建檔與否，故A3 資料或存有大量低報之問題。此外，僅有財物受損之事故或因 其當事人私下和解致使該類型事故無法被完整記錄，故本研究僅使用 2014 至 2018 年之 A1 及 A2 類交通事故資料予以分析。
第二節 變數選取
Jima（2019）將交通事故原因分為人類行為、道路、環境等三大類因素，其 中人類行為及環境因素約占所有交通事故發生因素之75%（Yaacob et al.，2018）； 而Penmetsa（2018）在探討影響交通事故發生之因素時，係考量駕駛人之特徵與 其於車禍發生當下之個人狀況（例如疲勞程度、用藥情形等）及環境狀況（例如 明亮程度）；另Karlaftis and Yannis（2010）及 Lobo et al.（2019）在探討天氣對 不同車種交通事故之影響時，則使用氣溫及降雨等變數。鑑於本研究係關注影響 事故數量之因素，而非個別事故發生之原因，故自變數僅包含天氣與空氣品質等 外在環境因素。
由於空氣汙染物其組成錯綜複雜，當中包含眾多物質，故於空氣汙染相關研 究中，「空氣汙染」變數之處理方式亦不盡相同。除了Dastoorpoor et al.（2016）
將多種空氣汙染物同時納入模型之作法外，亦有以空氣品質指標（Air Quality Index，AQI）進行研究的方式（Hu et al.，2015）。近年來，𝑃𝑀2.5已成為眾多城市 之主要空氣汙染物，越來越多的研究將其視為空氣汙染之重要指標，而醫學領域
氣品質標準》法規中所設立之標準值20，而如𝑃𝑀10、𝐶𝑂、𝑆𝑂2等其他汙染物之年
臺灣共有368 個鄉鎮市區，然僅 77 個空氣品質測站，故本研究採取空間插
擬將全部車種26簡化為汽車與機車等兩種類型27（詳細分類請參閱附錄三，本研 究不考慮其他類型）；最終再將個別事故數據進行統整後，即可得到各鄉鎮市區 之每小時事故數據。
二、 第二階段處理
此階段處理則是利用第一階段結果以計算逐日資料。交通事故相關變數皆係 以將每小時數量進行加總之方式，獲取各鄉鎮市區的每日總數量（包括事故數量、
牽涉車輛數量等等）28，其中空氣品質相關變數、相對溼度、風速皆以算術平均 方式得到每日平均值；氣溫部分，係擷取24 小時中氣溫最高值，做為每日最高 氣溫；雨量部分，則將每小時雨量加總以獲得每日總雨量；風向部分，處理方式 如同前述，並以向量平均方式獲取每日平均風向值。
26全部車種可參照交通部運輸研究所（2019）所附之道路交通事故調查報告表（見附錄二）中「當 事者區分」一欄。
27為求簡化，本研究對於機車及汽車等兩類型的分類標準係為該車種之車輪數，機車類型屬二輪 車輛（two-wheel vehicle），汽車類型則為四輪車輛（four-wheel vehicle）。
28 為了避免將被解釋變數取對數後，原始資料中為 0 的數據將變為負無限大之窘境，故本研究 另將各鄉鎮市區的每日總數量皆採+0.5 的方式。