我国“十四五”规划进一步强调了应对能源危机与加强环境保护的重要性,提出力争到本世纪中叶达成“碳中和”的目标,并对道路交通运输行业的燃油消耗与污染排放控制提出了更高的要求。驾驶员群体是影响燃油消耗与污染排放的重要因素,研究优化驾驶员行为对减少油耗与控制污染排放将具有积极意义。因此,本文基于车联网数据对商用车驾驶员的行为经济性开展量化评价研究工作,为优化驾驶行为、制定节能策略提供理论支撑。主要研究内容如下:（1）车联网数据冗余性优化。针对建模过程中数据输入的冗余问题,改进提出一种最大相关最小冗余算法（m RMR）与主成分分析法（PCA）相结合的冗余特征优化方法（MP）,并通过具体场景中的油耗预测建模测试,检验该方法的效果。首先,将MP与BP神经网络结合建立一种基于冗余特征优化的油耗预测模型（MPBP）;其次,与基于主成分分析方法建立的油耗预测模型进行对比实验,结果显示MPBP模型油耗预测准确率比该模型提升了1.64%,其平均准确率达到94.77%,表明使用MP方法减少数据冗余的有效性。（2）驾驶行为经济性差异分类建模。为了改善节油辅助驾驶装置对驾驶行为优化不准确的问题,建立一种驾驶行为经济性差异分类模型,并用于指导节油辅助驾驶。首先,基于数理统计方法分析驾驶员在行为指标上的个人偏好;其次,将驾驶员的油耗数据划分为不同类别;最后,基于强化分类算法建立驾驶员行为经济性差异分类模型。通过仿真对该模型进行测试,仿真结果显示驾驶员个体的分类平均准确率达86.33%,表明该模型的有效性。（3）驾驶行为经济性量化评分体系构建。针对驾驶行为的经济性量化评价问题,建立了一种基于模糊综合评价算法的驾驶行为经济性评分模型和一种节能潜力计算方法,并开发出相应评价软件。首先,应用层次分析法建立了驾驶行为经济性的评价体系,结合相关分析修正了评价体系的主观性;其次,基于模糊综合评价算法将评价结果量化为经济性评分;最后,将上述理论模型进行软件二次开发转化为实车应用,并基于实车数据对评分模型与测试系统进行验证。结果显示具有不良驾驶行为的驾驶员的经济性评分较低,表明了经济性量化评分模型的正确性与评价软件的适用性。