随着经济的飞速发展和城市规模的不断壮大,交通运输产生的尾气排放已经成为大气污染的重要来源。为了采取有效的路网机动车.排放控制策略,减少交通尾气对环境造成的污染,构筑绿色交通体系,需要根据车辆排放因子来对机动车排放情况进行科学量化评估。然而,排放因子计算方案的相关研究绝大多数集中在交通领域,使用计算机领域相关技术来计算排放因子的研究却是一片空白。本文从计算机领域相关技术出发,对机器学习算法在解决交通领域中的机动车排放因子的计算及预测问题上的可行性进行了研究。通过使用数据挖掘中比较成熟的机器学习算法,对采集到的机动车排放数据分析建模,最终取得了较好的预测效果。本文的主要工作内容及创新点如下:(1)本文通过对采集到的机动车排放数据分析建模,最终实现了 7个预测模型来对机动车排放因子进行预测,并给出了具体的实现过程与各个模型的效果评估。通过与MOVES模型效果的对比,证明了机器学习算法在解决机动车排放因子的计算及预测问题上的可行性,为交通领域中机动车排放因子的计算及预测方法提供了新思路。(2)本文通过对实现的7个预测模型的效果进行评估,最终发现随机森林回归模型在解决机动车排放因子的计算及预测问题上可以取得良好的效果,并给出了在本数据集上,构建随机森林回归模型所使用的具体参数。(3)本文给出了影响机动车排放因子的最重要的5个特征,即机动车瞬时速度、机动车瞬时加速度、机动车车重、机动车发动机排气量与机动车燃油类型,并给出了其相对重要性比例,这为后续在机动车排放因子的计算及预测研究中对各个特征的权重调整提供了参考。