为探究路网交通安全管理(NSM)中的事故风险预测方法,以国内高速公路的大区段路段为研究对象,首先分别采用系统聚类、k-means动态聚类和二阶聚类方法对路段进行聚类,确定最优聚类方法和聚类数量,然后对"同质性路段"分别建立负二项回归、贝叶斯负二项回归、随机或固定效应的负二项回归和多层混合效应负二项回归4种模型,通过精度评价指标选择出最优的事故预测模型,最后计算出相应路段的事故风险大小并识别出事故多发路段。结果表明:选择最优的聚类方法和聚类数量相较于未聚类的情况将有效提高事故预测的拟合精度,其均方方差下降了64%。当选择二阶聚类方法且聚类数量为3时,"同质性路段"负二项回归的事故模型拟合精度最高,其模型的赤池信息量AIC为464.79,贝叶斯信息量BIC为476.98,均方方差为99.22。在4种事故预测模型中,负二项回归具有良好的预测精度,其预测结果的均方方差最小,为108.64。采用统计学方法识别"同质性路段"的事故多发路段,共识别出辽宁省22条事故多发路段。