319.247 317.935
LL(M) -262.565 -262.565
LL(β) -148.623 -148.967
Adj-Ro2 0.43 0.43
註： 0.01***
0.05**
0.1*
57
4. 路段分割方式：空間同質性最高
由表 6-8 知，以對數線性迴歸為事故分析為基礎時，以空間同質性最高為目 標之樣本分割下之事故頻次模式，負二項迴歸模式及卜瓦松迴歸模式的解釋能力 皆相當，其 Adj-Ro2皆為 0.47。由迴歸估計結果得知，負二項迴歸模式共有 6 個 顯著的解釋變數，分別為小型車 AADT、最大上坡坡度、最大下坡坡度、曲率半 徑、克羅梭曲線參數及收費站與休息站座數。其中小型車 AADT 之係數值為 1.619，
表示小型車車流量與事故件數存在正向關係，故小型車車流量越多，事故件數就 越多；最大下坡坡度之係數值為 0.185，表示下坡坡度與事故件數存在正向關係，
是故最大下坡坡度越陡，事故就越多；曲率半徑之係數值為 0.297，表示曲率半 徑與事故件數存在正向關係，故曲率半徑越小，事故件數件就越多；另外，收費 站及休息站座數之係數值為 0.532，表示收費站及休息站座數與事故件數存在正 向關係，故收費站及休息站座數越多，事故件數就越多。但最大上坡坡度及克羅 梭曲線參數之係數值為負值，表示與事故件數呈反向關係，故最大上坡坡度越陡 及克羅梭曲線參數越大，事故件數就越少，與原先設定之邏輯不符。
卜瓦松迴歸模式共有 7 個顯著的解釋變數，分別為小型車 AADT、最大上坡 坡度、最大下坡坡度、曲率半徑、克羅梭曲線參數、車道數及收費站與休息站座 數。其中小型車 AADT 之係數值為 1.637，表示小型車車流量與事故件數存在正 向關係，故小型車車流量越多，事故件數就越多；最大下坡坡度之係數值為 0.185，
表示下坡坡度與事故件數存在正向關係，是故最大下坡坡度越陡，事故就越多；
曲率半徑之係數值為 0.295，表示曲率半徑與事故件數存在正向關係，故曲率半 徑越小，事故件數件就越多；車道數之係數值為 0.536，表示車道數與事故件數 存在正向關係，故車道數越多，事故件數件就越多；另外，收費站及休息站座數 之係數值為 0.535，表示收費站及休息站座數與事故件數存在正向關係，故收費 站及休息站座數越多，事故件數就越多。但最大上坡坡度及克羅梭曲線參數之係 數值分別為-0.333 及-0.345，表示與事故件數呈反向關係，故最大上坡坡度越陡 及克羅梭曲線參數越大，事故件數就越少，與原先設定之邏輯不符。
58
表 6-8 以空間同質性最高為樣本單位下之對數線性事故頻次模式
模式名稱 負二項迴歸模式 卜瓦松迴歸模式
Parameters Estimates t value Estimates t value 常數項 -13.283 -2.28** -13.749 -2.38***
α 值 0.103 0.73
SADT 1.619 3.01*** 1.637 3.10***
MADT -0.433 -0.64 -0.446 -0.67 LADT -0.568 -0.79 -0.531 -0.78 USlope -0.326 -1.93** -0.333 -1.99**
DSlope 0.185 1.38* 0.185 1.42*
Ratio 0.297 1.86** 0.295 1.92**
Curve -0.343 -1.90** -0.345 -1.95**
Lane 0.496 1.24 0.536 1.39*
TollnRest 0.532 6.23*** 0.535 7.41***
樣本數 437 437
變數個數 11 10
BIC 351.879 346.433
AIC 313.079 311.714
LL(M) -275.61 -275.61
LL(β) -145.540 -145.857
Adj-Ro2 0.47 0.47
註： 0.01***
0.05**
0.1*
59