城市道路交通安全一直是城市交通系统发展的重要内容。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。交通事故发生后的道路交通安全评价,难以刻画事故发生前的道路交通安全风险程度,驾驶行为信息数据采集技术的发展,为城市交通的发展提供了有利契机。驾驶行为是驾驶者在道路条件、天气状况、交通状态等影响下做出的反应。在驾驶行为数据驱动下,构建道路交通安全风险状态评价体系,并进一步研究异常驾驶行为的影响因素,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。本文基于车辆OBD数据,分析异常驾驶行为高发位置与道路交通事故发生位置的关联,提出以道路安全熵为一级指标,异常驾驶行为率为第二级指标的道路交通安全风险状态评价指标体系,在事故发生前实现对道路交通安全风险状态的判别。同时,基于人工智能领域粗糙集理论,对易加大道路交通安全风险的异常驾驶行为影响因素进行研究。具体研究内容如下:(1)系统回顾道路交通安全评价的研究历程,对目前道路交通安全评价的研究对象、评价指标选择及指标权重计算方法的进行了分析。通过分析近20年研究成果,对道路交通安全评价涉及的研究对象、研究数据、研究方法的发展趋势进行阐述。结合已有评价方法及数据在道路交通安全评价中的局限性,分析了道路交通安全评价的研究热点及面临的挑战。(2)分析车辆OBD数据特点及优势,给出了车辆OBD数据的一般处理方法。对比了传统道路交通安全评价数据及车辆OBD数据各自的特点,并对两者的优点及局限进行总结。阐明了车辆OBD数据用于道路交通安全风险评价的优势,并针对车辆OBD数据类型,给出了基于特征字段的数据分类、关联及特征数据提取的流程。(3)道路交通安全风险评价指标体系构建。引入信息熵理论,提出以道路安全熵为道路交通安全风险评价的一级指标,急加速率、急减速率、急转弯率、超速率、高速空挡滑行率为第二级指标。并在原熵权法基础上将log对数的底数选择、第二级指标零值处理、权重计算方法进行了优化。基于改进后的熵权法客观计算每一异常驾驶行为率的权重,进而计算出道路安全熵值。(4)提出道路交通安全风险等级划分方法。结合道路交通事故数据,同时考虑交通事故的发生存在随机性,提出基于密度聚类、k-means两步聚类的道路交通安全风险等级划分方法。首先基于密度聚类去除分布较为孤立的数据点,再基于kmeans进行聚类,同时计算不同聚类类别下的轮廓系数,以轮廓系数最大的类别数作为道路安全熵值等级划分数。同时以相邻两类聚类中心为上下限,0.01为增长单位,计算不同划分阈值下的分级准确率,以准确率最高的值作为道路安全风险等级划分阈值。(5)异常驾驶行为影响因素研究。异常驾驶行为是体现道路交通安全风险的重要指标,在道路交通安全风险评价体系研究中,有必要对其影响因素进行探索。聚焦于道路坡度、转弯半径、交通状态、天气状况对异常驾驶行为影响进行研究,基于人工智能领域粗糙集理论,通过计算不同影响因素的信息量及重要度客观计算出不同影响因素对异常驾驶行为影响的显著性。(6)实证研究。选取重庆市4个路段(总长度约38km)作为本文实证研究对象。考虑道路坡度、转弯半径、道路开口情况,将实证路段进一步划分为8种类型,基于优化后的熵权法客观计算不同类型路段的异常驾驶行为率权重,进而计算出路段的安全熵值。同时,对比不同道路安全熵与交通事故数据,结果表明,道路安全熵与交通事故表征的道路交通安全状态趋势一致。基于密度聚类、k-means两步聚类等级划分方法将道路交通安全风险划分为高、低风险两个等级,划分阈值为0.042,准确率为87.88%。基于粗糙集理论计算出异常驾驶行为影响因素显著性,结果表明显著性由大到小为道路转弯半径、交通状态、道路坡度、天气状况。