伴随着我国城镇公交规模迅速增长,公交车相关事故频发且后果严重,受到社会的广泛关注,公交车运行安全形势严峻,运行安全监管水平亟待提升.文章基于公交车GPS轨迹数据、司机基本信息数据、DMS报警信息数据、路单数据及道路信息多个数据集,通过主成分分析及因子旋转构建了公交车风险驾驶行为特征画像标签体系,采用K均值聚类进行公交车驾驶员行为聚类并识别出的高风险驾驶员群体,研究了高风险驾驶员群体在不同空间场景下的画像技术.聚类分析结果表明,高风险驾驶员在驾驶风格偏好、驾驶员个体偏好及违规偏好中的风险程度较高,聚类能够有效地对驾驶员进行风险程度分类,在对高风险驾驶员群体的画像中,得出了速度、加速度或运营里程指标在不同时空组合场景中的规律.研究发现高风险驾驶员群体占比约　19.1%,这一群体在公交车运行途中的公交站及路段位置更具风险性,且运营路程较长时产生大量的疲劳驾驶及分神驾驶行为.文章研究方法可为公交驾驶员风险驾驶行为研究提供参考,同样可为公交企业识别高风险驾驶员群体提供评估及分类依据,可在现实中实际运用.