一种驾驶行为监测方法及装置与流程

1.本技术涉及汽车安全技术领域，具体涉及一种驾驶行为监测方法及装置。


背景技术：

2.随着经济发展和生活节奏的加快，汽车等交通工具已经成为人们日常生活中不可或缺的一种工具。但是，随着交通工具的增多，近年来发生大量交通事故，并造成人员伤亡。其中，世界卫生组织于2018年12月公布的一份数据表明，每年交通事故约造成135万人死亡。
3.其中，不当的驾驶行为，例如疲劳驾驶和酒驾等，是造成交通事故的重要原因。因此，亟需一种对驾驶人员的驾驶行为进行监控，以提高交通安全的方案。


技术实现要素：

4.本技术实施例提供一种驾驶行为监测方法及装置，以实现对驾驶行为的监测。
5.第一方面，本技术实施例公开一种驾驶行为监测方法，包括：
6.根据驾驶人员在驾驶过程中的状态参数，确定驾驶行为的状态评估值；
7.根据所述驾驶行为的状态阈值确定参数，确定所述驾驶行为的状态阈值；
8.根据所述驾驶行为的状态评估值和所述驾驶行为的状态阈值，确定所述驾驶行为的类型。
9.通过上述步骤，能够确定驾驶行为的类型，从而确定所述驾驶行为是否为不当的驾驶行为。并且，本技术实施例所确定的驾驶行为的状态阈值更符合本次驾驶行为监测的场景，与采用固定阈值的方案相比，能够有效提高驾驶行为监测的准确性。
10.一种可选的设计中，所述状态参数包括：表情参数和/或生理信息参数；
11.所述表情参数包括：单位时间内眼睛睁闭次数和/或单位时间内嘴巴张闭次数；
12.所述生理信息参数包括以下参数中的至少一种：单位时间内脉搏数、心跳频率、血压和体温；
13.所述状态参数的确定时间与所述评估值的确定时间之间的时间差值小于第一时间。
14.其中，所述状态参数的确定时间与所述评估值的确定时间越接近，则所述评估值往往越贴近实际的驾驶场景。其中，所述第一时间的具体时长可根据驾驶行为监测的需求设定，通常情况下，对驾驶行为监测的准确度要求越高，所述第一时间的具体时长越短。
15.一种可选的设计中，所述表情参数通过拍摄所述驾驶人员的图像的成像装置获取；
16.所述生理信息参数通过所述驾驶人员的智能穿戴设备获取。
17.一种可选的设计中，通过以下公式，确定所述驾驶行为的状态评估值：
[0018][0019]
其中，w
评估
为所述驾驶行为的状态评估值，n1为所述状态参数的个数，ci为第i个状态参数，c
i0
为第i个状态参数的基准值，i和n1均为正整数，并且i≤n1；
[0020]
所述第i个状态参数的基准值为所述驾驶人员在正常驾驶过程中的所述第i个状态参数。
[0021]
一种可选的设计中，所述阈值确定参数包括以下参数中的至少一种：所述驾驶人员所处位置的危险系数、所述驾驶人员的疲劳程度系数、所述驾驶人员所处位置的密集程度系数和所述驾驶人员所处环境的危险系数；
[0022]
所述阈值确定参数的确定时间与所述驾驶行为的状态阈值的确定时间之间的时间差值小于第二时间。
[0023]
一种可选的设计中，通过以下公式确定所述驾驶人员所处位置的危险系数：
[0024][0025]
其中，k为所述驾驶人员所处位置的危险系数，n2为所述驾驶人员所处位置发生的状态目标值交通事故的种类，p
l
为所述驾驶人员所处位置发生第l种目标交通事故的概率，j
l
为所述第l种目标交通事故的危险系数，v为车速，l和n2均为正整数，并且l≤n2，所述目标交通事故为发生概率大于第一概率的交通事故；
[0026]
通过以下公式确定所述驾驶人员的疲劳程度系数：
[0027][0028]
其中，l为所述驾驶人员的疲劳程度系数，t为所述驾驶人员的驾驶时长，t为第一时间长度；
[0029]
通过以下公式确定所述驾驶人员所处位置的密集程度系数：
[0030]
c＝a1*b1 a2*b2 a3*b3；
[0031]
其中，c为所述驾驶人员所处位置的密集程度系数，a1、a2和a3为正数，b1为与所述驾驶人员所处位置在第一范围内的行人与车辆的数量的和，b2为与所述驾驶人员所处位置在第二范围内的行人与车辆的数量的和，b3为与所述驾驶人员所处位置在第三范围内的行人与车辆的数量的和；
[0032]
通过以下公式确定所述驾驶人员所处环境的危险系数：
[0033][0034]
m＝(g-s)*a4 d*a5；
[0035]
其中，d为所述驾驶人员所处位置的地面陡峭程度，为所述驾驶人员所在车辆的车身与水平面的夹角，g为能见度等级的总级数，s为所述驾驶人员所处环境的能见度等级，a4和a5为正数。
[0036]
一种可选的设计中，根据以下公式，确定所述驾驶行为的状态阈值：
[0037][0038]
其中，v为所述驾驶行为的状态阈值，n3为所述阈值确定参数的种类数，qz为第z种阈值确定参数的权重，rz为第z种阈值确定参数，z和n3均为正整数，并且z≤n3。
