停车控制交叉口（非信号控制交叉口中的一种）车辆驾驶安全是道路交通安全的重要组成部分,其在智能运输系统管理和控制及智能网联车（CAV）等新兴领域中至关重要。前人的研究多基于主观观测统计分析停车控制交叉口处的车辆驾驶行为,但由于数据及技术限制尚未明确或客观定义和分析停车控制交叉口车辆驾驶行为。轨迹挖掘技术和机器学习技术可以帮助道路安全从业人员了解停车控制交叉口车辆驾驶行为的动态模式。本文旨在通过车辆轨迹挖掘技术,深入挖掘停车控制交叉口车辆驾驶行为（包括停车线附近车辆停车行为和车辆制动过程行为模式）,进而对车辆穿越停车控制交叉口的安全风险进行评估。本文的主要研究工作如下。（1）首先运用计算机视觉技术对所收集的国内外视频数据进行摄像机标定及畸变校正等工作并提取车辆轨迹,根据研究目标将原始车辆轨迹数据转换成距离-速度轨迹。同时运用运动分析软件Kinovea提取事故替代指标后侵占时间（PET）。该部分为后文提供丰富的数据基础。（2）基于车辆距离-速度轨迹数据,对车辆的驾驶行为进行分析。提取研究区域中车辆出现的最低速度数据并运用二分K-means算法对其进行聚类,根据分类结果对车辆停车行为进行时空分类指标设计。同时将改进的基于密度的聚类算法（DBSCAN）应用于车辆的制动过程行为模式识别,并结合车辆停车行为的时空分类指标对车辆制动过程行为模式中的车辆行为特性进行分析。研究结果表明本文所用的方法可以有效的区分车辆完全停车、缓慢滚动行驶、滚动行驶、减速行驶及未减速行驶等车辆停车行为,同时可以很好的识别各类交叉口车辆制动过程行为模式,探索不同制动过程行为模式的差异。其中在车辆制动过程行为模式对比研究中发现,在国内设置停车控制交叉口有利于诱导车辆在进口道进行减速,即使在本研究观测时段国内停车控制交叉口几乎没有车辆遵守停车让行标志牌的交通规则。（3）根据车辆制动过程行为模式识别结果,分别基于每一类行为模式运用极值理论的广义帕累托分布对事故替代指标后侵占时间（PET）进行建模,计算不同类型交叉口及其不同制动过程行为模式的制动模式百万车流量事故重现水平。并将该方法运用于加拿大蒙特利尔的五个停车控制交叉口以及国内设置停车让行标志牌前后的无信号交叉口的案例研究。研究结果表明国内非信号交叉口设置停车让行标志牌后相对于设置停车让行标志牌前其制动模式百万车流量事故重现水平略有下降（设置后:0.3385;设置前:0.3416）,且国内设置停车让行标志牌的交叉口其车辆制动过程行为模式一（最接近遵守停车让行标志牌的车辆制动行为模式的类型）的制动模式百万车流量事故重现水平相对于未设置停车让行标志牌的交叉口的车辆行为模式一（最接近遵守停车让行标志牌的车辆制动行为模式的类型）有较大差距（设置后:0.1438;设置前:0.2272）,说明在国内设置停车让行交通控制方式对于降低非信号交叉口风险有一定成效,特别是对于进入交叉口有较强遵守交通规则意愿的那类车辆;国内停车控制交叉口制动模式百万车流量事故重现水平相对于国外停车控制交叉口略高（国内:0.3385;国外:0.2470）,且国内停车控制交叉口中车辆制动过程行为模式一的制动模式百万车流量事故重现水平也略高于国外停车控制交叉口车辆制动过程行为模式一（最接近遵守停车让行标志牌的车辆制动行为模式的类型）（国内:0.1438;国外:0.1418）,因此国内非信号交叉口交通安全还有较大提升空间。本文的研究结果可用于停车控制交叉口在我国城市交叉口的适用性的决策支持,同时可通过在相关场景（如交叉口智能控制系统捕捉停车控制交叉口车辆违规行为及危险行为）中的应用为智能运输系统（ITS）和CAV行业做出贡献。