随着国内车辆保有量持续增长，道路交通日渐拥堵，交通事故连年频发，如何降低交通事故发生率成为近年来交通问题研究的重点。驾驶员作为交通行为的首要执行者、车辆的操控者，其驾驶行为是导致交通事故发生的最主要原因。因此，研究驾驶员的驾驶行为对减少交通事故、促进智慧交通及辅助驾驶具有重要意义。相比于传统燃油车，纯电动汽车的运行数据采集更便利、信号数据更全面、动作响应更快速，可以为驾驶行为的研究提供更多信息。
　　本文首先介绍了纯电动汽车高频运行数据采集方法和特点，将数据划分为多个单次行车事件，检测并处理了原始数据中的异常数据，筛选了驾驶行为分析所用的信号数据，构建了驾驶行为数据集，其特征参数覆盖了运动学参数、方向盘控制和能耗等方面，能够表征驾驶员在驾驶过程中的大部分行为。
　　其次，为了更好地理解驾驶员的驾驶行为，使用足够数据体量的驾驶行为数据集研究了各参数的分布特性及其相互影响规律，提出了多参数组合阈值边界线的方法用以识别危险驾驶行为，并建立了超速、急加速、急减速、急转向、转向超速和疲劳驾驶6种危险驾驶行为识别方法，为下文驾驶风格分类与评分模型的构建提供数据支撑。
　　再次，为了解驾驶员的驾驶习惯引入了驾驶风格，基于驾驶员的驾驶行为参数与危险驾驶行为识别结果对比讨论了多种降维聚类组合算法的聚类效果，最终以t-SNE和GMM组合算法建立了基于危险驾驶行为的驾驶风格分类模型，结果表明不同驾驶风格下车辆运行参数和能耗均具有较大差异，同时也为下文驾驶行为评分模型设计提供参考。
　　最后，根据车辆运行数据和危险驾驶行为识别结果构建了驾驶行为评分指标体系，选取驾驶操作、行驶参数和疲劳驾驶与能耗三大评分判定指标，利用AEW-AHP方法建立了驾驶行为评分模型，可以实现对驾驶员的驾驶行为评分与行车安全等级划分，给车队管理、车险理赔和交通安全管理等提供一定的参考。