随着社会经济的不断发展,我国机动车保有量持续不断增加,伴随而来的是日益严峻的道路交通安全问题。大量数据显示,道路交通事故正成为人类伤亡的重要原因之一,而驾驶员作为车辆的直接操作者,其日常驾驶行为是影响道路交通安全的最主要因素。研究其驾驶行为对于预防道路交通事故,促进智慧交通以及UBI(Usage-Behavior Insurance)基于使用量而制定保费的车联网保险具有重要意义。本文运用数据挖掘技术,对车联网行车数据进行挖掘分析,在识别异常驾驶行为后进行驾驶倾向性聚类判断和构建驾驶行为评分模型,并可视化展示行驶轨迹、日驾驶情况、周驾驶情况、月驾驶情况。本文的主要研究工作如下:(1)数据来源以及数据预处理。说明本文中所用OBD(On Board Diagnostics)车载诊断检测系统的具体数据格式及含义,并详细介绍了坐标转换、距离计算、逆地址解析等预处理方式。(2)通过对驾驶行为评价指标的研究,将驾驶安全影响因子分为行驶车速、出行情况、疲劳驾驶、四急行为四个维度。并设计算法识别超速、疲劳驾驶、急加速、急减速、急刹车、急转弯等异常驾驶行为指标。(3)运用K-means++算法对驾驶行为数据进行聚类,将驾驶行为分为稳健型、一般型、激进型。并结合熵值法(Entropy Method)和AHP(Analytic Hierarchy Process)层次分析法,构建驾驶行为评分模型。(4)设计驾驶行为分析系统,并通过Jeeplus、Html、Css、Ajax、MYSQL、Echarts等前后端开发技术,以日、周、月为时间节点,展示车辆的行驶轨迹、行驶时长、行驶里程、四急行为、日综合评分、疲劳驾驶次数。