随着经济的发展,汽车已成为人们日常出行最重要的交通工具之一。强化交通安全管理,防止事故的发生逐渐成为近年来道路安全问题研究的重点。驾驶员作为车辆的操作者,其行为是影响交通安全最主要的因素。因此,研究驾驶行为对预防交通事故、促进智能交通与驾驶辅助系统的发展具有重要意义。本文通过OBD车载终端获取车辆行驶实际数据,采用卡尔曼滤波算法对原始数据进行处理,根据早晚高峰和夜间驾驶时间的具体定义对车辆驾驶时间进行详细统计。利用预处理的数据,结合车辆OBD车载终端数据和定位数据,设计超速、急加速、急减速、急刹车、急转弯和急变道等异常驾驶行为识别算法,并且利用实际数据对算法进行了验证。通过对驾驶行为的分析,使用熵权法和层次分析法计算驾驶行为影响因子的权重,同时分析这两种方法的优劣,提出一种融合上述两种算法的权重计算方法—集成赋权法。相比单一的熵权法和层次分析法,集成赋权法能够很好地结合客观数据和专家意见,使计算结果更加符合实际。在此基础上,利用集成赋权法建立指标评分细则,构建驾驶行为评分模型。最后,根据道路交通对驾驶安全的实际需求,利用驾驶评分模型,设计并实现了驾驶行为评分系统。该系统关键模块包括行驶轨迹模块、驾驶得分模块、安全告警模块、驾驶员行程统计模块和车辆监控模块。实验结果表明,驾驶行为评分系统能够很好地分析和评价驾驶员的驾驶行为,使驾驶员可以更准确地了解自己的行驶轨迹、异常驾驶行为及驾驶得分,对培养良好驾驶习惯有着积极的作用。