公交车驾乘舒适度不仅直接影响乘客以及驾驶人员的驾乘体验，而且和节能减排，绿色出行有一定的联系。良好的驾驶行为在提供较好的驾乘舒适度的同时，在汽车的安全性以及控制油耗方面也有十分显著的作用。挖掘驾驶行为数据中对驾乘舒适度有影响的特征，为驾驶行为提供优化方法，提高乘客的驾乘舒适度。
　　本文提取对舒适度影响较大的三个特征参数：速度、加速度、角速度，在以往实验的基础上，提出面向评价区域的舒适度评价方式与驾驶行为优化建议模型。为了得到面向良好舒适度的驾驶行为建议模型，引入长短时记忆网络（LSTM）对优秀的驾驶行为数据建模，提供驾驶建议。为了达到较高的预测精度，对原始数据进行了大量的预处理，包括无效的数据过滤，GPS数据校准。本文的具体内容如下：
　　①分析总结国内外驾驶行为的评估以及公交车的驾乘舒适度评价研究现状，并以之为依据说明本文方法的合理性和有效性。
　　②基于公交车驾乘舒适度及驾驶行为分析整体框架，针对驾乘舒适度展开研究，将速度、加速度、角速度作为影响驾乘舒适度的特征参数。
　　③根据已有舒适度评价标准，建立驾乘舒适度评价模型，并基于原始数据集特征，进行相应数据预处理，包括冗余数据、无效数据去除，GPS数据校准。
　　④在以往实验的基础上，提出面向评价区域的驾乘舒适度综合评价方法，给出了评价区域定义，制定了数据分片处理流程。
　　⑤采用LSTM模型实现驾驶行为预测，以模型预测出的驾驶行为数据为基础给出驾驶行为建议。