随着近年来我国的汽车保有量迅速增加,道路拥挤、行车安全性下降、环境污染严重、驾驶体验下降等问题日益严重。许多相关研究已经证实,改善驾驶员的驾驶行为是解决上述问题的重要手段。目前,利用车联网技术获取的自然驾驶数据为分析和理解驾驶员的驾驶行为提供了新的方式。为了能够准确分析驾驶员的驾驶行为,首先,本文提出一种场景识别方法,能够将自然驾驶数据中隐含的驾驶员行车过程中历经的各种场景识别出来,并分析典型场景下的驾驶特征。其次,本文将驾驶特征作为确定驾驶行为评价指标的重要依据,提出一种基于多场景驾驶特征的驾驶行为综合评价方法。本文的主要研究内容如下:(1)首先,对自然驾驶数据来源及特性进行详细阐述,并提出一种场景识别方法,该方法能够从自然驾驶数据中识别驾驶场景并提取出相应驾驶场景数据。此外,利用均值滤波等方法对自然驾驶数据中的加速度等数据项进行预处理,为后续的数据分析提供便利。(2)其次,在驾驶场景研究的基础上,从自然驾驶数据中选取与驾驶行为相关的参数,分析这些参数在具体场景下的特征,并通过方差分析研究场景时间节点对驾驶特征的影响。(3)接着,提出一种基于多场景驾驶特征的驾驶行为综合评价方法。本文基于场景特征来确定驾驶行为评价指标以及评价体系,结合可拓层次分析法、熵权法、组合赋权法来确定各个指标的权重,并通过灰色白化权函数聚类法以及模糊综合评判法对驾驶员的驾驶行为进行综合评价。(4)最后,本文在自然驾驶数据及驾驶行为分析的基础之上,设计开发一套自然驾驶数据分析系统,该系统利用Hadoop的离线计算技术以及Spark Streaming的实时计算技术实现车辆状态监控、驾驶行为分析以及评价等关键功能,为改善驾驶员的驾驶行为提供建议,也为汽车产商等主体的运维服务、产品迭代开发提供可行的方案。