快速路作为城市交通主动脉,为车辆提供了城市内部快速、安全、舒适的长距离出行服务。然而,许多快速路存在常发性拥堵,拥堵路段交通流运行复杂,造成了很大的安全隐患。尤其是快速路合流区,车辆换道频繁,车辆驾驶环境复杂,有大量的交通冲突产生。准确理解快速路合流区交通流动态特征与交通安全之间的关系,能够为实时预判事故风险、构建交通安全控制策略提供依据。然而,受到轨迹数据源及覆盖场景较为匮乏的限制,基于轨迹数据的快速路合流区交通安全评价,在交通状态安全影响分析、以及事故风险预测模型构建方面仍较欠缺,无法充分捕捉动态交通流运行状态与交通安全的关系。基于此,本文以南京市应天大街快速路合流区为研究路段,采用无人机航拍提取获得的高精度轨迹数据,对动态交通流运行状态与交通冲突的关系展开系统、定量的研究分析。首先,基于宏观的集计交通流参数判别条件划分三相交通流框架下的交通状态,并分析交通状态对事故风险的影响。在时间和空间维度上汇集轨迹交通流数据,将微观轨迹数据转化为宏观交通流特征,并基于普遍采用的宏观判别条件进行宏观交通流状态划分。宏观判别条件主要依据是流率密度间的相关性以及平均速度值。通过交通冲突技术评估、对比分析不同交通状态下的事故风险,同时统计分析影响事故风险的危险交通流特征。结果表明,越拥堵的交通状态事故风险越高,同时引入交通状态后可以更好的用交通流特征描述事故风险。其次,采用基于轨迹数据的相变感知模型来进行三相交通流框架下的交通状态划分,并对划分后的交通状态进行交通安全评价。通过小波变换的方法识别相变点、计算模型参数取值。通过交通冲突技术,计算并对比分析各交通状态中事故风险差异;统计描述不同交通状态下的交通流特性,并分析这些交通流特性与事故风险之间的关联;做出事故风险热点图,分析事故风险的位置特征。研究发现高事故风险与更拥堵的交通状态相关联,且交通状态的引入能够提升交通流特征对事故风险的拟合性能。此外,合流区的高事故风险集中在车道数缩减位置的上游。最后,采用支持向量机建立基于轨迹数据的微观短时交通安全预测模型,主要包含两个部分:基于交通冲突严重性的事故风险可能性预测,采用支持向量机分类模型建模;基于碰撞能量的潜在事故后果严重性预测,采用支持向量机回归模型建模。事故风险的可能性即是否会发生严重冲突,由交通冲突与累积频率确定的严重冲突阈值确定;潜在事故后果通过严重冲突若引起事故,车辆碰撞时产生的破坏性能量来评估。对比分析采用不同的核函数及考虑宏观交通状态、时间序列特征、不同的预测时间步长对支持向量机分类模型和支持向量机回归模型的预测性能影响。结果表明,考虑交通状态和时间序列特征对于预测性能的提升有积极作用,且预测时间步长越短预测性能越好。