城市快速路作为城市道路的主骨架,具有交通流量大、运行速度高的特征,而快速路出入口作为实现城市路网转向的重要设施,其范围内复杂的交通环境,频繁的变道行为,极易导致驾驶员作出引起交通冲突乃至交通事故的操作,而在一旦快速路出入口内发生交通事故则容易导致严重事故以及交通拥堵。基于此,本文以揭示危险驾驶行为和交通冲突形成机理为目标,探索将交通冲突作为危险驾驶行为的度量指标,以揭示影响交通冲突的驾驶行为特征因素,从而建立城市快速路出入口危险驾驶行为识别模型,为决策者、管理者和出行者提供及时可靠的交通安全预警信息,对提高城市快速路出入口服务水平、主动安全管理水平具有重要意义。论文利用无人机航拍视频,分析了城市快速路出入口危险驾驶行为的类型,研究了交通冲突的形成过程和类型,以交通冲突为切入点,分别提取和分析了发生交通冲突与未发生交通冲突的车辆在城市快速路出入口变道过程前半段中的速度特征、加速度特征、横向加速度特征、变道位置特征、车头间距特征、偏移中心线距离特征等17项驾驶行为表征参数的分布情况,并进行了显著性分析,以获取危险驾驶行为特征参数。结果显示,有冲突和无冲突情况下,变道过程中大部分驾驶行为指标具有显著差异。以交通冲突严重程度作为危险驾驶行为的度量指标,以该指标确定了三种风险水平:无冲突风险、一般冲突风险与严重冲突风险;利用多项logit模型,构建了基于交通冲突的危险驾驶行为风险模型,考虑了车辆在不同变道行为下的各驾驶行为表征参数的差异,构建变道类型与其他驾驶行为表征参数的交互项,并将其融入到危险驾驶行为冲突风险模型中,以分析影响交通冲突严重程度的驾驶行为因素。结果表明:纵向变道位置、横向变道位置、持续时间、起点速度、最大速度、最大纵向加速度、起点横向加速度、偏移中心线距离、后车间距以及前车间距在不同的变道类型下对各冲突的冲突风险边际效应有显著影响。为比较不同危险驾驶行为特征参数对危险驾驶行为识别的影响,构建了全因子特征参数、显著因子特征参数、部分因子特征参数、主成分特征参数这4种不同的危险驾驶行为特征参数作为输入集,以冲突风险等级指标将驾驶行为划分为无冲突驾驶行为、一般冲突驾驶行为和严重冲突驾驶行为并作为输出集,利用SVM和BP神经网络等方法对城市快速路出入口的危险驾驶行为进行识别分类。以准确率、召回率、F值以及ROC曲线对模型进行评价,最终结果显示:以包含交互项在内的对交通冲突严重程度有显著影响的显著因子特征参数作为危险驾驶行为特征参数的模型对一般冲突和严重冲突类别的分类性能优于使用其他危险驾驶行为特征参数的模型,利用SVM对一般冲突类别和严重冲突类别的分类性能优于神经网络。