危险驾驶行为严重危害着道路交通安全,目前的监测手段主要基于道路设备监控和交警抽查,这种方式实施性、实时性较差,普及率低,难以准确及时地识别危险驾驶。智能手机作为用户随身设备,普及率极高,且智能手机嵌入式传感器丰富,被广泛的研究应用于危险驾驶行为模式的识别。本文基于智能手机传感器识别危险驾驶行为,做了以下三方面的研究:第一,基于手机惯性传感器的多维数据与Ground truth信息融合。数据决定了算法的上限,手机惯性传感器本身的误差和对外部Ground truth信息的依赖,始终是识别算法精度难以提高的瓶颈。本文提出了一种不依赖其他设备的策略,仅基于手机惯性传感器进行多维数据融合,获取手机-车-惯性参考系之间的Ground truth信息,同时提高手机惯性传感器数据的精度和可靠性。第二,基于智能手机传感器的人车状态持续感知。基于用户手机传感器数据和Ground truth信息,我们设计了人-车状态感知算法。一方面,本文依据用户手机的不同运动模式,将手机时序状态进行分割和识别,以感知用户的危险驾驶状态。另一方面,基于智能手机对车辆状态进行感知,持续检测车辆的行驶模式、车速、方向等多维度信息等。第三,基于智能手机传感器的多任务危险驾驶行为识别。危险驾驶行为与驾驶员和车辆的状态密切相关,我们以人-车状态信息作为输入,设计了多任务识别算法,对分心驾驶(Distracted Driving),超速驾驶(Speeding),鲁莽驾驶(Reckless Driving)三类危险驾驶行为进行识别。本课题的危险驾驶行为识别方案基于用户的智能手机展开,使用低隐私级别的惯性传感器持续感知人-车状态,不依赖于车载设备,对用户使用手机的个体特征不敏感。并且本文对危险驾驶行为进行了划分定义,并对应设计了多任务识别算法,解决了相关研究中存在的难题,为危险驾驶行为识别提供了一种新颖的策略。