目前电动汽车行驶的最主要工况为城市工况。由于城市交通环境复杂多变,电动汽车需频繁加减速,不仅导致乘客的体验感差,而且增大了行驶能耗。无线通信技术与车辆的融合,能够使驾驶员预知未来行驶工况,有助于操控车辆平稳运动,进而降低电动车的能耗。为此本文在融合车联网通信的城市交通环境的背景下,对基于数据特征驱动的车速预测和基于车速预测的节能控制策略展开相关研究。本文的主要工作如下:以全轮独立驱动电动车为研究对象,分析其各机构工作原理并选用实验建模和理论建模相结合的方法,在MATLAB/Simulink仿真软件中建立了包含驾驶员、动力系统、整车动力学等模块化的前向仿真模型,对该模型的纵向车速跟随能力、制动能量回收等性能进行仿真验证。基于微观交通流系统仿真软件VISSIM,搭建典型城市工况下的交通仿真模型,通过设置交通流特性及驾驶员行为规则等,模拟车辆在智能交通场景道路上的运行情况,采集目标车辆及其前两辆车的车速,应用相关性分析方法对多源数据进行分析,结果显示采集的多源数据与目标车辆车速存在极强相关性,可为车速预测模型的训练与预测提供有效的数据支持。通过融合CNN、LSTM和注意力机制处理多维时间序列的多种优势,提出一种深度学习的车速预测模型（CNN-LSTM-AT）,对城市交通工况下电动车行驶车速进行短期预测。采用划分数据集的方法,对提出的车速预测模型进行预训练寻出模型最优超参数组合。与其他车速预测对比模型在不同的预测时域下的预测性能对比分析表明,本文提出的车速预测模型的预测精度方面有一定优势。选用预测车速的最大纵向冲击度及标准差的联合,作为汽车未来行驶工况的评价标准,在保证交通安全的情况下滤去有较大突变的预测车速值;采用多项式拟合的方法对预测车速轨迹进行平滑,并将优化后的多项式拟合函数作为电动车节能控制策略模型的输入,结合成熟的转矩优化分配控制方法,进行基于预测车速的节能控制策略研究。与传统的基于历史工况提出的节能控制策略就节能效果对比分析,提出的预测性节能控制策略的节能效果提升明显。