交通运输给人们带来极大便利的同时,交通事故对人民群众的生命财产安全也造成了巨大的威胁,尤其是在高速公路上,一旦发生事故,往往会造成极其严重的后果。通过对高速公路交通事故数据进行研究,建立科学的事故预测模型,准确预测交通事故的发生次数,可以为公路管理者制定交通安全改善方案提供依据,进而提升公路安全水平。本文的主要内容是基于ZINB及Tobit回归建立高速公路交通事故预测模型,并与NB模型进行对比,评价各模型对交通事故数据的拟合效果及预测能力,最终认为ZINB及Tobit回归更符合交通事故数据特点,基于ZINB及Tobit回归建立的交通事故预测模型比NB模型更有优势。首先,以广东省京珠、粤赣以及开阳高速为研究对象,收集整理了共4657起交通事故及相关影响因素数据;采用不定长法,按照道路线形设计的均质性对路段基本单元进行了划分,共得到5573个交通事故建模样本;根据得到的交通事故样本,针对交通事故数据的特点进行分析,认为交通事故存在过度离散以及零值过多的数据特点,进一步证明了基于ZINB及Tobit回归建立交通事故预测模型的合理性。其次,基于系统聚类及四分位数法,筛选交通事故数据中的异常值,剔除建模样本中的离群样本;基于方差膨胀因子法,对模型的解释变量进行共线性诊断,对存在共线性问题的解释变量进行处理。然后,对模型的基础内容进行研究及对比分析,掌握了NB、ZINB及Tobit模型的形式、原理以及求解方法;对模型变量筛选方法、显著性检验方法、回归效果的评价方法进行了研究。最后,分别对NB、ZINB及Tobit模型进行变量筛选,分别确定了16、24、16个解释变量;基于模型变量筛选结果,利用交通事故数据样本,完成了NB、ZINB及Tobit模型的建模,并通过显著性检验,证明了建模结果有效;分析对比了NB、ZINB及Tobit模型的拟合效果及预测能力,结果显示相比于NB模型,ZINB和Tobit模型能够更好的对交通事故数据进行拟合,且具备更好的预测能力,而ZINB与Tobit模型的拟合效果与预测能力差距不明显。