事故甲
68歲駕駛、72歲行人
65歲以上紀錄：2列
交通事故年齡統計怎麼看？高齡當事者不等於高齡駕駛肇事率
看到「高齡者涉及多少事故」，先問數字算的是誰。行人、乘客也可能是高齡當事者；一件事故能有多位當事者，涉及事故又不等於負責肇事。要談風險，還需要出行、里程或其他相符的分母。
三列紀錄、兩件事故、一位駕駛，可以同時成立
以下是純假設，不是實際個案。為了展示算法，例子暫以65歲切分；這不是現行駕照管理門檻的說明，也不是本站對所有高齡統計的統一定義。
事故乙
30歲駕駛、68歲乘客
65歲以上紀錄：1列
事故丙
35歲駕駛、60歲行人
65歲以上紀錄：0列
- 65歲以上當事者紀錄
- 3列
- 含65歲以上紀錄的事故
- 2件
- 例中65歲以上駕駛
- 1位
事故甲有兩位年長當事者，仍只是一件事故；事故乙的年長者是乘客。把三列直接叫作三件「高齡駕駛肇事」，在角色與單位上都換了概念。即使例中有一位年長駕駛，也沒有給定事故責任。
實際資料的「當事者區分」包含車種類別與行人、乘客等。不能只看年齡就知道誰在駕駛，也不能只憑第1順位就自行作法律責任判斷。行人與乘客的事故交叉統計另有實際範例。
同樣六列紀錄，50%與約33.3%為什麼都能對？
如果圖表寫「65歲以上占一半」，先確認一半是從哪一群紀錄算出來。沿用上方甲、乙、丙三個純假設事故，把六列依年齡與角色排在一起；沒有新增真實事故或台灣年齡分布。
| 本例年齡 | 駕駛 | 非駕駛 | 合計 |
|---|---|---|---|
| 65歲以上 | 1 | 2 | 3 |
| 未滿65歲 | 2 | 1 | 3 |
| 合計 | 3 | 3 | 6 |
四格對照原例：65歲以上的駕駛1列是甲的68歲駕駛；同年齡組的非駕駛2列是72歲行人與乙的68歲乘客。未滿65歲的駕駛2列是乙的30歲駕駛、丙的35歲駕駛，非駕駛1列是丙的60歲行人。本例「非駕駛」只指這兩位行人與一位乘客。
分母選全部六列
先保留駕駛、行人與乘客，再數65歲以上的紀錄。
3 ÷ 6 ＝ 50%
可以說：在這六列事故當事者紀錄中，65歲以上占50%。
分母先篩成三列駕駛
分子也要一起限於駕駛，不能繼續使用上排全部三列。
1 ÷ 3 ≈ 33.3%
可以說：在這三列駕駛紀錄中，65歲以上占約33.3%。
兩個百分比算的是不同範圍。若只把分母改成3列駕駛，卻仍拿全部3列年長當事者當分子，算出的3÷3＝100%就混入了行人與乘客，不能稱為駕駛年齡構成。這裡的50%與約33.3%也不能相減當作風險差。
兩個正確比例都只描述已在這組事故紀錄裡的年齡構成；不是「所有65歲以上駕駛有33.3%發生事故」。本例沒有事故以外的駕駛、出行或里程資料，也沒有肇責。要談每次出行的風險，接著看件數與出行分母的原例。
實際資料還要先核角色與年齡欄品質。角色未明、非人分類或「其餘紀錄」，不能因為不是已標示的行人／乘客就全部算成駕駛；本例沒有替原始資料補身分或排除異常值。65歲只是沿原例的示範切點，不是駕照管理資格。
本補充整理：2026-11-04；矩陣與兩個占比為本站沿原虛構例的計算。原2025年實際品質表、原件查核日與資料限制仍依下文。
先檢查年齡欄：不是每一列都能當作人的年齡
本站重新讀取保存的2025年A1、A2原件，共13份CSV、910,283列；排除26列僅填年度、其餘空白的列，留下910,257列。沿用本站事故合併方法，對應403,313件事故。這些列不是不重複人數，也不等於受傷或死亡人數。
調查表的「屬（性）別」欄不只有男與女，還有「無或物（動物、堆置物）」「肇事逃逸尚未查獲」「無人駕駛自動車」。把這些欄一起看，才能發現只篩年齡數字的問題。
| 年齡欄數值範圍 | 男 | 女 | 無或物(動物、堆置物) | 肇事逃逸尚未查獲 | 無人駕駛自動車 | 合計（列） |
