物联网技术近年来飞速发展，应用深入到社会的方方面面。广泛部署的传感器传回的海量数据不断积累在后端的数据库中。如何利用这些通常仅仅是储存起来的数据为社会服务，实现从数据到价值的飞跃，引起了广泛的研究兴趣。 本文基于某地区的物联网数据平台采集的车辆加油日志数据。为了使得累积的数据发挥作用，方便快捷地为城市规划、道路交通发展提供有价值的参考信息，本文采用用户画像分析技术，通过对日志数据进行清洗与用户聚类，获取了该地区的车辆画像信息。本文围绕车辆画像，开展了以下四个方面的工作： 1、本文对混杂的日志数据进行了数据清洗，获得了较为干净的数据。并探索了这些数据值的分布，获得了对日志数据的基本认知； 2、本文分析了清洗后的原始数据，为数据设计了合适的特征结构，将原始的日志数据转化为适合于机器学习的特征向量； 3、采用K-means、Birch等多种聚类算法，对清洗后的数据进行了用户聚类；然后采用两种评估指标衡量了用户聚类的质量，根据评估指标进一步优化了特征选择和聚类结果。 4、为聚类后的车辆拟定了画像标签，并根据采集到的部分车辆的真实信息，对画像效果进行了验证。 本文通过对数据的深入研究，构造了车辆画像的特征结构。分析了多轮实验结果，本文采用K-means++算法和部分有效特征获取到了车辆最终画像。经过验证，本文获取到的车辆画像信息具有很高的准确率。