本研究旨在應用潛在群體存活模型探討高速公路事故處理時間的估算及改善策略，以2018至2021年國道高速公路交通事故處理時間資料做為研究基礎。第一部份建立參數化模型分析影響變數及詮釋結果。結果顯示廣義對數伽馬模型(P-GLG)有較佳績效，第一部份研究結果指出交通事故倘若為嚴重性、涉及大型車輛 、佔用車道數量、事故車道位置、肇事型態為自撞、事故車輛冒煙起火、事故車輛翻覆、駕駛視距不良、環境條件不佳、事故處理班距離較遠等，都將有較長的事故處理時間。第二部份進行事故時間分群存活模型建構，將數據分群建立群體觀察態樣，並解釋各群體的特徵，研究結果將樣本分為三種群體：
(一) 短初期短持續時間群體；此群體事故處理時間中位數約在 14.15分鐘，事故處理時間超過50分鐘的機率非常低，此類型受到事故處理班與事故發生點距離密切影響。
(二) 長初期中持續時間群體；此群體事故需要較長時間到場處理，事故處理時間中位數約30.15分鐘，事故處理時間超過60分鐘的機率非常低，發生於特殊路段如高架道路等，造成起始時間較久，但多數事故等待事故處理班到達現場後即可以快速處理完畢。
(三) 短初期長持續時間群體；此群體事故中位數約在16.40分鐘，但有約8.84%機率事故處理時間超過50分鐘甚至超過100分鐘，此類型事故多涉及大型重車，需出動大型拖吊器具處理或著對事故車輛路面散落物進行清理排除。
本研究期望透過歸納分析影響國道事故處理時間因素，建議預判事故型態且提供改善計畫，期以達成事故處理時間之效率提升。

The study applies latent class survival models to explore the estimation and improvement strategies for highway accident handling time, using data from highway traffic accidents on national expressways from 2018 to 2021 as the research foundation. The first part establishes a parameterized model to analyze influencing variables and interpret results, The results demonstrate that the generalized logarithmic gamma model (P-GLG) performs better. The second part constructs accident time latent class survival models to observe patterns in the data and explain the characteristics of each cluster, the research samples into three groups：short-term short-duration group, median handling time approximately 14.15 minutes with low probability of handling time exceeding 50 minutes；long-term medium-duration group, median handling time around 30.15 minutes, with low probability of exceeding 60 minutes；short-term long-duration group, median handling time about 16.40 minutes, with approximately 8.84% probability of exceeding 50 minutes or even 100 minutes. Through analysis of factors influencing highway accident handling time, this study provides recommendations to anticipate accident patterns and proposes improvement plans, aiming to enhance accident handling time efficiency.

Chung Y-S, Chiou Y-C, Lin C-H (2015) Simultaneous equation modeling of freeway accident duration and lanes blocked, Analytic methods in accident research 7:16-28.
Chung Y (2010) Development of an accident duration prediction model on the Korean Freeway Systems, Accid Anal Prev 42 (1):282-289.
Chung Y, Yoon B-J (2012) Analytical method to estimate accident duration using archived speed profile and its statistical analysis, KSCE Journal of Civil Engineering 16 (6):1064-1070.
D’Souza EW, MacGregor AJ, Dougherty AL, Olson AS, Champion HR, Galarneau MR (2022) Combat injury profiles among US military personnel who survived serious wounds in Iraq and Afghanistan: A latent class analysis. PLoS one 17 (4):e0266588.
Hong HC, Kim YM, Min A (2020) Symptom clusters in childhood cancer survivors in Korea: A latent class analysis. European Journal of Cancer Care 29 (6):e13322.
Hong J, Tamakloe R, Park D, Choi Y (2019) Estimating Incident Duration Considering the Unobserved Heterogeneity of Risk Factors for Trucks Transporting HAZMAT on Expressways, Transportation Research Record: Journal of the Transportation Research Board 2673 (2):232-242.
Islam N (2021) Freeway Incident Management: Analyzing the Effectiveness of Freeway Service Patrols on Incident Clearance Times, The University of Alabama.
Islam N, Adanu EK, Hainen AM, Burdette S, Smith R, Jones S (2021) A comparative analysis of freeway crash incident clearance time using random parameter and latent class hazard-based duration model, Accid Anal Prev 160:106303.
Knibbe WJJ, Alkim TP, Otten JF, Aidoo MY Automated estimation of incident duration on Dutch highways, In: 2006 IEEE Intelligent Transportation Systems Conference, 2006, IEEE, pp 870-874.
