随着城市化与机动化进程不断加快、居民出行需求的迅速增长、平均出行距离的显著增加,我国的交通环境正在发生着深刻的变化,道路交通安全也越来越受到重视,交通安全标准日渐提高。同时,智能交通技术的不断发展,为在有限的时间、人力、道路资源条件下改善道路交通安全问题提供了新的思路与手段。目前智能交通技术在辅助解决交通安全问题方面,仍然局限于提供实时的交通监管手段,交通安全管理也偏重于基于事故数据的事后管理。充分利用智能交通系统采集的实时数据,发掘交通安全风险因素的变化规律,为交通管理者进行前瞻性、主动性和针对性的监管工作提供指导,具有非常重要的现实意义。本论文以城市主干道、快速路设置的交通违法监测设备采集到的交通违法数据为基础,以超速行驶这一具有代表性的严重交通违法行为作为研究对象,以向交通管理者提供一套切实可行的、以超速事件为关注对象的交通安全风险控制工作办法为目的,展开了一系列研究。论文首先在分析交通安全风险演变机理与交通违法行为背景因素的基础上,明确了数据采集的目标与预处理方法;同时,分析了本论文的主要研究对象,即超速行驶事件的发生频率、车速分布受不同因素的影响情况;其次,利用小波神经网络建立了超速行驶事件时间序列预测模型,挖掘超速行驶事件的时间变化规律,实现实时预测,为超速事件高发时段预警提供支撑;另外,基于ArcGIS软件,进行超速行驶行为时空特性挖掘,对监测点位超速行驶事件的增长性与聚类性进行分析,并提出了一种确定超速事件“黑点”的办法;在此基础上,本文制定了以超速作为风险因子的交通安全风险管控办法,确定了超速高发时段阈值分级标准与超速行驶的风险概率计算方法,并从人、车、路三个方面提出了针对超速行驶的交通安全风险控制措施,最后,对论文所提出的研究方法是否适用于其他交通违法行为进行了分析。