随着汽车保有量的迅速增长,人们对汽车的性能、交通出行的通畅性和驾驶的安全性、舒适性以及经济性关注越来越高,驾驶行为分析成为了车辆和交通领域共同关注的一个研究课题。近年来,云计算技术飞速发展,解决了传统驾驶行为分析方法无法处理海量车辆驾驶数据的问题,为驾驶行为分析提供了有力的技术支持。因此,本文研究基于云计算的驾驶行为分析对智能交通及驾驶辅助系统的发展具有重要的理论意义和应用价值。本文的主要研究工作包括以下内容：(1)根据Pearson相关系数提取出与油耗及安全密切相关的特征参数,采用K-means算法、KFCM算法以及谱聚类算法分别进行聚类分析,从油耗角度最终得到三类驾驶行为：高耗油驾驶行为,中等耗油驾驶行为,低耗油驾驶行为；从安全角度最终得到三种驾驶行为：激进型驾驶行为,一般型驾驶行为,谨慎型驾驶行为。(2)基于OpenStack虚拟化技术和Spark并行处理技术构建云计算平台,研究基于云计算的并行谱聚类算法,并应用于驾驶行为大数据分析,提高算法运行效率。(3)采用谱聚类结果为样本,构建基于BP神经网络的驾驶行为安全评估和驾驶行为油耗评估在线模型。(4)实现了系统的整体设计,使用云计算平台完成了驾驶行为分析实验,并对基于BP神经网络的驾驶行为-安全评估模型和驾驶行为-油耗评估模型进行验证,实验结果表明该模型实现了准确的评估。