二轮车事故是城市交通事故中的主要类型之一。缺乏安全保护的二轮车骑车人在道路交通中属于弱势参与方,一旦发生事故,碰撞事故中的二轮车骑车人受伤和死亡的概率较高。因此,本文对乘用车与二轮车事故场景中的数据进行整理、挖掘和分析,为智能汽车研发测试提供有效的二轮车典型危险场景构建方案。本文首先对国内外专家学者挖掘典型危险场景的方法进行了描述和归纳总结,在综合了解各研究方法后,确定以聚类分析作为本文的研究方法。紧接着,对国家车辆事故深度调查体系（National Automobile Accident In-depth Investigation System,NAIS）数据库进行了描述,包括事故案例的采集标准、事故信息采集内容、事故内容分析与报告等方面内容进行了阐述;并进一步对其中的部分采集数据进行统计整理,了解整体数据概况,从中筛选出400例采集信息较完整的乘用车与二轮车事故案例作为研究基础。其次,简要介绍几种常用的聚类分析方法,并对其特点进行对比分析;详细介绍聚合性层次聚类具体步骤以及模糊综合评价方法具体步骤;介绍构建乘用车与二轮车典型危险场景中静态变量的选取过程,以及字段内容的补充和处理转换过程;统计分析各类别字段内容,了解各字段内容分布;通过模糊综合评价法对基础的聚类方法进行改进,引入“加权绝对值距离”的概念,并建立数学模型;根据所选取的字段对这400例事故案例进行改进聚类分析,将每一类场景中的共同典型特征进行提取,最终得到7类乘用车与二轮车典型危险场景。最后,统计分析十字路口场景事故案例分布情况;以场景类别二为例对场景中动态参数,即两车速度关系进行分析讨论,划分危险层级,讨论每一层级危险性;从而分别研究7类场景的运动学模型以及静态参数与动态参数组合的推演场景,最终得到7类符合中国道路交通状况的乘用车与二轮车危险场景集。研究结论:本文提出乘用车与二轮车典型危险场景构建新方法,将采集数据按照此方法处理得到7类符合我国交通状况的典型危险场景,并推演得到危险场景集。可为主动安全领域的道路交通危险场景库的扩建提供理论依据,能为智能驾驶技术的前期测试开发提供二轮车测试场景,提升智能驾驶汽车的测试质量和测试效率,提升智能汽车的危险应对能力,预防、降低事故的发生。