[0039]
一种可选的设计中，所述根据所驾驶行为的状态评估值和所述驾驶行为的状态阈值，确定所述驾驶行为的类型，包括：
[0040]
根据正常驾驶行为的基准值和所述驾驶行为的状态阈值，确定所述正常驾驶行为的状态目标值；
[0041]
根据所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的比较结果，确定所述驾驶行为。
[0042]
一种可选的设计中，通过以下公式确定所述正常驾驶行为的状态目标值：
[0043]w目标
＝w
基准
*(100％ v)；
[0044]
其中，w
目标
为所述正常驾驶行为的状态目标值，w
基准
为所述正常驾驶行为的基准值，v为所述驾驶行为的状态阈值。
[0045]
一种可选的设计中，所述根据所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的比较结果，确定所述驾驶行为的类型，包括：
[0046]
所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的差值大于第一阈值，确定所述驾驶行为为正常驾驶行为；
[0047]
所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的差值大于第二阈值，并且不大于所述第一阈值，确定所述驾驶行为为驾驶状态异常但具备驾驶能力；
[0048]
所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的差值不大于所述第二阈值，确定所述驾驶行为为驾驶状态异常且不具备驾驶能力；
[0049]
其中，第一阈值不小于0，第二阈值为负数。
[0050]
一种可选的设计中，还包括：
[0051]
所述驾驶行为的类型为驾驶状态异常但具备驾驶能力，提示所述驾驶人员；
[0052]
所述驾驶行为为驾驶状态异常且不具备驾驶能力，将车辆停靠在路边。
[0053]
一种可选的设计中，还包括：
[0054]
通过汗液检测仪确定所述驾驶人员的汗液内的酒精含量小于第一含量时，触发车辆启动。
[0055]
一种可选的设计中，还包括：
[0056]
在所述驾驶人员的指纹与存储的指纹库相匹配时，触发车辆启动。
[0057]
第二方面，本技术实施例提供一种驾驶行为监测装置，包括：
[0058]
处理器、第一收发接口和第二收发接口；
[0059]
所述第一收发接口用于获取驾驶人员在驾驶过程中的状态参数；
[0060]
所述第二收发接口用于获取所述驾驶行为的状态阈值确定参数；
[0061]
所述处理器用于根据驾驶人员在驾驶过程中的状态参数，确定驾驶行为的状态评估值，并根据所述驾驶行为的状态阈值确定参数，确定所述驾驶行为的状态阈值；
[0062]
所述处理器还用于根据所述驾驶行为的状态评估值和所述驾驶行为的状态阈值，确定所述驾驶行为的类型。
[0063]
一种可选的设计中，所述状态参数包括：表情参数和/或生理信息参数；
[0064]
所述表情参数包括：单位时间内眼睛睁闭次数和/或单位时间内嘴巴张闭次数；
[0065]
所述生理信息参数包括以下参数中的至少一种：单位时间内脉搏数、心跳频率、血压和体温；
[0066]
所述状态参数的确定时间与所述评估值的确定时间之间的时间差值小于第一时间。
[0067]
一种可选的设计中，所述表情参数通过拍摄所述驾驶人员的图像的成像装置获取；
[0068]
所述生理信息参数通过所述驾驶人员的智能穿戴设备获取。
[0069]
一种可选的设计中，所述处理器通过以下公式，确定所述驾驶行为的状态评估值：
[0070][0071]
其中，w
评估
为所述驾驶行为的状态评估值，n1为所述状态参数的个数，ci为第i个状态参数，c
i0
为第i个状态参数的基准值，i和n1均为正整数，并且i≤n1；
[0072]
所述第i个状态参数的基准值为所述驾驶人员在正常驾驶过程中的所述第i个状态参数。
[0073]
一种可选的设计中，所述阈值确定参数包括以下参数中的至少一种：所述驾驶人员所处位置的危险系数、所述驾驶人员的疲劳程度系数、所述驾驶人员所处位置的密集程度系数和所述驾驶人员所处环境的危险系数；
[0074]
所述阈值确定参数的确定时间与所述驾驶行为的状态阈值的确定时间之间的时间差值小于第二时间。
[0075]
一种可选的设计中，所述处理器通过以下公式确定所述驾驶人员所处位置的危险系数：
[0076][0077]
其中，k为所述驾驶人员所处位置的危险系数，n2为所述驾驶人员所处位置发生的状态目标值交通事故的种类，p
l
