准确识别交通事故风险和及时掌握交通事故风险的变化对于交通事故的主动防控和减少交通事故的发生具有重要意义。现有的交通事故风险识别研究大多基于交通流、交通冲突等实时、动态参数，同时受以往数据采集技术的制约，风险驾驶行为在交通事故风险识别研究中的应用受到限制。为了更加准确的识别道路交通事故风险，本研究引入风险驾驶行为和交通流等大数据，提取急加速、急减速、急转弯、急并道以及交通流量、平均速度、拥堵指数等变量，结合事故数据构建交通事故风险识别模型。基于逻辑回归算法计算交通事故发生概率，对交通事故识别模型进行评价，一方面量化风险驾驶行为在交通事故风险识别中的贡献，另一方面分析事故发生前后，交通事故发生概率的变化趋势。研究结果表明，同时考虑交通运行状态和风险驾驶行为的交通事故风险识别模型的敏感度和AUC值分别提高5.00%和0.03，误报率和漏报率分别降低1.78%和5.00%，模型的拟合效果更好。此外，在交通事故发生前后，交通事故风险概率呈现明显上升趋势，是交通事故防控的重点时段，应在相应的路段及时采取防控措施降低交通事故风险的概率，避免发生交通事故。本研究可为交通事故的预防预警以及主动防控提供直观的依据。