|---|---|---|---|---|---|---|
| 負值（本批均為-1） | 1,204 | 890 | 30,756 | 1,474 | 16 | 34,340 |
| 0 | 457 | 375 | 14,599 | 1,646 | 0 | 17,077 |
| 1至99 | 510,826 | 342,425 | 387 | 7 | 0 | 853,645 |
| 100以上 | 149 | 70 | 4,786 | 190 | 0 | 5,195 |
| 合計 | 512,636 | 343,760 | 50,528 | 3,317 | 16 | 910,257 |
負值共有34,340列，不能直接當作實際歲數；100以上共有5,195列，其中4,786列在「無或物」分類，並不能稱為百歲以上用路人。即使值在1至99之間，仍有非男／女的分類紀錄，因此數值落在一般範圍，也不是身分已核實的證明。
另一方面，不能把所有0值自動刪成不詳，也不能把100以上全數判成錯誤：前者不能一律排除未滿一歲的可能，後者也不能一律排除真實高齡者。本頁沒有修補或推算年齡，不把負值自行命名成官方不詳代碼。完整欄位代碼與異常成因尚待釐清，因此暫不從這批原件發布「65歲以上駕駛總人數」或年齡肇事排名。
沒有把未能判讀的列改填成0歲，也沒有把它們放進某個年齡層。表列的是原始數值品質，而非經清理後的人口年齡分布。
事故件數較多，為什麼不代表每次出行較危險？
再看一個純假設：甲組100次出行出現2件事故；乙組1,000次出行出現5件。假設每件只對應本組一次出行，且出行與事故都完整記錄，甲組每百次為2件，乙組為0.5件。乙組件數較多，換算後卻較少。這不是任何台灣年齡層的實測結果。
實際比較還要說清楚分母是出行次數、里程、持照人數或人口。它們回答不同問題：持照不代表有開車，人口包含不開車的人；沒有出行與里程，本站的事故明細不能單獨算出各年齡每次開車的風險。縣市每十萬人口件數也不能直接當成個人的駕駛風險。
看到一張高齡事故圖，先核對這五件事
- 年齡門檻：65、70或75歲？是否與原表同一範圍？不把不同門檻直接接成趨勢。
- 當事者角色：全部當事者、駕駛、行人還是乘客？受傷的人與駕駛可能不是同一位。
- 統計單位：列、事故件、人、車、死傷人數？同一人能在不同事故出現，列數不是不重複人數。
- 分母與期間：是全年件數、占全部事故的比率，還是按出行換算？只有分子不足以判斷個人風險。
- 來源與資料品質：是否保留不詳、非人分類與異常值？A1、A2與30日死亡也不是同一口徑；參考A1事故與死亡統計說明。
如果報表只說「高齡者涉及」，可以描述它所列的涉及範圍；要改成「高齡駕駛造成」或「比較危險」，就需要額外的角色、責任與曝險證據。
來源、重算方法與本頁界線
原件查核：2026-10-28。資料期間：2025全年。13份CSV逐檔大小與SHA-256和既有稽核一致；年齡交叉表以原欄逐列重算，本輪只輸出彙總表，不另輸出個別年齡、地址、案件鍵及其他個人紀錄。事故鍵沿用日期、時間、地點、A1／A2與警局的合成方式，並非官方唯一案件ID，同時同地的不同事故仍可能無法拆開。
- 警政署114年傷亡道路交通事故資料：核對開放欄位包含當事者順位、車種類別、屬（性）別及事故發生時年齡；政府資料開放授權條款第1版。
- 道路交通事故調查報告表（112年7月1日起）：實際檢視PDF第3頁，核對屬（性）別、當事者類別、出生年月日與行動狀態分欄。表單有出生日期欄，開放資料提供年齡欄；本頁未取得或反推任何人的出生日期。
- 本站統計方法：傷亡口徑、事故合併、人口分母與資料缺漏。
本頁回答的是「怎麼讀統計」，沒有評估任何個人的駕駛能力、事故責任或駕照資格，也不據此主張某個年齡族群較危險。年齡資料的進一步清理需要官方欄位解釋；其他本站已發布事故件數不因本頁而被重新計算。