近年来,轨道交通在我国飞速发展,在肩负起我国几大经济带和重点城市的运输任务的同时,轨道交通也面领着快速增长的客运量和安全保障方面更大的挑战。开展轨道交通安全状态评估的研究,对保护市民人身财产安全,促进城市发展,增强轨道交通自身的服务水平,预防及减少事故都有着重要的理论和现实意义。在轨道交通安全信息中,对于非结构化数据如文本、图像、视频中,文本数据应用广泛,具有很高的挖掘价值。但是当前人工处理方式速度慢、发送量低、无法和结构化数据很好地融合。本文以此为切入点,通过对文本挖掘的关键技术进行研究,取得文本分析结果并形成安全词频指标,利用机器学习技术与传统的结构化数据形成的安全数据指标进行融合,从新的角度对轨道交通安全状态进行综合评估,为轨道交通管理部门提供一定的理论依据。主要研究工作如下：(1)对国内轨道交通安全信息进行调研,分析轨道交通安全信息特性。(2)研究中文分词技术,并对于轨道交通安全信息中的文本数据挑选合适的方法和分词字典,通过轨道交通安全信息分词技术,形成基于文本数据的轨道交通安全词频指标。(3)对于基于文本数据的轨道交通安全词频指标和基于字典数据的轨道交通安全数据指标,提出基于关联规则的指标融合算法,形成轨道交通安全评估指标。(4)基于轨道交通安全评估指标,提出基于支持向量机的轨道交通安全综合评估方法,构建基于支持向量机的轨道交通安全综合评估模型。(5)基于以上成果,采用Python对于各个算法进行实现,并构建轨道交通安全综合评估系统。