随着中国经济的高速发展,机动车保有量逐年激增。机动车的广泛应用提高了人民群众的生活质量,同时也带来了严重的环境污染。对驾驶员的驾驶操作进行节能分析研究,评价其节能驾驶水平,对于减少交通运输行业的能源消耗具有重要的意义。目前对驾驶员节能评价的研究忽略了车辆行驶工况对驾驶模式的影响,通常在选定的路段开展研究,存在应用场景较为单一的不足。本文提出了一种基于机器学习的驾驶员节能评价方法,将车辆行驶工况应用于驾驶员节能评价中,消除道路交通状况对节能评价的影响。首先,本文通过行程分析法划分运动学片段,基于主成分分析和聚类分析法,按车辆的行驶特点从整体上进行分类,构建车辆行驶工况数据集。其次,以分析车辆燃油经济性为主要目的,基于采集的车辆CAN总线数据,研究影响车辆燃油消耗的主要因素,归纳节能行驶特征参数。然后,基于SMOTE算法对运动学片段数据集进行处理,解决数据样本分布不平衡的问题。最后,基于机器学习算法,建立运动学片段分类模型,分类模型可根据不同分类场景,自适应选择随机森林、支持向量机、k近邻以及XGBoost中效果最佳的算法进行组合,进而分析运动学片段的节能程度。通过基于加权评分法的节能评价公式,可计算驾驶员的节能评价分数。本文对车辆行驶数据进行统计和挖掘,通过对现有驾驶员节能评价方法的对比与分析,表明本文提出的评价方法可消除道路交通状况对节能评价的影响,评价方法具有普适性,可在实际应用中推广。