为了减少交通事故，交通工作者开展了大量富有成效的工作，如提高车辆安全性能、改善道路安全设施、优化线形设计以及研究交通安全机理等。其中，关于交通安全机理的研究，特别是交通事故的影响因素分析，不仅能从原理上探究事故的影响因素，而且可以根据因素的重要性和影响程度采取针对性的改善措施，同时对道路事故做出相应的预测。本文通过构建多种空间计量模型，分析并预测道路线形、交通特性、人口特征、土地利用和周边环境等因素对交通事故和行人事故的影响，为减少交通事故、降低事故严重程度奠定理论基础。本论文开展了如下工作:　　(1)选取美国德克萨斯州2012年交通事故统计资料，分别从事故、人员、车辆和因素等四个方面，分析交通事故分布特征和发生规律，查找道路交通安全问题，确定进一步分析对象。　　(2)针对交通事故数据存在大量零值现象，选取多种拟合优度，综合分析多种零值回归模型，包括零膨胀泊松模型、零膨胀负二项模型、多层零膨胀泊松模型、多层零膨胀负二项模型、泊松Lindley模型和负二项Lindley模型等，统计结果表明，负二项Lindley模型的拟合效果最好，其次是多层零膨胀负二项模型;而在模型预测能力方面，负二项Lindley模型表现最好。　　(3)应用多种单变量空间模型（正态CAR模型、泊松伽马CAR模型和泊松对数正态CAR模型），提出时间权重矩阵，对比其他权重矩阵（相邻权重矩阵和距离权重矩阵），分析不同类型交通事故与多种影响因素之间的关系。依据离差信息准则和贝叶斯信息准则，统计结果表明，基于指数递减形式的时间权重矩阵模型的拟合效果在所有模型中表现最好，这表明，对于路网的空间相关性，时间比距离更能体现空间的邻近。此外，泊松对数正态空间模型优于泊松伽马空间模型和正态空间模型。　　(4)提出两种基于泊松分布的多变量条件自回归模型（泊松伽马MCAR模型和泊松对数正态MCAR模型），用于拟合变量相关性、过度散布性和空间相关性。通过对比拟合优度发现:无论基于距离权重矩阵还是时间权重矩阵，多变量空间模型的拟合效果明显优于单变量空间模型和非空间模型。运用多变量空间模型分析三种类型事故，包括未受伤事故、轻微事故和严重事故等，选取包括道路线形、交通特性、人口特征、土地利用和周边环境等五大类，共17个连续协变量和10个哑变量。参数估计结果表明，基于距离和时间权重矩阵的泊松伽马MCAR和泊松对数正态MCAR等四种模型的结果基本一致，但对于不同类型事故，参数估计却存在较大的差异。此外，不同类型交通事故之间的平均弹性和边际效应不同，总体上看，协变量对未受伤事故影响最大，而对严重事故影响最小。　　(5)将多变量空间模型和负二项Lindley模型结合，提出多变量条件自回归Lindley模型，拟合大量零值现象、变量相关性、过度散布性和空间相关性，选取公交出行情况、土地利用、路网密度、就业密度、距离学校百分比和路网车辆里程等六类共17个指标，研究宏观层面（人口普查区）行人严重事故和非严重事故与影响因素的关系。参数估计结果表明随着曝光变量人口密度的不断增加，行人事故率反而下降，行人严重事故和非严重事故之间存在明显的相关性。对于行人严重事故，协变量土地利用熵、商业住房百分比、高速公路密度、干线公路密度、市政街道密度、人行道密度、学校独户百分比以及干线公路车辆里程在统计上显著。对行人事故影响最大的是路网密度，特别是干线公路密度和市政公路密度。　　本文的研究可以为交通安全、交通事故分析提供理论基础，研究成果能为道路线形设计、安全改善措施、政策法规制定等提供重要依据，具有重要的学术价值和现实意义。