为所述驾驶人员所处位置发生第l种目标交通事故的概率，j
l
为所述第l种目标交通事故的危险系数，v为车速，l和n2均为正整数，并且l≤n2，所述目标交通事故为发生概率大于第一概率的交通事故；
[0078]
所述处理器通过以下公式确定所述驾驶人员的疲劳程度系数：
[0079][0080]
其中，l为所述驾驶人员的疲劳程度系数，t为所述驾驶人员的驾驶时长，t为第一时间长度；
[0081]
所述处理器通过以下公式确定所述驾驶人员所处位置的密集程度系数：
[0082]
c＝a1*b1 a2*b2 a3*b3；
[0083]
其中，c为所述驾驶人员所处位置的密集程度系数，a1、a2和a3为正数，b1为与所述驾驶人员所处位置在第一范围内的行人与车辆的数量的和，b2为与所述驾驶人员所处位置在第二范围内的行人与车辆的数量的和，b3为与所述驾驶人员所处位置在第三范围内的行人与车辆的数量的和；
[0084]
所述处理器通过以下公式确定所述驾驶人员所处环境的危险系数：
[0085][0086]
m＝(g-s)*a4 d*a5；
[0087]
其中，d为所述驾驶人员所处位置的地面陡峭程度，为所述驾驶人员所在车辆的车身与水平面的夹角，g为能见度等级的总级数，s为所述驾驶人员所处环境的能见度等级，a4和a5为正数。
[0088]
一种可选的设计中，所述处理器根据以下公式，确定所述驾驶行为的状态阈值：
[0089][0090]
其中，v为所述驾驶行为的状态阈值，n3为所述阈值确定参数的种类数，qz为第z种阈值确定参数的权重，rz为第z种阈值确定参数，z和n3均为正整数，并且z≤n3。
[0091]
一种可选的设计中，所述处理器具体用于，根据正常驾驶行为的基准值和所述驾驶行为的状态阈值，确定所述正常驾驶行为的状态目标值；
[0092]
根据所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的比较结果，确定所述驾驶行为。
[0093]
一种可选的设计中，所述处理器通过以下公式确定所述正常驾驶行为的状态目标值：
[0094]w目标
＝w
基准
*(100％ v)；
[0095]
其中，w
目标
为所述正常驾驶行为的状态目标值，w
基准
为所述正常驾驶行为的基准值，v为所述驾驶行为的状态阈值。
[0096]
一种可选的设计中，所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的差值大于第一阈值，所述处理器确定所述驾驶行为为正常驾驶行为；
[0097]
所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的差值大于第二阈值，并且不大于所述第一阈值，所述处理器确定所述驾驶行为为驾驶状态异常但具备驾驶能力；
[0098]
所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的差值不大于所述第二阈值，所述处理器确定所述驾驶行为为驾驶状态异常且不具备驾驶能力；
[0099]
其中，第一阈值不小于0，第二阈值为负数。
[0100]
一种可选的设计中，所述处理器还用于，如果所述驾驶行为的类型为驾驶状态异常但具备驾驶能力，提示所述驾驶人员，如果所述驾驶行为为驾驶状态异常且不具备驾驶能力，将车辆停靠在路边。
[0101]
一种可选的设计中，所述处理器还用于，通过汗液检测仪确定所述驾驶人员的汗
液内的酒精含量小于第一含量时，触发车辆启动。
[0102]
一种可选的设计中，所述处理器还用于，在所述驾驶人员的指纹与存储的指纹库相匹配时，触发车辆启动。
[0103]
第三方面，本技术实施例提供一种终端装置，包括：
[0104]
至少一个处理器和存储器；
[0105]
其中，所述存储器，用于存储程序指令；
[0106]
所述至少一个处理器，用于调用并执行所述存储器中存储的程序指令，所述处理器执行所述程序指令时，使得所述装置执行如第一方面所述的方法。
[0107]
第四方面，本技术实施例提供一种计算机可读存储介质，其特征在于，
[0108]
所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得所述计算机执行如第一方面所述的方法
[0109]
第五方面，本技术实施例提供一种包含指令的计算机程序产品，当所述计算机程序产品在电子设备上运行时，使得所述电子设备执行如第一方面所述的方法。
[0110]
第六方面，本技术实施例提供一种智能车，所述智能车包括上述第二方面所述的驾驶行为监测装置，或者，所述智能车包括上述第三方面所述的终端装置。
[0111]
