（1）危险驾驶行为识别。危险驾驶行为是导致交通事故的主要原因。目前对于危险驾驶行为的研究主要集中在其内涵、结构以及影响因素等方面。由于危险驾驶行为复杂的作用机制，使其内涵和产生机理难以形成统一的标准，通过单一的驾驶行为理论所得到的分析结果均局限于某一领域或方面，无法对危险驾驶行为发生过程中的整体效应进行分析评价。考虑到车辆轨迹是驾驶行为在时空上的累计。从车辆轨迹数据中获得连续的驾驶行为，成为了一个可行的途径。因此，申请人利用主动交通安全技术界定驾驶行为的风险水平，然后利用前沿的计算机网络算法学习复杂的非线性关系，构建交通冲突、车辆轨迹预测模型、危险驾驶行为识别算法，对于改善道路交通安全水平至关重要。（2）驾驶行为逻辑解析。现有研究揭示了车辆轨迹呈现集群特征，但未能深入探索车辆轨迹聚集表象下隐藏的驾驶逻辑规律，缺乏对换道行为表征参数的研究，忽略了微观换道行为特征在不同驾驶模式中的差异性，不仅会限制交通冲突预测模型的精度和泛化能力，而且会对驾驶行为干预策略的效果产生不利的影响。车路协同技术发展迅猛，可以预测，在今后相当长一段时间内，不同智能化水平的车辆会长期共存。对具有智能化驾驶功能的车辆而言，理想的驾驶策略的输出应该由一系列符合类人(Human-Like)驾驶逻辑的连续有序行为组成。这些连续有序驾驶行为除了具备确保车辆行驶安全的“正确性”外，还需使其符合驾驶员驾驶车辆时所遵循的驾驶逻辑。因此解析驾驶行为逻辑规律，可以为车辆智能化驾驶控制方法和控制策略的制定提供依据。（3）事故致因分析。交通事故数据是反应区域交通安全水平的最直观和最根本的数据，利用交通事故数据，分析导致事故发生的原因，提出相应的干预和管理对策，可以有效的避免事故的发生，保障交通安全。