张建波， 孙建平， 温慧敏， 宋国华

(1.北京交通大学交通运输学院, 北京 100044；2.北京交通发展研究院城市交通运行仿真与决策支持北京市重点实验室, 北京 100073；3.北京交通发展研究院城市交通北京市国际科技合作基地, 北京 100073)

随着汽车出行的快速发展，交通安全与效率的改善已经成为道路交通管理的重要工作之一. 而不安全的驾驶行为(如剧烈加减速、突然换道、疲劳驾驶[1]等)是造成交通事故，引发交通震荡、严重拥堵的重要原因之一，经常导致严重的人员伤亡与经济财产损失[2].

手机传感器、卫星定位、车联网等技术的快速发展使得实时采集车辆运动轨迹[3]进行危险驾驶行为的监测和预警成为可能. 很多学者利用多源数据开展了高风险驾驶行为的诊断与评估研究. Carboni等[4]利用车辆轨迹数据分析车辆的激烈驾驶行为并诊断高风险道路. Phondeenana等[5]利用全球定位系统(global positioning system,GPS)设备采集的速度和方向角数据进行高风险驾驶行为的诊断，并开展驾驶员安全评分. Fugiglando等[6]利用控制器局域网络(controller area network,CAN)总线设备采集公交车运行数据进行驾驶行为分析与聚类研究. 王雪松等[2]基于自然驾驶数据建立了危险事件识别的随机森林模型. 此外，手机传感器数据[7-8]、车辆导航信息[9]等也被广泛应用到高风险驾驶行为的诊断与分析当中.

当前大部分研究聚焦于如何利用多源数据进行危险驾驶行为的诊断[8，10]、风险道路点段的识别等工作. 在现有的研究中，缺乏对以急减速为代表的高……