全球范围内机动车及驾驶员数量持续增长,给人们生产生活带来便捷的同时,也带来了越来越多的交通事故。驾驶员因素对交通事故的发生有着关键的影响。驾驶员的事故间隔时间是驾驶员连续两次事故的时间差,驾驶员较短的事故间隔时间代表其具有较高的事故风险,因此可通过对驾驶员事故间隔时间分布特征的分析,实现对危险驾驶员的识别与管理。驾驶员事故间隔时间受到驾驶员、车辆、道路特征、天气状况等多方面因素的影响。本文以G省省会驾驶员事故记录和违章记录为基础,基于数据清洗、数据融合等方法对驾驶员数据进行了处理,得到了驾驶员事故间隔时间的样本数据。运用生存分析理论对驾驶员事故间隔时间进行建模,分析驾驶员事故间隔时间的分布规律和关键影响因素。研究结果可以为危险驾驶员事故预警和驾驶员安全管理提供参考。论文的主要工作如下:(1)驾驶员事故间隔时间的整体分布规律。基于驾驶员事故和违章历史数据,运用数据清洗的方法得到了驾驶员事故间隔时间数据,运用生存分析非参数方法,估计了驾驶员事故间隔时间的整体分布。基于比较多个生存时间的非参数方法,比较了个人属性、车辆属性和违章属性的不同情形下驾驶员事故间隔时间的分布,结果表明不同事故序数和不同车辆归属地的驾驶员事故间隔时间具有显著差异。(2)基于参数模型的驾驶员事故间隔时间分析。以驾驶员事故间隔时间数据为基础,运用生存分析的参数模型和加速失效时间模型方法,考虑Exponential、Weibull、Lognormal、广义Gamma等6种常用分布形式,探讨了考虑和不考虑协变量两种情况下最优的参数模型分布形式,并对各个参数模型进行了拟合优度检验。结果表明广义Gamma参数模型的拟合效果最好,车辆归属地、上一年违章次数、上一年是否存在特定违章、首次事故的性质严重与否和事故序数是影响事故间隔时间的主要因素。(3)驾驶员事故间隔时间的重复事件模型及其影响因素分析。介绍了多元时间数据中异质性的处理方法,构建了驾驶员事故间隔时间的PWP模型和AG模型,并对比了两个重复事件模型的拟合效果。结果表明PWP模型效果更好。车辆归属地、上一年是否有特定违章、首次事故性质和上一年违章次数是影响事故间隔时间的关键因子。