驾驶员的驾驶决策决定了驾驶的安全性,同时也影响了车辆的尾气排放以及能耗等级。保持优秀的行驶状态不仅能降低能源消耗,而且还能提高驾乘舒适性和安全性。让车辆保持优秀的行驶状态需要利用大量驾驶数据进行驾驶数据建模,根据建模处理的结果,为驾驶员提供实时的行驶状态的评价与建议,帮助驾驶员做出驾驶决策,并提升驾乘舒适性和降低能耗。为了实现公交车行驶状态优化,本文提出了一种面向评价区域的公交车行驶状态评价方法,并给出了评价区域的定义;然后采用深度学习神经网络进行公交车数据集训练,训练后的网络可以为驾驶员提供行驶状态的评价与建议,具体内容如下:①叙述了进行公交车行驶状态评价与建议的背景和意义,分析了国内外关于驾驶数据建模、对行驶状态的评价与建议以及深度学习在行驶状态方面的研究现状。②提出了本文公交车行驶状态分析的系统框架,介绍并确定了公交车行驶状态分析所使用的关键技术。③从生态驾驶的节能性与舒适性出发,介绍了基于评价区域的公交车行驶状态模型与模型中的数据处理的流程,然后根据本文划分的评价区域、时段以及空调的使用情况进行了数据分片,对每个数据分片进行聚类分析后得到优秀公交车行驶状态数据集,并将该数据集作为深度学习神经网络的训练样本。④利用长短时记忆网络设计了公交车行驶状态评价与建议的神经网络,并对本文提出的模型进行验证,实验结果表明,本文基于评价区域的公交车行驶状态模型建立的神经网络能给出合理的行驶状态的评价与建议。实验最后还给出了本文模型的实际应用场景,以及利用本文开发的实时反馈系统的跟车测试结果。