SMU研究小组建立的一个可预测模型可以计算出某些变量——比如酒后驾驶或超速20英里——导致严重车祸的几率。
例如，该统计模型预测，如果一名25岁的男子在下午2点在达拉斯干燥的道路上驾驶一辆2012年福特福克斯(Ford Focus)，那么他在一场涉及两辆车的事故中死亡的几率为2%。这是在没有酒精的情况下，他在限速70英里的高速公路上以80英里每小时的速度行驶。
然而，根据该模型的预测，如果同一辆车的司机在以同样的速度行驶时饮酒，那么撞车致死的几率将上升至10%。
该研究小组创建了一个交互式在线系统，任何人都可以使用它的预测模型。该系统可在http://gessmu.azurewebsites.net/第七节中找到。事故价格探测系统。
新大统计科学教授托尼·吴(Tony Ng)是该模型的创始人之一，他表示，该工具作为教育工具尤其有用，可以让不同的受众(比如年轻司机)了解特定驾驶条件和行为的真实影响。
他说:“这有望通过让司机更加意识到危险的驾驶习惯，积极地影响司机的行为，减少事故。”
使用SMU模型等数据分析技术来分析交通数据还可以潜在地识别事故热点及其背后的原因，帮助交通官员提高道路安全。例如，这些数据可以用于调整给定高速公路上的限速，或在已知司机超速的地方提示安装摄像头，Ng说。
SMU(南卫理公会大学)使用了美国运输部的一般估计系统数据，这是国家公路运输安全管理局从1988年到2013年收集的所有州警察报告的所有类型的机动车事故的代表性样本。Ng和他以前在新南卫理大学统计科学系的一组学生还使用了美国运输部的汽车安全评级和各州具体事故死亡成本的情况说明书来建立这个模型。
他们在《计算统计学》杂志上发表了一项关于预测模型的研究。本文基于2016年GSS数据挑战赛的一项内容，该挑战赛由美国统计协会(American Statistical Association)的三个部门组织:统计计算、统计图形和政府统计。
共同作者是Gunes Alkan, Robert Farrow, Haichen Liu, Clayton Moore, Yihan Xu, Ziyuan Xu, Yuzhi Yan和Yifan Zhong。这些学生是收集数据、准备用于分析的数据、起草可用的数学模型和创建交互式在线系统的主要贡献者。新南卫理大学统计科学教授琳恩·斯托克斯也参与了这项研究。
他们创建的模型使用了11个不同的变量来预测司机可能受到的最大伤害。他们既考虑了驾驶员的年龄和性别等人为因素，也考虑了道路状况、限速和事故发生的州等因素。
研究人员利用这些变量来分析车祸造成伤害的可能性，从轻伤到死亡。他们还研究了一辆或多辆车辆发生事故造成的财产损失，以及医疗费用。
Ng提醒说，他们创建的模型仅仅和数据一样好。与创建的任何统计模型一样，研究结果中可能存在误差，因为他们使用的主要数据来源承认存在测量误差。
尽管如此，Ng强调说，“该模型可以被认为是一个有用的教育工具，让公众意识到风险，并避免那些不良驾驶行为，如超速和酒后驾驶。”
