随着中国经济的发展，居民出行需求的提高，燃油汽车的销量随之迅速增加，其尾气排放导致的环境污染问题日益严重。在当今建设环境友好型社会的要求下，新能源汽车的推广就显得尤为重要。其中，共享作为一种推广电动汽车的有效方式，由于可以极大降低电动汽车的使用成本而被广大居民所喜爱。电动汽车共享业务的兴起，使得电动汽车驾驶行为的安全性监督和危险性评估工作被提上日程。在驾驶行为分析领域，随着车联网技术的日渐成熟，采用在车辆上加装相关传感器，实时采集数据并加以分析的方式逐渐成为行业内的主流。　　本文的主要工作是设计合理的传感信息采集方案，利用机器学习算法实现对不良驾驶行为的有效识别，并基于识别结果实现对驾驶行为的综合评估。主要研究内容包括：　　（1）搭建系统总体框架。实现硬件设计，上位机软件设计，完成信息采集工作。本文首先确定用于辨识驾驶员不同驾驶行为的传感器，完成相关设备的选用，并采用Labview设计相应的上位机，实现数据的采集、显示和保存功能。　　（2）设计了三种基于单一传感器信息的驾驶行为辨识系统。本文将MMA算法作为特征提取方法用于提取车辆加速度特征，并结合当今居民驾驶习惯，分别提取车载OBD信息以及由AD AS采集的数据分析车辆的状态和行驶轨迹特征。基于这三种不同的特征模型，后续融合机器学习算法实现了三种驾驶行为辨识系统。这三种系统均已通过实验验证了可行性。　　（3）设计了一种基于样本置信度的准确度加权融合算法的多传感器融合驾驶行为辨识系统。由于信息的适度冗余会增加置信度，本文将基于单一传感器信息的辨识系统进行扩展，通过提出的决策层融合方法，将采集到的包含加速度、轨迹信息在内的多方面数据结合起来，更为全面地反映了不同驾驶行为的特点。通过实验证明，该算法与单一传感器信息相比，辨识准确度得到了明显提高。　　（4）建立了一种基于分层模糊综合评价算法的驾驶行为评估模型。由上述方案得到的辨识结果可以判别出驾驶员在某段时间内的不良驾驶行为。本文采用分层模糊综合评价算法设计了一种驾驶行为评估模型，并通过实际数据验证了其可行性。　　通过实验表明，本文所设计的四种驾驶行为辨识系统均具有可行性，其中基于多传感器信息融合的驾驶行为辨识系统显著提高了驾驶行为辨识的准确度，同时提出的驾驶行为评估模型可以基于行为辨识信息进行有效评估。