机动车能耗排放问题一直是困扰城市交通系统健康可持续发展的难题。其中,驾驶员驾驶行为是机动车能耗排放的重要影响因素,优化提升驾驶行为是实施车辆节能减排的必要手段。由于具有“低成本”、“零顾虑”和“最具成本效益”的优势,面向日常驾车习惯改善的生态驾驶行为逐渐成为众多发达国家实施机动车节能减排的重要措施,并已证明具有明显的节能减排潜力。事实上,推广实施生态驾驶行为的核心是解决“何为驾驶行为的生态性”、“如何甄别驾驶行为的生态性”、“如何优化矫正驾驶行为”等关键问题,其本质是明确生态驾驶行为的特征规律、揭示驾驶行为与能耗排放间的隐性关系和提升驾驶员对生态驾驶行为的服从度。然而,多因素性、随机性、不确定性、个性化等特征为此类问题的解决提出了挑战。传统统计分析方法对复杂关系的表达能力有限,制约了多因素影响下生态驾驶行为的准确描述和精确甄别,进而阻碍了生态驾驶行为矫正优化的个性化发展,影响了生态驾驶行为的优化效果。随着信息技术的快速发展,以车载智能终端、云计算平台、车路协同等关键技术为载体实现了微观驾驶行为大数据的汇聚及整合,为深入剖析和挖掘驾驶行为的复杂性提供了多方位、细粒度和高精度的数据基础。结合图谱对复杂信息可视化表达以及机器学习挖掘隐性关联特征的优势,为数据驱动下的高度非线性关系表达和揭示提供了可能,进而为准确描述和精确识别生态驾驶行为奠定了支撑。以此为基础,连同驾驶员个体属性特征和借助多模式行为矫正方式,为构建形成个性化的生态驾驶行为反馈优化方法提供了途径。因此,论文以生态驾驶行为优化为目的,以微观驾驶行为大数据为背景,以数据驱动为导向,采用图谱理论和机器学习等方法,重点研究了生态驾驶行为特征描述、评估甄别及反馈优化问题。研究工作主要包括:首先,基于驾驶模拟和实车监测技术,分别构建面向驾驶操作行为和车辆运行状态的驾驶行为数据感知平台,进而研发了基于驾驶模拟平台的生态驾驶行为培训体验平台和基于实车监测平台+手机反馈的生态驾驶行为动态反馈优化平台。一方面汇聚形成细粒度数据基础,另一方面构建形成生态驾驶行为“感知—评估—反馈”的闭环优化实验测试平台。通过驾驶行为与车辆能耗排放关系的初步探索,验证了基础数据的可靠性,为深入研究生态驾驶行为影响、特征、甄别和优化提供了支撑。然后,基于构建形成的实验平台,结合驾驶模拟、实车监测、跟踪调查等多种手段,通过生态驾驶行为一般性操作规则培训的前后对比,评估了生态驾驶行为的综合影响。研究发现,生态驾驶行为培训能有效改善驾驶员驾驶行为生态性,并能明显降低车辆能耗和排放,且不同培训方式的改善效果存在显著差别。同时,生态驾驶行为培训效果会随时间延迟而减弱。另外,生态驾驶行为有助于降低交通安全事故率,并且相同条件下生态驾驶行为降低车辆能耗的比例远大于增长行驶时间的比例。研究结果证实了推广实施生态驾驶行为的必要性和可行性。其次,针对驾驶行为影响因素多、微观性强和敏感性高等特点,需准确把握其时空变化过程才能实现生态驾驶行为特征的精确表达。论文以车辆能耗等级为约束,采用图谱理论,分别构建了驾驶操作行为特征图谱和车辆运行状态特征图谱,实现不同能耗等级下驾驶操作行为及车辆运行状态特征的直观表达;结合图谱相似性对比和统计分布特征,明确了生态驾驶行为在驾驶操作行为和车辆运行状态层面的特征规律,并且驾驶操作行为图谱和车辆运行状态图谱在描述生态驾驶行为特征时具有较好的一致性。再次,受多维复杂因素影响,驾驶行为与车辆能耗排放的关系并不直观,需深入挖掘并揭示其隐性关联关系方能实现驾驶行为生态性的精准评估和甄别。论文借助生态驾驶行为特征图谱,结合数理统计分析,首先从驾驶操作行为和车辆运行状态两方面建立生态驾驶行为特征指标体系。进而采用BP神经网络机器学习方法,分别构建了基于3层BP网络结构的驾驶操作行为和车辆运行状态生态性评估甄别模型,并通过实验仿真测试获得了最佳模型结构与参数,平均精度分别为92.89%和96.89%。最后,由于驾驶员个体属性差异明显,需充分考虑驾驶员个体特性以提升生态驾驶行为的矫正优化效果。论文首先依据社会心理学原理,建立了基于客观驾驶行为数据面向个体价值和目标取向差异的驾驶员分类方法。进而研究设计了满足不同驾驶员类型需求和偏好的生态驾驶行为培训方式和反馈模式,形成了面向驾驶员特性的差别化生态驾驶行为反馈优化方法,其节能效果明显优于常规生态驾驶行为培训。综上,论文在构建形成驾驶行为数据感知及生态驾驶行为反馈优化测试实验平台的基础上,评估了生态驾驶行为节能减排潜力及对车辆运行安全和效率的综合影响,进而研究形成了生态驾驶行为“特征描述—评估甄别—反馈优化”的优化方法,为形成一般性的生态驾驶行为应用推广理论及方法奠定支撑,并为解决大数据背景下面向安全、生态和顺畅三位一体的驾驶行为管理提供借鉴。