第七方面，本技术实施例提供一种驾驶行为监测系统，所述驾驶行为监测系统包括上述第三方面所述的终端装置，以及包括成像装置、陀螺仪、能见度传感器、汗液检测仪和/或指纹采集装置。
[0112]
在本技术实施例提供的驾驶行为监测方法中，根据驾驶行为的状态阈值确定参数，确定本次用于识别驾驶行为的状态阈值，并且根据驾驶人员在驾驶过程中的状态参数，确定驾驶行为的状态评估值，再根据所述评估值和所述驾驶行为的状态阈值，确定驾驶行为的类型。因此，通过本技术实施例提供的方案，能够确定所述驾驶行为是否为不当的驾驶行为。
[0113]
进一步的，在本技术实施例提供的方案中，驾驶行为的状态阈值与该驾驶行为的状态阈值确定参数相关，在驾驶行为的状态阈值确定参数变化的过程中，所述驾驶行为的状态阈值也相应发生变化。因此，本技术实施例所确定的驾驶行为的状态阈值更符合本次驾驶行为监测的场景，与采用固定阈值的方案相比，能够有效提高驾驶行为监测的准确性。
附图说明
[0114]
图1为本技术实施例公开的一种驾驶行为监测方法的工作流程示意图；
[0115]
图2为本技术实施例公开的一种驾驶行为的状态评估值与正常驾驶行为的状态目标值的示意图；
[0116]
图3为本技术实施例公开的又一种驾驶行为监测方法的工作流程示意图；
[0117]
图4为本技术实施例公开的一种驾驶行为监测装置的结构示意图；
[0118]
图5为本技术实施例公开的又一种驾驶行为监测装置的结构示意图；
[0119]
图6为本技术实施例公开的一种驾驶行为监测装置的连接关系示意图。
具体实施方式
[0120]
下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述。
[0121]
其中，在本技术实施例的描述中，除非另有说明，“/”表示或的意思，例如，a/b可以表示a或b；本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，在本技术实施例的描述中，“多个”是指两个或多于两个。
[0122]
以下，术语“第一”、“第二”仅用于描述目的。在本技术实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
[0123]
为了下述各实施例的描述清楚简洁，首先给出相关技术的简要介绍：
[0124]
目前，汽车等交通工具已经成为人们日常生活中不可或缺的一种工具。但是，近年来发生大量交通事故，交通事故造成的人员伤亡数量持续上升。而不当的驾驶行为是造成交通事故的重要原因，其中，不当的驾驶行为通常包括酒后驾车、疲劳驾驶和通话时驾驶等。
[0125]
因此，有必要对驾驶人员的驾驶行为进行监控，以便通过监控，实现对不当的驾驶行为的规避，减少交通事故的发生。
[0126]
目前一种通用的驾驶行为监测方法中，依靠相机采集驾驶人员的图像，并对图像进行分析，确定驾驶人员的眨眼频率和嘴巴张开频率等，然后将其与预先设置的频率阈值进行对比，根据对比结果确定驾驶人员是否存在不当的驾驶行为。
[0127]
例如，通过驾驶人员的图像，确定驾驶人员的眨眼频率之后，可将该眨眼频率与预先设置的眨眼频率阈值进行对比，如果所述眨眼频率大于预先设置的眨眼频率阈值，则可确定驾驶人员的驾驶行为不当。
[0128]
但是，在该方法中，频率阈值通常是固定的，而驾驶人员在不同的状态下的表情变化频率不同，例如，驾驶人员在放松状态下和紧张状态下，表情变化频率不同，并且，不同性格的驾驶人员的表情变化频率也不相同，例如外向活泼和内向文静的驾驶人员，在同一场景下的表情变化频率也不相同。因此，通过固定的频率阈值确定驾驶行为是否不当，往往准确率较低，甚至造成驾驶行为的误判。
[0129]
在另外一种目前通用的驾驶行为监测方法中，通过驾驶人员佩戴的智能手环，采集驾驶人员的生理数据，例如脉搏、血压或体温，然后将该生理数据与预先设置的生理阈值进行对比，并根据对比结果确定驾驶人员是否存在不当的驾驶行为。
[0130]
例如，在通过所述智能手环采集到驾驶人员的脉搏之后，可将所述驾驶人员的脉搏与预先设置的脉搏阈值进行对比，如果所述驾驶人员的脉搏大于所述脉搏阈值，则可确定驾驶人员的驾驶行为不当。
[0131]
但是，在该方法中，生理阈值是固定的，不同身体状态的驾驶人员的生理数据往往不同，通过固定的生理阈值确定驾驶行为是否不当，也存在准确率较低，会造成驾驶行为的误判的问题。
[0132]
也就是说，上述的通过相机采集驾驶人员的图像，以及通过智能手环采集驾驶人员的生理数据的方案，在确定驾驶行为是否为不当驾驶行为时，所应用的状态阈值均为固定不变，难以满足实际情况，因此存在准确率低的问题。
[0133]
