世界人口不断增长,能源消耗量增大,环境污染日益严重,新能源和相关产业受到越来越多的重视。人们生活水平提高,汽车人均占有量持续上升,无人驾驶、辅助驾驶、智能交通近几年飞速进步。本文通过分析新能源纯电动公交车运行数据,进行纯电动汽车驾驶意图、驾驶风格、驾驶行为、驾驶模式识别,驾驶意图指驾驶员驾驶过程中希望汽车达到的某种状态,驾驶风格指驾驶习惯,而驾驶行为指驾驶员进行的某个操作,驾驶模式指在某种运行工况下,对应于不同驾驶意图的驾驶风格。本文针对研究过程中的相关问题也进行了详细说明。本次研究内容主要包括以下三个方面:(1)提出了两步填充法,解决了具有时序性特点的汽车运行数据出现的整条记录缺失的填充问题,尽可能的提高了填充准确率,并使填充数据符合汽车驱动原理及客观事实。(2)基于驾驶意图和驾驶风格运用多层感知器神经网络算法进行驾驶行为的预测,并基于运行工况,运用K均值聚类算法进行驾驶模式的识别,解决智能驾驶中出现的自动驾驶模式与驾驶员驾驶模式不匹配的问题,驾驶行为预测准确率高于90%,驾驶模式聚类效果较好。并提出驾驶模式评估参数,判断不同驾驶模式影响及参数应用。(3)运行工况在识别过程中引入了汽车控制行为指标和汽车运行状态表征,不再是单纯的时间速度曲线,改善了运行过程中工况场景只以速度来辨别的局限性。本次研究的意义是通过预测驾驶行为和识别驾驶模式,来推动自动驾驶/辅助驾驶发展,从而提高智能驾驶舒适度及驾驶效率,基于本次研究内容可以进行驱动控制、驾驶模式设计、优化驾驶能耗等研究。