步行是最基础的出行方式,在几乎所有的出行过程中必不可少,步行安全与每位交通参与者息息相关。然而行人交通安全情况在许多国家和地区仍不容乐观。据世界卫生组织统计,道路交通事故死亡人数中行人约占23%。事故数据中蕴含着一定的规律,运用统计学方法和模型对交叉口人车事故数据进行分析,探究各因素与事故发生及伤害程度的内在联系,可以为实际的交通安全工作提供参考,对减少交叉口人车事故的发生、减轻事故伤害具有重要意义。本论文以探究交叉口人车事故分布规律、分析行人与驾驶人违规行为导致的事故风险以及研究行人伤害程度影响因素为重点,基于历史交通事故数据库中的交叉口人车事故数据,从行人、驾驶人、车辆、道路与环境各要素出发,运用统计学相关方法与模型进行分析。首先,在数据提取与预处理的基础上,对各因素下的事故发生起数、各伤害程度行人人数占比两个指标的分布规律进行了描述性统计分析,掌握了事故的基本分布特征。其次,开展了基于Quasi-Induced Exposure（相对危险暴露量）方法的交叉口人车事故风险分析,计算各因素分组下行人、驾驶人违规行为导致事故的风险,并运用二元Logistic回归模型识别违规行为的显著影响因素。同时,考虑到交叉口不同控制方式可能对人员行为有较大影响,分别分析了无控制、信号控制、停车/减速让行标志控制三类交叉口。部分主要结论如下:男性行人、小于18岁行人、行人饮酒或服用药物、未标记人行横道等因素,在各类型交叉口均会显著增大行人违规行为事故风险;夜间会使无控制交叉口行人违规行为事故风险显著提升;在各类交叉口,左转和右转车辆驾驶人的违规行为事故风险均高于直行车辆驾驶人;超速行驶、雨雪等不良天气、出口道一侧等情况,会显著增大信号控制交叉口驾驶人违规行为事故风险。最后,进行了基于潜在类聚类分析的行人伤害程度影响因素研究,考虑到不同因素下的组间数据异质性以及组内未观测的异质性,综合应用潜在类聚类分析方法与随机参数有序Probit模型进行分析,对比了模型效果,并讨论了显著因素与各潜在类别事故中行人伤害程度的影响关系。结果显示,基于潜在类别的随机参数有序Probit模型可以很好地捕捉数据异质性,对变量的解释能力也更强,但是也会增加模型的复杂度。影响因素方面,城市区域、行人年龄41～65岁与大于65岁、行人饮酒或服用药物、出口道一侧、行人违反交通规则等因素对各类别事故伤害程度均有显著影响,表明这些因素与行人伤害程度的相关度很高;而6am-10am、黎明/黄昏、男性行人、驾驶人年龄41～60岁与大于60岁等因素仅在潜在类别中被识别为显著因素,表明这些因素对特定类别的事故有影响,而若仅对总体数据进行分析就可能无法识别出这些重要影响。图66幅,表17个,参考文献104篇。