为了获得公交危险驾驶状态的空间分布特征,采用空间自相关性分析方法,识别危险驾驶状态的空间集聚性,确定危险驾驶状态热点路段,并对显著性影响因素进行分析。首先,采集4个季度各1周公交车辆卫星定位数据样本,修复重复数据、异常数据和缺失数据,并以公交站点为节点划分空间区段,对每个区段进行编号;接着,将速度过快、急加速、急减速和急转弯确定为危险驾驶状态,参照车辆运动学特性获得4种危险驾驶状态阈值,并计算4种危险驾驶状态的统计学指标和全局莫兰指数,结果表明,公交车辆危险驾驶状态具有空间集聚性(空间随机分布概率p < 0.01,标准差得分值Z > 2.58),速度过快状态(全局莫兰指数为0.731)的空间集聚性最为显著;然后,分别对4种危险驾驶状态进行局部空间自相关性分析,绘制了90%、95%和99%置信度下的莫兰散点图和Lisa集聚图,结合城市地图,获得危险驾驶状态的热点路段;最后,选取路段长度、车道数、平直度等9个指标,对比分析了OLS模型、SLE模型、SEM模型和SDM模型的拟合优度,采用SDM模型获得4种危险驾驶状态的显著性影响因素。文中研究结果可为公交车辆危险驾驶状态空间识别、精细化安全运行管理提供理论依据。