为了解决现有的驾驶行为监测技术存在的准确率低的问题，本技术实施例提供一种驾驶行为监测方法。该方法通常应用于一种驾驶行为监测装置，该驾驶行为监测装置可安装在车辆中，并在车辆行驶过程中，依据本技术实施例所提供的方案对驾驶人员的驾驶
行为进行监测。
[0134]
或者，所述驾驶行为监测装置可设置于远程计算机中，这种情况下，所述远程计算机可获取驾驶人员在驾驶过程中的状态参数，并基于所述状态参数，依据本技术实施例所提供的方案实现驾驶行为的监测。
[0135]
当然，所述驾驶行为监测装置还可以为其他的形式，本技术实施例对此不作限定。
[0136]
另外，所述驾驶行为监测装置中通常内置有处理器，在依据本技术实施例提供的方案监测驾驶行为的过程中，所述处理器可获取传感器传输的状态参数和阈值确定参数，或者，所述处理器可根据所述传感器传输的信息，确定相应的状态参数和阈值确定参数，并根据所述状态参数和阈值确定参数，确定所述驾驶行为的类型。
[0137]
其中，当所述驾驶行为监测装置安装在车辆中时，所述驾驶行为监测装置可为该车辆的车载终端，相应的，所述处理器为所述车载终端中内置的处理器。
[0138]
在本技术实施例中，所述传感器可设置在所述驾驶行为监测装置中，并与所述驾驶行为监测装置中的处理器相连接。
[0139]
或者，所述传感器还可以为独立于所述驾驶行为监测装置的器件，在检测到相应的信息之后，所述传感器可将所述信息传输至所述处理器，以便所述处理器确定所述驾驶人员在驾驶过程中的状态参数，以及确定驾驶行为的状态阈值确定参数，并依据本技术实施例提供的方案确定驾驶行为的类型。这种情况下，所述处理器中设置有与传感器进行数据交互的接口，通过该接口，所述处理器可以获取到所述传感器传输的信息。
[0140]
以下结合具体的附图和工作流程，对本技术实施例公开的驾驶行为监测方法进行介绍。
[0141]
参见图1所示的工作流程示意图，本技术实施例提供的驾驶行为监测方法包括以下步骤：
[0142]
步骤s11、根据驾驶人员在驾驶过程中的状态参数，确定驾驶行为的状态评估值。
[0143]
其中，所述状态参数往往包括至少一种，所述状态参数可用于反映驾驶人员的表情和/或生理信息等。
[0144]
通常情况下，在车辆行驶过程中，可周期性采集驾驶人员的状态参数，并根据所述状态参数确定各个周期下的驾驶行为的状态评估值。
[0145]
步骤s12、根据所述驾驶行为的状态阈值确定参数，确定所述驾驶行为的状态阈值。
[0146]
其中，所述阈值确定参数可包括至少一种。
[0147]
在本技术实施例中，如果需要监测驾驶行为，会根据所述驾驶行为的状态阈值确定参数，确定相应的状态阈值，因此所述阈值并非固定不变。
[0148]
步骤s13、根据所述驾驶行为的状态评估值和所述驾驶行为的状态阈值，确定所述驾驶行为的类型。
[0149]
其中，在车辆行驶过程中，也可周期性采集驾驶人员的状态参数，并根据所述状态参数确定各个周期下的驾驶行为的状态评估值。
[0150]
在本技术实施例中，可将所述驾驶行为的类型划分为不当驾驶行为和正常驾驶行为，或者，还可对所述驾驶行为的类型进一步进行细化。
[0151]
另外，在上述实施例的描述，以及图1所示的工作流程示意图中，在确定所述驾驶
行为的状态评估值之后，再确定所述驾驶行为的状态阈值。在实际的监测过程中，这两个步骤并没有严格的时间先后限制，例如，还可以先根据所述驾驶行为的状态阈值确定参数，确定所述驾驶行为的状态阈值，再根据所述驾驶人员在驾驶过程中的状态参数，确定驾驶行为的状态评估值，或者，可同时确定所述驾驶行为的状态评估值和阈值，本技术实施例对此不作限定。
[0152]
在本技术实施例中，所述驾驶行为的状态评估值的确定时间与所述驾驶行为的状态阈值的确定时间之间的时间差值通常在一定时间范围内。其中，这两种时间越接近，则步骤s13中确定的驾驶行为的类型往往越准确。
[0153]
在本技术实施例提供的驾驶行为监测方法中，根据驾驶行为的状态阈值确定参数，确定本次用于识别驾驶行为的状态阈值，并且根据驾驶人员在驾驶过程中的状态参数，确定驾驶行为的状态评估值，再根据所述评估值和所述驾驶行为的状态阈值，确定驾驶行为的类型。因此，通过本技术实施例提供的方案，能够确定所述驾驶行为是否为不当的驾驶行为。
[0154]
进一步的，在本技术实施例提供的方案中，驾驶行为的状态阈值与该驾驶行为的状态阈值确定参数相关，在驾驶行为的状态阈值确定参数变化的过程中，所述驾驶行为的状态阈值也相应发生变化。因此，本技术实施例所确定的驾驶行为的状态阈值更符合本次驾驶行为监测的场景，与采用固定阈值的方案相比，能够有效提高驾驶行为监测的准确性。
[0155]
