为提高机动车驾驶人在不同场景下的安全性，以我国某市3 565条交通事故案例为基础，根据年龄-驾龄分布特征，采用K-均值(K-means)聚类分析方法形成驾驶人类别；经过对比5种聚类算法的平均轮廓系数，选用改进的K-medoids算法提取风险场景，进而通过树形贝叶斯网络评估24个场景的危险度；根据危险度和数据占比进行分级分析。结果表明：按照危险度从低到高，驾驶人类别分为中年经验驾驶人、青中年新手驾驶人、中年过经验驾驶人、中年新手驾驶人和老年驾驶人；大中型货车在城市四枝分叉口右转场景的危险度最高，电动自行车为所有高风险场景的关键要素；涉电动自行车事故在夜间公路四枝分叉口场景具有严重性，在夜间公路普通路段场景同时具有频发性和严重性。该研究为交通安全管理提供了新的理论支持和实践指导。