隧道交通事故预测一直是隧道交通安全领域的一项重要研究内容。与普通公路隧道相比,越江隧道是城市道路交通网络的关键节点,两端连接城市道路,交通流及平纵线形更复杂,交通安全问题也更为突出。因此,准确地预测城市越江隧道交通事故,挖掘事故发生的内在原因,进而采取有效措施来预防潜在交通事故的发生,对提高越江隧道交通安全水平至关重要。首先,收集了我国两条城市越江隧道的交通事故及其影响因素数据;采用分区法和同质法将隧道划分为64个基本路段单元;考虑不同时间粒度的集计数据对事故预测的影响,按自然天、周、月间隔分别整合出了40898、5802和1346个事故数据样本;分析了事故次数在时间和隧道空间上的分布特征,并检验了各影响因素的多重共线性和相关性。然后,提出了基于重要性和相关性的变量筛选原则,最终选择13个变量作为模型的解释变量;分别构建了随机森林、多层感知机、岭回归和极端梯度增强四种机器学习模型,标定了泊松和负二项两种固定参数模型,从拟合优度和预测准确度方面对比分析了非参数模型和参数模型的适用性和优劣势。结果显示,非参数模型中,极端梯度增强和随机森林的预测准确度相对较高;参数模型中,负二项表现好于泊松;按月集计的事故数据预测效果好于按周集计的事故数据好于按天集计事故数据。接着,考虑事故数据异质性对模型标定结果的影响,假设参数是随着样本不断变化的随机参数,将固定参数负二项模型改进为随机参数负二项模型;采用似然比检验评价了固定参数负二项模型和随机参数负二项模型的拟合优度。结果显示,随机参数模型能更好的刻画数据异质性,预测效果更好。最后,基于随机参数负二项模型标定结果,给出了事故影响因素的量化方法:弹性系数法和随机效应系数法。分别计算了三个不同时间粒度下,各显著因素对事故的影响程度大小。结果表明,平均日交通量、路段长度、事故位置（至隧道入口距离）、纵坡和年份5个因素对事故的影响最大,解析了各因素对交通安全的作用机理。本文研究成果丰富了城市越江隧道交通事故预测的方法体系,也为相关安全管理部门制定有针对性的安全改善措施提供可靠的决策依据。