近年来,国内山区高速公路建设步伐逐步加快,同时隧道建设也呈现出突飞猛进的态势。然而,迅速增加的隧道数量与高质量的安全保障之间的矛盾却愈加激化。隧道因其自身特殊的半封闭结构及其狭小幽暗的行车环境会给驾驶人行车安全性造成影响,易导致交通安全事故。通过对隧道路段驾驶行为进行深入研究,揭示运行环境与驾驶行为特征的内在联系,可为山区高速公路隧道安全运营和交通事故预防对策制定提供技术支持,从而有效提升隧道安全保障水平。本文在设计试验方案的基础上,通过在收费站招募10名经验丰富的驾驶人在秦岭终南山隧道群进行实车试验。首先,利用眼动仪、脑电仪、CAN-OBD等设备采集了驾驶人心生理数据和行车数据,经Matlab、Origin软件等对原始数据进行了预处理,并对转向、眼动、心率等数据进行了特征提取和初步分析。然后,基于驾驶过程单元分解,行为链式理论,按照时间维度发展形态建立起驾驶行为链,在对其内涵和时频特征进行深入分析之后,通过对驾驶行为链不同维度的扩大延伸,并引入矩阵和向量研究形式,从宏微观多维指标建立了隧道路段驾驶行为谱,并定义了行为谱基本方阵单元,运用矩阵论中“谱半径”性质对行为谱进行了不同维度组合的谱特征分析。之后,进行了行为谱不良驾驶行为特征参数计算,基于特征统计分布,采用四分位差法进行了不良跟驰、急转向、横向不良控制、超速、急加/减速、速度变异性过大、驾驶疲劳8种不良驾驶行为阈值界定,并对驾驶疲劳多维备选特征采用Relief和PCA算法进行了特征融合;基于模糊数学原理,采用CRITIC赋权法和模糊综合评价对不良驾驶行为进行了风险评估。最后,基于SVM和Ada Boost集成学习模型,结合ADASYN重采样建立了不良驾驶行为识别模型,并根据多项评价准则进行了评估。研究结果表明:隧道行车转向熵特征规律性强,中间段稳定性高于出入口段;隧道出入口段驾驶人扫视与眨眼特征频率明显高于中间段,而中间段注视频率明显高于出入口段,表明了环境突变时驾驶人视觉搜索参与度高;驾驶行为链及其时频解析表明隧道长度越长,车速稳定性越差;行为谱方阵单元谱半径表明大部分驾驶行为属于稳态,局部行为会发生突变;根据不良驾驶行为阈值可将其划分成低、中、高风险三个等级;隧道不良驾驶行为的发生频率低,样本不平衡度较高。ADASYN-Ada Boost集成算法提升模型对隧道不良驾驶行为识别的识别能力较高,可为隧道安全策略制定,降低隧道事故率及严重性,提高隧道安全运行提供技术支撑。