怠速起停技术是一项为了车辆在行驶过程中达到节能减排的技术,但由于没有考虑实际交通道路复杂多变的特点,怠速起停系统的节能效果达不到理想状态。其中频繁短暂地关闭起动发动机不仅达不到节油目的,反而增加了油耗的排放,同时也影响驾驶的舒适性。另一方面,发动机的频繁停止起动磨损了起动电机和发动机相关固件,降低了蓄电池的使用性能,增加了起动瞬间的尾气排放恶化。因此,研究基于多信息融合的怠速起停控制策略,能够提高怠速起停系统的性能,减少无效怠速停止和频繁起停,对节能减排具有重大意义。本文的主要研究内容如下:（1）汽车行驶工况的构建根据采集的车辆行驶数据信息,对数据进行预处理、划分成运动学片段,并且提取每个运动学片段的特征参数,用主成分分析法对特征参数进行降维。其次用k均值聚类将运动学片段分为四类,并对各类别的拥堵程度进行分析。最后在相关系数法的基础上,按降序和时间选择具有代表性的运动学段,构建基于交通拥堵程度分类的四种行驶工况,分别为严重拥堵、相对拥堵、相对通畅和通畅行驶工况。并将此处构建的四类行驶工况作为后续车速预测和怠速起停控制策略研究的基础。（2）交通控制信号获取车辆停车的时间长短决定车辆是否应用怠速起停的条件之一,通过交通控制信号的获取可以决定车辆的停车时间长度。首先对采集的交通信号灯图像,从RGB颜色空间转换到HSI颜色空间,在HSI图像基础上分割出包含信号灯信息的红色区域,并基于区域描绘子识别出红色信号灯和红灯倒计时数字形状。为了识别出红灯倒计时数字,建立标准数字模板库,从倒计时数字形状中提取特征进行模板匹配,识别出红灯倒计时数字。将此处的红灯倒计时作为怠速起停控制策略的信息条件之一。（3）行驶工况预测算法研究以上文构建的四类行驶工况为研究基础,通过行驶工况的速度值进行相关性分析,来判断工况预测的可行性。提出用Markov法和BP神经网络法对四类行驶工况分别建立车速预测模型,并用误差曲线和RMSE值对预测结果进行分析,分析后证明BP神经网络具有更佳的预测效果。所以,选用BP神经网络的预测结果来进一步计算怠速时间长度。最后将预测的怠速时间长度作为车辆怠速起停控制策略的信息条件之一。（4）基于多信息融合的怠速起停控制策略研究原有的怠速起停策略通常只考虑驾驶员意图和车辆自身信息条件,没有考虑到交通灯信号和停车时间长度对起停系统性能的影响。本文加入红灯倒计时时间和预测的停车时间作为起停的判断条件,进行多信息融合的怠速起停控制。在本文起停控制策略的使用下,理论上减少约40%的无效怠速次数,并且在严重拥堵、相对拥堵、相对通畅、通畅工况下减少16%、6.9%、8.6%和3%的无效怠速;在燃油经济性分析下,严重拥堵和通畅工况下在无策略基础下油耗分别减少25%和4.6%、在原策略基础下油耗分别减少5%和1.6%。综上,本文提出的基于多信息融合的怠速起停控制策略,可以有效地减少车辆行驶过程中的无效怠速,减少油耗和有害气体的排放。