在我国飞速发展的经济带动下，机动车保有量一路飞增，由此导致我国的交通事故频发，根据国家统计局的统计数据，2016年机动车的交通事故发生192585起，导致58803人死亡。　　美国印地安大学对事故影响因素的研究结论中表明，92%的事故与人的因素有关；英国的一项调查中，表明95%的事故与驾驶员有关；我国的研究数据表明，驾驶员因素引起的事故数占比为总数的87.5%。因此在交通事故众多的影响因素中，驾驶员因素无疑是最为关键的因素。此外，出租车驾驶员作为一个广大的群体，在车流特性、驾驶目的与驾驶心理三方面相较于普通私家车驾驶员存在很大的差别，在许多交通分析中将其混同于普通私家车驾驶员进行分析，显然是有失偏颇的。　　基于上述背景，本文主要是以出租车驾驶员因素作为研究对象，开展对出租车交通事故的分析，进行事故分析与预测。本文2014~2015年在西安、西宁、长春及汕头四个城市进行出租车事故问卷调查，对采集的出租车驾驶员事故数据（其中收集1010条有效数据）进行探索性因子分析，构建交通事故的结构方程模型，探索出租车事故严重程度的主要影响因素及各因素对事故严重程度的影响大小。　　针对结构方程模型分析出的主要事故影响因素，运用训练集中的事故数据，分别利用统计学中的广义有序logit模型（gologit）与机器学习中热门的随机森林模型（randomforest），建立出租车事故严重程度预测模型，并利用拟合优度等方法进行模型的检验。然后使用出租车事故严重程度预测模型对测试集中的驾驶员数据进行预测，并对模型的预测结果进行评价，最后将两个模型进行对比分析，发现随机森林模型预测均衡性更佳、更适宜进行事故预测。通过事故严重程度预测模型，可对租车驾驶员进行驾驶的潜在风险评估。　　根据结构方程模型对出租车事故原因的探究分析，总结出租车事故的14个主要影响因素，并归类为个人属性因素、驾驶行为因素与工作状况因素三类，分别提出了出租车事故预防对策与建议。