在本技术实施例提供的方案中，依靠驾驶人员在驾驶过程中的状态参数，确定驾驶行为的状态评估值，其中，所述状态参数可包括：表情参数和/或生理信息参数。
[0156]
在一种可行的实现方式中，所述表情参数包括：单位时间内眼睛睁闭次数和/或单位时间内嘴巴张闭次数。
[0157]
所述表情参数可通过拍摄所述驾驶人员的图像的成像装置获取，所述成像装置可包括相机和/或摄像机等，在一个示例中，所述相机可为驾驶员监测系统(driver monitor system，dms)相机。
[0158]
所述成像装置在拍摄包括驾驶人员的图像之后，可将该图像传输至执行本技术实施例的方案的驾驶行为装置，所述驾驶行为装置在接收到所述图像之后，对其进行图像分析，根据图像分析的结果确定所述表情参数。
[0159]
或者，所述成像装置在拍摄包括所述驾驶人员的图像之后，可对该图像进行分析，从而确定所述驾驶人员的表情参数，再将所述表情参数传输至驾驶行为监测装置，以便该驾驶行为监测装置获取所述表情参数。
[0160]
通常可通过加串/解串器，实现所述成像装置与执行本技术实施例提供的驾驶行为监测方法的装置之间的连接。
[0161]
另外，在一种可行的实现方式中，所述生理信息参数包括以下参数中的至少一种：单位时间内脉搏数、心跳频率、血压和体温。
[0162]
其中，所述生理信息参数可通过所述驾驶人员的智能穿戴设备获取，所述智能穿戴设备包括多种类型，例如智能手表和智能手环等。在驾驶人员佩戴所述智能穿戴设备之后，所述智能穿戴设备可采集所述驾驶人员的生理信息，并将所述生理信息传输至执行本技术实施例的方案的驾驶行为装置。
[0163]
进一步的，在本技术实施例中，所述状态参数的确定时间与所述评估值的确定时
间之间的时间差值小于第一时间。
[0164]
所述状态参数的确定时间与所述评估值的确定时间越接近，则所述评估值往往越贴近实际的驾驶场景。其中，所述第一时间的具体时长可根据驾驶行为监测的需求设定，通常情况下，对驾驶行为监测的准确度要求越高，所述第一时间的具体时长越短。示例性的，所述第一时间可为一分钟。
[0165]
在现有的驾驶行为监测技术中，通常只能利用驾驶人员的图像确定驾驶人员的表情变化，再根据驾驶人员的表情变化确定本次的驾驶行为是否为不当的驾驶行为，或者，只能利用驾驶人员的生理信息，确定本次的驾驶行为是否为不当的驾驶行为。这种情况下，现有技术利用的信息较为单一，从而导致驾驶行为监测的准确度较低。
[0166]
而本技术实施例提供的方案中，用于监测驾驶行为的状态参数可同时包括表情参数和生理信息参数。相对于现有技术，本技术实施例提供的方案应用的信息更加多样化，因此，能够进一步提高驾驶行为监测的准确度。
[0167]
在上述实施例中，包括根据驾驶人员在驾驶过程中的状态参数，确定驾驶行为的状态评估值的操作。其中，在本技术实施例中，可通过以下公式，确定所述驾驶行为的状态评估值：
[0168][0169]
其中，w
评估
为所述驾驶行为的状态评估值，n1为所述状态参数的个数；ci为第i个状态参数；c
i0
为第i个状态参数的基准值，i和n1均为正整数，并且i≤n1；
[0170]
所述第i个状态参数的基准值为所述驾驶人员在正常驾驶过程中的所述第i个状态参数。
[0171]
驾驶人员的驾驶行为往往包括正常驾驶行为和不当的驾驶行为，所述状态参数的基准值即为驾驶人员在正常行驶过程中确定的状态参数。
[0172]
在本技术实施例中，可预先多次采集驾驶人员在不同环境下，进行正常驾驶过程中的状态参数，并计算多次采集到的状态参数的平均值，所述状态参数的平均值即可为所述状态参数的基准值。并且，可通过成像装置和/或智能穿戴设备，确定所述驾驶人员的状态参数，再将所述基准值和所述状态参数代入公式(1)中，从而计算得到所述驾驶行为的状态评估值。
[0173]
也就是说，在本技术实施例中，所述状态参数的基准值可为所述驾驶人员在不同环境下，进行正常驾驶时的所述状态参数的平均值。其中，所述不同环境可包括不同天气、不同陡峭程度的地点和/或不同密度程度的地点等，本技术实施例对此不作限定。
[0174]
示例性的，如果所述状态参数包括血压，则可预先多次采集驾驶人员分别在不同环境下进行正常驾驶时的血压，然后计算采集到的血压的平均值，所述血压的平均值即为所述血压的基准值。
[0175]
在这一实施例中，通过n1个状态参数确定所述驾驶行为的状态评估值，n1为正整数。在一个示例中，n1为5，5个状态参数分别为单位时间内眼睛睁闭次数、单位时间内嘴巴张闭次数、单位时间内脉搏数、心跳频率、血压和体温。
[0176]
这种情况下，可通过以下公式确定所述驾驶行为的状态评估值：
[0177]w评估
