道路客运“放管服”改革持续推进,载客汽车需求量逐年上升,道路旅客运输的蓬勃发展一方面给人们的出行带来了便捷,但另一方面交通安全问题越来越突出,营运车辆交通安全监管水平亟待提升。驾驶员作为车辆的操作者,其驾驶行为是影响交通最主要的因素,同时天气、道路、车辆等外部环境因素对于交通安全的影响也不可忽视。已有不少学者对驾驶行为展开研究,然而受限于数据纬度、体量,对于驾驶行为的识别不够客观、全面,且大多仅分析单一因素对驾驶行为的影响,与实际驾驶有较大差异,同时缺少对外部环境影响下营运客车驾驶员驾驶行为的分析评价研究。因此考虑外部环境影响研究营运客车驾驶员驾驶行为,识别其安全倾向性,对加强营运客车驾驶员主动防控风险意识,提升交管部门、运输企业安全监管能力具有实际意义。本文基于营运客车驾驶员自然驾驶数据识别驾驶员急加速、急减速、长时间怠速等7种不良驾驶行为,根据天气、道路、光线情况数据对驾驶数据进行划分,进而分析外部环境对驾驶行为的影响,建立驾驶行为安全倾向性评价模型,并构建不同外部环境下的营运客车驾驶员驾驶行为安全倾向预测评价模型,实现对营运客车驾驶员在不同环境下驾驶行为高效、可靠的评价。本文的主要内容及成果如下:（1）提出了一种异常经纬度识别纠偏方法,分析急加速、急减速、长时间怠速、熄火滑行、急变道、超速、疲劳驾驶等常见的不良驾驶行为特征,并基于预处理后的自然驾驶数据提取不良驾驶行为特征参数,为驾驶行为研究提供理论及算法支持。（2）提出了一种外部环境与驾驶数据匹配的方法,定性定量分析外部环境对营运客车驾驶员驾驶行为的影响。研究发现,天气、光线因素对营运客车驾驶员驾驶行为影响显著,道路线形对营运客车驾驶员驾驶行为影响不大。（3）提出了一种考虑外部环境的营运客车驾驶员驾驶行为预测评价模型,将驾驶员驾驶行为安全倾向性分为典型三类,根据不同外部环境下驾驶行为安全倾向性聚类结果基于BP神经网络,分别建立了驾驶行为安全倾向性预测评价模型,实现驾驶行为特征、车联网数据、交通安全三者的有效关联。研究结果可为驾驶员自查自纠不良驾驶行为提供实时信息,为交管部门、运输企业监督管理驾驶员提供评价依据。