近年来人们通过建模理论和数据分析方法设计驾驶员行为识别和评价系统,然而由于驾驶员行为具有一定的随机特征并且驾驶场景考虑不够充分,所以存在不准确的驾驶员行为评价。在公交车领域,驾驶员行为识别和评价能够规范驾驶员行为,同时也与驾驶员的考核收入有重要关系,因此对准确性的要求更高。为了解决驾驶员行为评价不准确的问题,分析、总结国内外驾驶员行为识别和评价研究的现状,应用隐马尔可夫模型和聚类技术,在建立驾驶员行为识别模型的基础上,提出了多层驾驶员行为评价模型。该模型一共包含三个部分,即驾驶操作、驾驶员意图和驾驶场景。本文选取急减速作为模型的研究内容并证明模型的有效性,具体研究工作如下:(1)计算驾驶操作分界值。以速度-加速度密度作为减速聚类方法的参数,通过DBSCAN算法获取正常减速和急减速的分界值,目的是判断驾驶员行为中的不良驾驶操作。(2)确定驾驶员意图。在已确定急减速行为的基础上,采用隐马尔可夫模型对驾驶员紧急避障意图进行建模,判断具有紧急避障意图的急减速行为,目的是确定某种驾驶员行为中的特定驾驶员意图。(3)挖掘驾驶场景。采用时间和空间参数作为急减速行为的聚类对象,通过k-means算法挖掘驾驶场景中的急减速行为聚集情况,目的是分析驾驶员行为在特定场景下发生的潜在原因。本文对公交车can总线数据进行分析,通过实验数据证明多层驾驶员行为评价模型对于急减速行为的评价具有较高准确性,表明模型对驾驶员行为的评价具有可行性和有效性。