مدل سازی تصادفات برای برآورد تعداد تصادفات مورد انتظار، جهت کاهش هزینه های پروژه های اصلاحی ایمنی راه، استفاده می شود. اخیراً استفاده از روش قبل و بعد برای گسترش مدل سازی تصادفات ترافیکی رایج شده است. این روش متحمّل مشکل رگرسیون به میانگین(rtm) است. روش بیزین-تجربی، توانایی رفع مشکل رگرسیون به میانگین را دارد. برای استفاده از این روش، نیازمند مدل سازی جهت برآورد تصادفات در گروه مبنا می باشد. هدف از این تحقیق، گسترش مدل های تصادفات ترافیکی برای مسیر اصلی دوبانده در ایران می باشد. داده ی تصادفات سال های 2006 تا 2007 با داده های ترافیکی جهت مدل سازی استفاده شده است. چهار مدل رگرسیونی به نام های پواسون(prm)، دو جمله ای منفی(nbrm)، صفر زیادی پواسون (zip) و دوجمله ای منفی صفر زیادی (zinb)، برای هرکیلومتر از بخش مشخص برازش و برای هر ماه از سال به طور مجزّا ثبت شده است. بهترین مدلی که برای هر مسیر انتخاب شده است، بر اساس ترکیب آزمون نسبت درست نمایی، آماره ویانگ و آزمون آکاییک می باشد. مدل zip فقط برای یک ماه، مدل nbrm، برای 8 ماه و مدل zinb برای بقیه ی ماه ها، متناسب شناخته شده است. نتایج کلی نشان می دهد توزیع دو جمله ای منفی بهترین نتیجه را برای اکثر ماه ها می دهد. هنگامی که تعداد داده ها به صورت صفر زیادی یا بیش پراکنده ظاهر می شوند. همچنین، مدل zinb عموماً نسبت به مدل zip، مدل مناسب تری برای داده ها می باشد. اعتبارسنجی مدل نشان می دهد، همه ی داده ها بین محدوده ی پیش بینی 95% مدل گسترش یافته قرار می-گیرد. انتظار می رود حجم ترافیک، فقط یکی از فاکتور های موثر در کل تصادفات اتفاق افتاده باشد. اگرچه، با اصلاحات ترافیکی و افزایش کیفیت داده های تصادفات، توانایی مدل های پیش بینی تصادفات افزایش خواهد یافت. کلمات کلیدی: ( prm)، (nbrm)، صفر زیادی پواسون(zip)، و (zinb).