当今时代,中国在经济、科技、生活水平等方面取得了质的飞跃,人们对于出行方式有了更高的追求,公交车凭借其快速、安全、舒适的优点成了大众最爱。虽然公交车的广泛应用提高了人民群众的生活品质,但是它导致的交通拥堵和安全问题也不容小觑。从安全角度出发,分析驾驶员驾驶行为,正确评估驾驶员和挖掘其他潜在因素,对于规范驾驶员驾驶行为,减少交通事故有重大意义。目前是通过聚类算法进行驾驶行为评价的,由于当前聚类算法在驾驶行为分析研究中存在对初始中心敏感的问题,使得聚类结果准确率低,进而导致驾驶行为评价不够科学、合理。本文在研究了因子分析、K-means算法和关联规则等技术之上,进行了基于DC的K-means算法的驾驶行为分析研究。具体研究工作如下:（1）分析速度、加速度对驾驶员驾驶操作的影响,提取7个与速度有关的驾驶行为特征参数。基于因子分析将它们转化为2个高度蕴含原驾驶行为信息的主因子,得到40名驾驶员的主因子得分表。（2）基于DC（Density-Canopy）的K-means算法。为解决K-means算法最佳初始中心的选取问题,本文提出了DC算法,该算法通过计算数据集中样本密度、簇中样本之间平均差异度的倒数以及簇之间差异度三者的乘积作为其中心指标,初始中心由中心指标确定。然后将DC算法获取到的初始中心作为默认参数输入K-means算法中,用以提高K-means算法聚类的准确率和稳定性。（3）以驾驶行为主因子为变量,利用改进的K-means算法实现驾驶行为的合理聚类。根据聚类结果对驾驶行为进行分类评价,并挖掘出变道这一重要因素。通过对驾驶员驾驶行为的分析,为相关交通管理部门提出建设性意见。本文将基于DC改进的K-means算法、传统K-means算法、文献[22]提出的算法分别从外部指标、内部指标和抗干扰性方面进行了比较。实验结果表明,对驾驶行为聚类分析的研究上本文改进的算法的准确率更高、抗干扰能力更强。