Lee B, Timmermans HJ (2007a) A latent class accelerated hazard model of activity episode durations, Transportation Research Part B: Methodological 41 (4):426-447.
Lee B, Timmermans HJP (2007b) A latent class accelerated hazard model of activity episode durations, Transportation Research Part B: Methodological 41 (4):426-447.
Li L, Sheng X, Du B, Wang Y, Ran B (2020) A deep fusion model based on restricted Boltzmann machines for traffic accident duration prediction, Engineering Applications of Artificial Intelligence 93.
Li R, Guo M (2014) Competing risks analysis on traffic accident duration time, Journal of Advanced Transportation 49 (3):402-415.
Nam D, Mannering F (2000) An exploratory hazard-based analysis of highway incident duration, Transportation Research Part A: Policy and Practice 34 (2):85-102.
Qi Y, Teng H, Martinelli DR (2010) An investigation of incident frequency, duration and lanes blockage for determining traffic delay, Journal of Advanced Transportation 43 (3):275-299.
Tajtehranifard H, Bhaskar A, Haque MM, Chung E (2016) Motorway crash duration and its determinants: do durations vary across motorways? Journal of Advanced Transportation 50 (5):717-735.
Tavassoli Hojati A, Ferreira L, Washington S, Charles P (2013) Hazard based models for freeway traffic incident duration, Accid Anal Prev 52:171-181.
Tavassoli Hojati A, Ferreira L, Washington S, Charles P, Shobeirinejad A (2014) Modelling total duration of traffic incidents including incident detection and recovery time, Accid Anal Prev 71:296-305.
Yu B, Wang YT, Yao JB, Wang JY (2016) A Comparison of the Performance of Ann and Svm for the Prediction of Traffic Accident Duration, Neural Network World 26 (3):271-287.
交通部高速公路局網站，(2024)，https://www.freeway.gov.tw。
交通部高速公路局，(2022)，110國道事故檢討分析報告。
交通部高速公路局，(2021)，109國道事故檢討分析報告。
交通部高速公路局，(2020)，108國道事故檢討分析報告。
交通部高速公路局，(2019)，107國道事故檢討分析報告。
交通部高速公路局，(2018)，106國道事故檢討分析報告。
交通部高速公路局，(2017)，105國道事故檢討分析報告。
交通部高速公路局，(2016)，104國道事故檢討分析報告。
交通部高速公路局，(2015)，103國道事故檢討分析報告。
交通部高速公路局，(2014)，102國道事故檢討分析報告。
交通部高速公路局，(2013)，101國道事故檢討分析報告。
林建甫，(2008) ，存活分析，雙葉書廊。
黃志偉，(2002)，高速公路肇事處理時間預測之研究-應用類神經網路分析，國立中央大學，桃園縣。
鍾佩儒，(2011)，最佳空間分段下之高速公路事故頻次模式，國立交通大學，新竹市。
高筑韻，(2011)，以潛在群體方法模化高速公路電子自動收費系統之選擇行為，國立交通大學，新竹市。
陳佩君，(2013)，自行車騎士自行車道選擇行為偏好異質性之研究，國立成功大學，台南市。
吳承紘，(2014)，高速公路事故排除時間影響因子之研究，國立交通大學，新竹市。
邱裕鈞、周榮昌、鍾易詩、謝志偉、陳孜穎、劉佳欣、白舜豪、林佳樺、 張開國、葉祖宏、陳凱斌、田養民、賴靜慧，(2014)，道路交通事故之能源消耗及碳排放量推估研究，交通部運輸研究所。
周榮昌、邱裕鈞、郭仲偉、王明智、陳孜穎、謝志偉、張開國、葉祖宏、陳凱斌，(2019)，道路交通事故成本推估之研究，交通部運輸研究所。
鍾易詩、邱裕鈞、謝志偉、張開國、葉祖宏、田養民、陳凱斌，(2014)，國道高速公路交通事故持續時間分析與推估：脆弱性存活模型之應用，運輸學刊 26 (4):555-577。
劉志偉、劉建榮、鄧衛，(2021a)，考慮潛在群體的市內機動化出行行為模型，西南交通大學學報56 (1):131-137。
劉志偉、劉建榮、鄧衛，(2021b)，基於潛在群體的無人駕駛汽車選擇行為，吉林大學學報 (工學版) 51 (4):1261-1268。
卓明君、賈毓虎、 徐福聲、傅強，(2023)，應用存活模式探討高速公路交通事故處理時間變異性及偏態性，運輸學刊 25 (1):1-28。