在当今社会经济快速发展的背景下,汽车拥有量不断增加,如何有效防止道路安全事故的发生成为近年来交通研究领域重点关注的问题。驾驶员的驾驶行为作为影响交通安全问题中最重要的因素,重点关注并研究其行为对预防交通事故的发生、促进驾驶辅助系统的发展和车队管理评价驾驶员行为具有重大的意义。本文基于车载系统收集的驾驶员行为数据,采用深度信念网络算法和综合评价方法对所存储的数据进行挖掘分析,对驾驶风格进行识别,提出基于驾驶安全性行为、驾驶油耗、驾驶舒适性和驾驶熟练性四个准则的驾驶员综合评价体系,并综合利用处理后的数据对驾驶员的驾驶行为习惯进行量化综合评估。本文的主要内容如下所示:(1)为了识别驾驶行为风格,本研究提出一种基于多层有监督训练与学习微调的DBN的驾驶行为风格识别模型。论文先介绍了驾驶风格的有关知识,分析其影响因素,并提取对应的特征,用k-means对特征数据进行聚类。同时,建立多层有监督训练与学习微调的DBN识别模型,把聚类结果作为模型的输入,对驾驶行为风格进行识别,与原始DBN和BP神经网络的识别结果进行对比,实验表明本文的算法模型的识别效果较原始DBN模型和BP模型的识别效果更好。(2)针对目前国内外对驾驶行为习惯的综合评估体系较为缺少的情况,本研究提出了基于层次分析法和熵值法组合的驾驶行为综合评价体系模型。结合GPS投入成本低和其数据易收集的优势,论文先提出了多准则的驾驶行为综合评价体系,包括驾驶安全性、驾驶油耗、驾驶舒适性和驾驶熟练性四个准则。然后,论文通过层次分析法和熵值法的组合方法计算评价体系中各指标的权重赋值,对其指标定量分析,构建驾驶行为的综合评分模型,并对具体驾驶员实例分析。(3)在上述研究基础上,本文将设计并实现驾驶行为习惯分析与应用系统。在系统中,把驾驶行为风格识别和驾驶行为综合评估的结果进行可视化,并实现例如不良驾驶统计、驾驶轨迹回放和其它数据可视化显示等系统功能。