逐年攀增的汽车保有量,随之不断减少的非可再生能源与日益严重的环境污染,使人们不得不重视发展所带来的问题。但不能因噎废食,在发展的时代不进则退,应以发展的科技治理发展所带来的负面问题。本着不影响车辆的动力性的情况下,提高车辆的燃油经济性是人们不断努力的方向。基于Python编程语言平台,使用OBD检测仪采集的实时车辆运行数据,即怠速时间、热车时间、加速度、负荷率、冷却液温度、转速、速度、节气门位置和进气管绝对压力等对油耗有影响的实时运行参数数据,并以此作为自变量,油耗为因变量,提取对油耗有影响的特征参数构建多元线性、神经网络、集成三种瞬时油耗的多参数回归预测模型;并以OBD检测仪采集的原始数据为基础对其进行二次处理,衍生出新的加速比例(AR)、减速比例(RR)、怠速比例(IR)、匀速比例(CR)、加速过程中的加速度平均值(a+m)、减速过程中的加速度平均值(a.m)、最大加速度(amax+)、最大减速度(amin-)、平均速度(vm)、平均转速(nm)、节气门位置变化率均值(Tmc)、热车时间(TH)、节气门位置变化均值(Tmp)、加速过程中加速度的标准差(a+s)、减速过程中加速度标准差(a s)、速度标准差(vs)等18个与油耗相关的参数,对运行出的行驶片段做聚类分析,分别找出发动机参数和运行工况两类参数分别对油耗的影响;因有关油耗的影响参数维数过多,无法基于某一单一参数对油耗的高低作出评价,所以采用主成分分析方法进行参数降维提取出4个主成分因子,并根据主成分因子的权重(特征值),计算出油耗的综合评价指标。对上述内容所做的数据分析结果分别如下:构建的多元线性、神经网络和集成三种瞬时油耗回归预测模型精度分别为0.66、0.84和0.85,均方根误差分别为4.40、0.43和0.39,平均绝对误差分别为2.70、0.27和0.25;基于主成分分析提取的主成分因子与其相对应的权重构建的油耗综合评价指标,经pearson相关系数分析,二者之间的pearson相关系数为0.89,属于极强相关。