＝(100％-((单位时间内眼睛睁闭次数-单位时间内眼睛睁闭次数基准数)/单位时间内眼睛睁闭次数基准数) 100％-((单位时间内嘴巴张闭次数-单位时间内嘴巴张闭次数基准数)/单位时间内嘴巴张闭次数基准数) 100％-((单位时间脉搏数-单位时间脉搏基准数)/单位时间脉搏基准数) 100％-((瞬时血压-瞬时血压基准数)/瞬时血压基准数) 100％-((瞬时体温-瞬时体温基准数)/瞬时体温基准数))/5。
[0178]
另外，在上述实施例中，还提供了根据所述驾驶行为的状态阈值确定参数，确定所述驾驶行为的状态阈值的操作。其中，所述阈值确定参数包括以下参数中的至少一种：所述驾驶人员所处位置的危险系数、所述驾驶人员的疲劳程度系数、所述驾驶人员所处位置的密集程度系数和所述驾驶人员所处环境的危险系数。
[0179]
在驾驶过程中，车辆会行驶至不同的位置，而不同位置的危险系数往往不同，危险系数越高的位置发生交通事故的可能性越高。例如，十字路口处往往交易发生交通事故，危险系数较高。而针对危险系数较高的位置，往往需要驾驶人员提高注意力，以避免交通事故的发生。因此，在本技术实施例中，可确定所述驾驶人员所处位置的危险系数为所述阈值确定参数中的一种。
[0180]
另外，如果驾驶人员较为疲劳，所述驾驶人员在驾驶过程中可能出现疲劳驾驶，即出现不当的驾驶行为，提高交通事故的发生概率。因此，在本技术实施例中，也可确定所述驾驶人员的疲劳程度系数为所述阈值确定参数中的一种。
[0181]
所述驾驶人员所处位置的密集程度也会对交通事故的发生造成影响，通常情况下，某一位置越密集，发生交通事故的可能性越大，因此，也可将所述驾驶人员所处位置的密集程度作为所述阈值确定参数中的一种。
[0182]
另外，所述驾驶人员所处环境的危险系数通常与该环境的能见度和道路的陡峭程度等相关，而且，某一环境下的危险系数越高，则该环境下发生交通事故的可能性往往越高，因此，还可将所述驾驶人员所处环境的危险系数作为所述阈值确定参数中的一种。
[0183]
除了上述参数以外，还可将其他类型的参数作为阈值确定参数，本技术实施例对此不作限定。
[0184]
进一步的，在本技术实施例中，所述阈值确定参数的确定时间与所述驾驶行为的状态阈值的确定时间之间的时间差值小于第二时间。
[0185]
所述阈值确定参数的确定时间与所述驾驶行为的状态阈值的确定时间越接近，则所述驾驶行为的状态阈值往往越贴近实际的驾驶场景。其中，所述第二时间的具体时长可根据驾驶行为监测的需求设定，通常情况下，对驾驶行为监测的准确度要求越高，所述第二时间的具体时长越短。并且，所述第一时间和第二时间可相同也可不同，本技术实施例对此不作限定。示例性的，所述第二时间也可为一分钟。
[0186]
在上述实施例中，提供了多种形式的状态阈值确定参数。为了明确不同阈值确定参数的确定方式，本技术还提供以下的实施例。
[0187]
在本技术提供的一种可行的实现方式中，通过以下公式确定所述驾驶人员所处位置的危险系数：
[0188][0189]
其中，k为所述驾驶人员所处位置的危险系数，n2为所述驾驶人员所处位置发生的
目标交通事故的种类，p
l
为所述驾驶人员所处位置发生第l种目标交通事故的概率，j
l
为所述第l种目标交通事故的危险系数，v为车速，l和n2均为正整数，并且l≤n2，所述目标交通事故为发生概率大于第一概率的交通事故。
[0190]
驾驶人员所处位置的危险系数，往往与该位置发生交通事故的概率、交通事故的危险系数和驾驶过程中的车速相关。这种情况下，通过公式(2)，即可确定驾驶人员所处位置的危险系数。
[0191]
在本技术实施例提供的方案中，可预先结合地图和大数据分析，确定地图中各个位置发生交通事故的概率。或者，还可以通过查询交通管理中心的记录，确定各个位置发生交通事故的概率。当然，还可以通过其他方式确定各个位置发生事故的概率，本技术实施例对此不作限定。
[0192]
在驾驶过程中，可根据全球定位系统(global positioning system，gps)，确定所述驾驶人员所处位置。其中，gps可与执行本技术实施例的方法的驾驶行为监测装置相连接，或者，上述gps内置在所述驾驶行为监测装置之中。
[0193]
在确定所述驾驶人员所处位置之后，再根据所述驾驶人员所处位置以及之前确定的各个位置发生交通事故的概率，确定所述驾驶人员所处位置发生各种交通事故的概率，并进一步确定其中发生概率大于第一概率的目标交通事故。
[0194]
另外，不同交通事故的危险系数往往不同，而危险系数越高的交通事故，对驾驶人员造成的伤害越大。在本技术实施例提供的方案中，可设置不同交通事故与危险系数的对应关系，这种情况下，在确定所述驾驶人员所处位置的目标交通事故之后，根据所述对应关系，即可确定目标交通事故的危险系数。
