把未來時間段(0，t)內發生事故的次數N(t)看作非齊次泊松過程，據歷史事故統計資料確定出均值E［N(t)］=m(t)，m(t)是時間的普通函數，這樣，在未來時間段(0，t)內發生k次事故的概率以及在未來時間段(t,t+s)內發生事故次數在［k?1 , k?2］之間的概率便可以用非齊次泊松過程模型計算出來。k、k?1 、k?2 分別取不同的值，便可以得到不同的概率，概率高的k、［k?1 ，k?2］便是未來時間段(0，t)、(t,t+s)內發生事故次數N(t)的結果。當均值函數E［N(t)］=λt是t的線性函數（λ是常數）時，就成為齊次泊松過程。該模型的關鍵是求m(t)或λ，對于一些非平穩的隨機過程，求m(t)或λ并非易事，有時還要對其進行回歸，與其這樣，還不如直接利用樣本數據在其他預測模型上下功夫。