随着交通运输业的快速发展,对于石油运输企业而言,由驾驶员的不良驾驶行为引起的问题越来越突出,一方面每年发生的各类交通事故中,驾驶员的不良驾驶行为,如急加速、急刹车等导致严重的交通事故的发生,另一方面,驾驶员的怠速行驶、档位不匹配行驶等又导致企业的油耗成本急剧增加。而传统的管理手段已经无法满足企业的管理要求,因此有必要借助信息化的手段实现对驾驶人员的驾驶行为的监控管理。本文以中国石油天然气运输公司全国范围内的运输业务为基础,结合在各单位的调研结果,采用基于Hadoop的大数据分析处理框架技术,对运输公司保存的海量历史数据进行存储和处理,确立驾驶行为综合评价的六大关键影响因子并对其进行相关分析计算,构建最终的驾驶行为评价模型。通过评价模型,实现对驾驶员的综合打分和星级评价,依据评价结果采取针对性的培训措施,达到降低油耗,减少事故发生的目的。本文围绕驾驶行为评价分析开展了以下几点工作:首先,本文从驾驶员的不良驾驶行为对油耗和安全的影响分析,说明了驾驶行为研究的必要性,通过建立的总体架构,阐述了本论文的研究思路,通过对驾驶行为的数据来源进行分析,详细讲解了车载终端采集的数据处理的过程。其次,结合对数据处理的结果,计算出了驾驶行为评价的主要影响因素(急加速、急减速、急刹车、超速行驶、怠速行驶、档位不匹配行驶),并从驾驶行为对油耗和安全的影响角度对这六种关键影响因子展开了详细分析,建立了影响因子修正系数的计算模型,综合考虑路况、车况两种外部影响因素来确定驾驶行为综合评价的基准值,最终依托于运输公司车辆管理系统后台大数据计算服务建立驾驶行为评价模型。最后,本文以运输公司现存的海量历史数据为基础,对建立的驾驶行为评价模型进行了仿真实验,通过基于Hadoop的大数据计算,得出最终的评价分数,按照公司制定的相关星级评定标准,实现对全部驾驶员的星级评定。通过对评价结果进行分析应用,对得分低的驾驶员进行再培训学习,逐渐引导其纠正不良驾驶行为,最终达到企业降低油耗浪费、安全运行的目的。