公交车辆驾驶员是确保车辆安全运行的重要因素,如何对驾驶员的工作状态进行动态识别和精准管控,对于合理安排车辆排班,保障城市公交系统运营安全,具有重要的现实意义。本文以镇江市公交车辆运营监控系统采集的车辆预警数据为对象,采用数据挖掘技术对驾驶员的行为状态特性进行研究,并构建面向安全运营的公交车辆驾驶员排班优化模型,为公交企业提高运营安全性提供技术支撑。论文的主要研究内容及结论如下:首先,将驾驶员预警类型确定为高频型、疲劳型、高危型、违规型预警等4类,根据预警类型采用K-means聚类算法,将公交驾驶员分为A（预警高发型）、B（预警低发型）、C（预警均衡型）等3种类型,并从驾驶员属性、工作参数、预警情况三个维度对不同类型的驾驶员进行驾驶行为特征分析。研究结果表明,A类驾驶员年龄驾龄较大、学历相对较低、易出现疲劳驾驶、安全性最低,B类驾驶员年龄跨越较大、工作时长相对最短、除高危型预警外安全性最高,C类人群年龄驾龄较小、行驶平均速度相对较高、安全性居中;其次,构建了基于熵权法的驾驶员自身属性TOPSIS评价模型,并统计分析预警频率与工作时段、天气条件的关系,采用定量表征方法实现了公交驾驶员运营安全性评价。将驾驶员运营安全性自身属性评分、工作时段评分与天气条件评分加权计算得到驾驶员安全性总评分,进而构建了驾驶员排班优化适应度函数;最后,以公交安全运营为目标,基于遗传算法建立了驾驶员排班优化模型,并进行了实例应用分析。研究结果表明,基于安全导向的排班优化算法使驾驶员个体和运营整体的安全性有了较大的提高,可以提升公交安全性达12.37%,验证了优化模型的可靠性。