汽车行驶工况构建任务在城市汽车油耗标定与智能交通领域都发挥着重要的作用。随着我国经济的快速发展,汽车技术朝着智能化、新能源的方向发展。汽车技术变换较快,城市道路特征也在不断发生变化,同时伴有汽车数量日益增多,交通日益复杂等问题。汽车行驶工况是标定城市汽车油耗的基础,需要满足精度、粒度、符合真实环境状态等要求。汽车行驶工况构建算法常由短行程聚类算法、短行程选取算法两个部分组成。在现有的行驶工况构建方法中,常常不能有效的构建满足精度条件的行驶工况曲线,常有精度不够高,粒度不够细,不能反映城市真实道路状态等问题的出现。因此,本文对短行程聚类算法、短行程选取算法进行了研究,并提出了汽车短行程聚类模型与汽车行驶工况构建模型,利用上述模型能够构造符合条件的行驶工况曲线。本文的主要工作有:1、提出了面向城市复杂道路的短行程聚类模型（Clustering Model for Vehicle Short trip,CMVS）。对汽车行驶数据进行异常数据处理,提出行驶数据小波对行驶数据进行降噪,提升后续聚类精度。将行驶数据划分成为短行程,并对其提取了特征参数,进行主成分分析,提出短行程自组织神经网络（Self-Organizing feature Map of Vehicle Short trip,SOMVS）来对短行程进行聚类,最终得到短行程聚类结果。为后续行驶工况构建模型提供数据来源,有效的提高了聚类精度。2、提出了细粒度汽车行驶工况构建模型（Fine-grained Driving Cycle Construction Model,FDCCM）。为了对行驶工况进行更细粒度的划分,提出了行程区域分类算法（Short trip sets classification,STSC）。对短行程进行分类,将短行程划分为行程区域。对FDCCM模型进行训练,并提出了状态构建算法（State Sequence Generate,SSG）以及行驶工况构建算法（Driving Cycle Generate,DCG）对行驶工况进行构建,提高了构建的行驶工况的精度。3、结合上述CMVS聚类模型以及FDCCM汽车行驶工况构建模型,设计并实现了复杂环境下汽车行驶工况构建系统。对该系统的需求分析、系统架构设计、系统开发环境、系统模块的设计与实现以及系统测试五个方面进行了详细的介绍。其中详细描述了系统模块设计与实现,给出了各个模块的相互关系、底层实现方式,对系统进行了展示介绍。对系统进行了测试,结果证明了该系统的可行性与合理性。