高速公路是相对比较单一的道路,较为常见的行为决策就是跟驰行为与变道行为,研究表明百分之六十的交通事故都是由于车辆的变道行为引起的。因此,解决高速公路由于变道引起的交通安全问题是当前研究的热点问题。鉴于高速公路交通事故的真实数据较为匮乏,且不易获取,本文将综合考虑车辆的驾驶特征和风险特征,利用交通冲突技术研究事故前的驾驶风险。首先,对交通冲突形成原因进行分析,根据车辆的轨迹特征,将交通冲突分为追尾冲突和变道冲突。通过提取变道行为和跟驰行为下车辆的驾驶特征,进一步分析了车辆在行驶过程中的交通特性。然而,仅凭运动特征不能表征车辆在行驶过程中的风险。因此,本文提出对车辆的运动特征和风险评价指标进行综合分析,通过对多个风险评价指标进行相关性分析,选取累积危险碰撞时间（TIT）和可能碰撞指数（CPI）来描述车辆的驾驶风险,从而对车辆的驾驶行为进行风险评估。其次,通过风险评价指标表征车辆的碰撞风险,对可能发生碰撞的车辆进行分析,进而通过聚类分析（Kmeans聚类、模糊C均值聚类、层次聚类和谱聚类）综合评价车辆的风险等级,通过聚类模型评价的三种指标分析车辆的风险等级,经评估后利用Kmeans模型对车辆进行风险等级划分的效果最好,并将其分为低风险、中风险和高风险三类。驾驶风险等级的划分是一个典型的数据不平衡问题,从而导致模型无法识别高风险的车辆。因此,本文通过对低风险类别进行欠采样,使样本类别间的数量趋于平衡,从而减小数据不平衡对模型学习的影响。最后,通过聚类模型标记的风险等级作为驾驶风险预测模型的输入,结合车辆运动特征综合分析驾驶风险。利用集成模型（XGBoost和Light GBM）和支持向量机（SVM）预测变道期间车辆的风险等级。鉴于集成模型参数较多,通过贝叶斯优化算法的XGBoost模型与其他模型相比,准确率达到94.2%,说明XGBoost模型的预测能力更好。