城市公交是居民重要的出行方式之一,尤其在新时期“创新、协调、绿色、开放、共享”五大发展理念的背景下,居民低碳出行意识提高,城市公交载客量激增。然而,公交车辆一旦发生意外,往往是重大的交通事故,带来不可估计的人员伤亡和财产损失。因此,保障公交运行安全至关重要。提高公交运行安全水平不仅要事后溯因,更需事前防范。为此,各公交运营单位大力推进公交智能化建设,高级辅助驾驶系统（Advanced Driving Assistance System,ADAS）实现了车辆主动安全预警,公交监控平台实现了对车辆运行全方位的监控。累积的交通数据为公交驾驶风险精细化管控提供了可能性,然而现今对交通数据,尤其是预警数据的利用尚有不足,风险管控手段依然有限,公交安全监管从事后处置到事前管控的实现方式依旧有待探索。为此,本文将视角聚焦于公交单车次驾驶行程,综合利用公交车辆CAN（Controller Area Network）总线采集的车辆运行数据、ADAS上报的预警数据和智能调度系统记录的电子路单数据,建立公交驾驶风险表征指标集,构建公交驾驶风险等级在线判别模型。旨在实现对公交驾驶行程风险的动态监控和及时反馈,打通“车辆监测—风险感知—管理决策”的线上闭环,对推动车辆运行防控一体化和公交安全管理数字化具有重要意义,也对防范交通事故、保障人民生命安全起到重要的支撑作用。论文的主要研究内容如下:首先,利用数据分析方法,开展数据预处理与数据关联工作。通过冗余数据处理、缺失值处理和异常值处理对车辆运行数据、预警数据以及电子路单数据进行预处理。通过设计时间匹配函数对预处理数据进行数据关联,提取了触发过预警的车次,并获得其车辆运行数据和预警数据,作为本文的基础数据集。其次,依据公交行车特点,以公交单车次的驾驶行程为研究对象,从超速情况、驾驶操纵情况和预警发生情况3个方面出发,提取了5个驾驶风险指标。其中,深入挖掘了预警数据特征,综合考虑预警序列在数量、种类、时序分布3个方面的差异,构建了预警相关指标,以衡量公交驾驶行程的风险程度。再次,基于公交驾驶风险指标数据,针对传统灰色聚类模型的不足,引入两阶段灰色综合测度决策模型,结合反熵权法的指标赋权方法,构建了反熵权-两阶段灰色综合测度决策模型。利用此模型将广州市公交某线路300个车次的驾驶风险划分为低、中、高三个等级。与传统模型相比,反熵权-两阶段灰色综合测度决策模型提高了待分级车次类别归属的确定性,并通过第二阶段决策,完成了对24个灰色聚类系数无显著性差异的低区分度车次的驾驶风险分级。最终得到了合理的分级结果,为构建公交驾驶风险等级在线判别模型提供学习样本。最后,基于历史车次的驾驶风险分级结果,构建了公交驾驶风险等级在线判别模型。在对比了K近邻、CART决策树和支持向量机三种模型效果的基础上,通过Stacking模型融合方法,利用CART决策树模型和支持向量机模型,构建了融合模型。结果表明:融合模型的判别准确率为98.33%,相比于CART决策树模型提高了3.33%,相比于支持向量机模型提高了1.66%。优选融合模型作为公交驾驶风险等级在线判别模型。该模型可嵌入公交监控平台,实现未来场景下对公交驾驶风险等级的及时判定。