在道路交通事故中,虽然翻车事故占比相对较低,但却保持着较高的致死率。因此,国内外不少学者针对翻车事故开展了相关研究并取得了丰硕的成果,但是在翻车事故伤害程度方面的研究仍然存在一些值得挖掘的空间。由于已有事故数据大都无法全面观测或记录与翻车事故相关的所有信息,如驾驶员身高、体重等信息,这些不可观测或记录的翻车事故信息的存在,可能会导致在事故影响因素分析中同一个安全因素对翻车事故伤害程度的影响却不同,产生差异性效应,这种差异性效应一般又被称为异质性效应。但已有相关研究较少考虑安全因素对翻车事故伤害程度影响的异质性效应,忽略事故数据中可能存在的异质性,可能会导致模型系数的估计偏差。此外,目前针对翻车事故伤害程度的研究大多采用单一的模型进行事故分析,研究结果的可靠性略显不足。通过对不同领域的异质性进行梳理,本文首先明确了翻车事故数据异质性的概念,初步分析了翻车事故伤害程度影响因素的异质性来源。在借鉴、吸收国内外成果的基础上,总结了不考虑异质性效应的多项式logit模型、考虑异质性效应的混合logit和考虑异质性效应的潜类别logit模型进行事故分析的建模、求解和检验理论,构建了完整的分析流程。然后,基于美国德克萨斯州2016年的翻车事故数据,从人、车、路以及环境四个方面初步选取20个安全因素作为自变量,以翻车事故伤害程度为因变量,分别建立考虑异质性效应的混合logit模型、考虑异质性效应的潜类别logit模型以及不考虑异质性效应的多项式logit模型,并对比这三个模型的拟合优度以及预测精度。其次,对比了混合logit模型与潜类别logit模型的异质性结果和预测概率结果。最后,通过计算潜类别logit模型中各自变量的平均边际效应,定量分析人、车、路以及环境因素对翻车事故伤害程度的影响,并根据分析结果提出具有针对性的翻车事故预防对策。以上三个模型的对比结果显示:考虑了异质性效应的翻车事故伤害程度模型要优于不考虑的异质性效应的翻车事故伤害程度模型;在对异质性效应的捕捉能力、拟合优度以及预测精度方面,潜类别logit模型优于混合logit模型。混合logit模型与潜类别logit模型的参数标定结果很好地体现出各安全因素对翻车事故伤害程度影响的差异与共性:驾驶员性别、年龄等16个因素在两个模型中均显著影响翻车事故伤害程度,车辆行驶意图与道路线形2个因素仅在混合logit模型中显著;潜类别logit模型的结果表明车辆类型、限速值、使用安全带以及驾驶员年龄对翻车事故伤害程度的影响具有异质性效应,而混合logit模型的结果表明驾驶员年龄、性别是翻车事故伤害程度的异质性影响因素。本文的研究结果不仅有助于深入了解翻车事故伤害程度影响机理,可为降低翻车事故伤害程度提供指导,为后续的交通事故伤害程度研究提供参考。