近年来,我国交通事故伤亡人数虽有所减少,但伤亡数字仍然庞大,城市道路交通安全的研究仍任重道远。因此本文从这一角度出发,研究车辆安全管理,提出相应的管理控制方法和建议,有利于提高车辆安全管理水平,从根本上避免事故的发生,对识别道路交通风险点及预防交通事故发生具有积极作用。本文基于车联网报警数据,构建了包含车辆行驶风险评估、车辆行驶分级预警和车辆安全量化管理模型的车辆安全量化管理体系,实现了对车辆行驶风险的综合评估,提出了危险驾驶行为分级预警方法,研究不同危险驾驶影响因素对车辆风险等级影响的显著性并量化影响程度,一步一步将驾驶行为研究结论应用于车辆安全量化管理中去,形成完整的车辆安全量化管理体系,使得车辆安全管理的精细化方面更上一个台阶。同时,将车联网技术和数据应用于识别和控制风险领域,为车辆安全管理提供辅助决策。具体研究内容如下:（1）车辆安全管理应用场景下车联网数据的处理与分析。对车联网环境下的高级辅助驾驶系统、车联网报警数据的采集和报警数据特征进行了分析,阐明了车联网报警数据用于车辆安全风险评价的优势。（2）车辆行驶安全风险评价指标体系构建。根据车联网报警数据指标的特性和待研究问题的本质,结合车辆报警数据特征,将危险行为指标分为两大类,即考核指标和减量指标,考核指标指常规驾驶类指标,减量指标又包括分心驾驶、疲劳驾驶和超速驾驶等。（3）建立车辆行驶风险评估模型并进行实证研究。评估自然驾驶过程中车辆存在的交通风险,本文采用组合赋权法和模糊综合评价对车辆行驶风险进行量化研究。给出了风险量化分级方法,确定了车辆行驶风险等级结果;最后,运用关联规则充分验证了车辆行驶风险评估模型的有效性。（4）建立异常驾驶行为危险度实时分级预警模型并进行实证研究。在车辆行驶风险评估模型的基础上分析可实现分级预警的评价指标,保留车辆行驶风险评估指标体系中,可人为干预从而实现车辆安全高效管理的减量指标进行危险程度分析,运用模糊综合评价,建立了针对高速公路不安全驾驶行为危险性的分级预警模型,实现隐患短临预警。将车辆的综合风险评级结果应用到车辆安全量化管理中,并用实际样本车辆行驶数据对模型的适用性进行了验证。（5）建立车辆行驶安全量化管理模型并进行实证研究。异常驾驶行为是产生道路交通安全风险的直接原因,有必要针对异常驾驶行为研究车辆行驶风险的影响因素,本文通过多元有序分类Logistic模型,计算不同异常驾驶行为影响因素的信息量及重要度,客观计算出各异常驾驶行为影响因素对车辆风险等级影响的显著性,并采用样本数据进行实证研究,实证结果表明:TimeLengthfatigue（超速报警时长）、Mileagefatigue（超速报警里程）、gfatigue（超速报警次数）和Line（车道偏离报警）对车辆风险等级具有极强的解释能力,将显著影响车辆出险次数,需要重点管控。因此交通管理部门应重点强化时速限制,对车道偏离行为设置相应的规定。与此同时,交通管理部门可依据模型风险量化的结果,对具有显著影响的驾驶行为指标进行组合管控,以实现车辆安全管控最优化,达到交通效率与交通安全的平衡。