[0195]
在一个示例中，可根据交通事故导致的后果，将交通事故划分为轻微事故、一般事故、重大事故和特大事故。其中，所述轻微事故指的是一次造成轻伤1至2人，或者财产损失的数额中机动车事故不足1000元，非机动车事故不足200元的事故；一般事故指的是一次造成重伤1至2人，或者轻伤3人以上，或者财产损失不足3万元的事故；重大事故指的是一次造成死亡1至2人，或者重伤3人以上10人以下，或者财产损失3万元以上不足6万元的事故；特大事故指的是一次造成死亡3人以上，或者重伤11人以上，或者死亡1人，同时重伤8人以上，或者死亡2人，同时重伤5人以上，或者财产损失6万元以上的事故。
[0196]
在该示例中，可设置轻微事故、一般事故、重大事故和特大事故对应的危险系数分别为η1、η2、η3和η4，其中，η1、η2、η3和η4为依次递增的正数。例如，可设置η1为0.1，η2为0.2,η3为0.3，以及可设置η4为0.4。
[0197]
当然，还可以按照其他方式划分各交通事故的类型，并分别设置各类型的交通事故对应的危险系数，并申请实施例对此不作限定。
[0198]
在确定所述驾驶人员所处位置的目标交通事故，以及所述目标交通事故的危险系数之后，将目标交通事故的发生概率和危险系数代入上述的公式(2)，据此即可确定所述驾驶人员所处位置的危险系数。
[0199]
另外，在本技术实施例中，所述阈值确定参数还可包括驾驶人员的疲劳程度系数。其中，在驾驶人员的驾驶过程中，驾驶人员的疲劳程度通常与驾驶时长相关，并且，所述驾驶时长越长，通常驾驶人员越疲劳。
[0200]
这种情况下，在本技术实施例提供的方案中，可通过以下公式确定所述驾驶人员
的疲劳程度系数：
[0201][0202]
其中，l为所述驾驶人员的疲劳程度系数，t为所述驾驶人员的驾驶时长，t为第一时间长度。
[0203]
在本技术实施例中，可设置第一时间长度，所述第一时间长度通常为驾驶人员能够保持正常驾驶行为的最大时间长度。在驾驶人员的驾驶时长小于所述第一时间长度时，驾驶人员的疲劳程度随驾驶时长的增加而增加。在驾驶人员的驾驶时长达到所述第一时间时，驾驶人员往往达到较高的疲劳程度，并且，在驾驶时长超过所述第一时间长度之后，驾驶人员的驾驶行为通常为疲劳驾驶行为。
[0204]
在《中华人民共和国道路交通安全法实施条例》第六十二条中规定，连续驾驶机动车超过4小时应停车休息，停车休息时间不少于20分钟。也就是说，驾驶人员不得连续驾驶机动车超过4小时。因此，在本技术实施例中，第一时间长度可设置为4小时。
[0205]
在一种可行的实现方式中，通过以下公式确定所述驾驶人员所处位置的密集程度系数：
[0206]
c＝a1*b1 a2*b2 a3*b3
ꢀꢀꢀ
公式(4)；
[0207]
其中，c为所述驾驶人员所处位置的密集程度系数，a1、a2和a3为正数，b1为与所述驾驶人员所处位置在第一范围内的行人与车辆的数量的和，b2为与所述驾驶人员所处位置在第二范围内的行人与车辆的数量的和，b3为与所述驾驶人员所处位置在第三范围内的行人与车辆的数量的和。
[0208]
驾驶人员所处位置的密集程度系数与该位置周围的行人和车辆的数量相关，因此，在本技术实施例中，通过与所述驾驶人员所处位置在一定范围内的行人与车辆的数量的和，确定所述密集程度系数。
[0209]
在本技术实施例中，可通过成像装置获取所述驾驶人员所处位置的周边图像，并将所述周边图像传输至执行本技术实施例的驾驶行为监测方法的装置，该装置通过对所述周边图像的图像分析，可确定所述驾驶人员所处位置在一定范围内的行人与车辆的数量。
[0210]
在公式(4)中，a1、a2和a3为正数，分别用于表示第一范围内、第二范围内和第三范围内的行人与车辆的数量与所述密集程度相关的系数，其中，与所述驾驶人员所处位置越近的范围，该系数通常越大。
[0211]
在一个示例中，设定第一范围为距离所述驾驶人员所处位置在30米内的距离，第二范围为距离所述驾驶人员所处位置在30米至80米内的距离，第三范围为距离所述驾驶人员所处位置在80米以外的距离，其中，a1可设置为0.5，a2可设置为0.3，a3可设置为0.2。
[0212]
相应的，在这一示例中，所述驾驶人员所处位置的密集程度系数可通过以下公式确定：
[0213]
c＝0.5*(距离所述驾驶人员所处位置在30米内的行人与车辆数的和) 0.3*(距离所述驾驶人员所处位置在30米内的30至80米内行人与车辆数的和) 0.2*(距离所述驾驶人员所处位置在30米内的80外行人与车辆数的和)。
[0214]
在本技术实施例提供的一种可行的实现方式中，通过以下公式确定所述驾驶人员所处环境的危险系数：
[0215][0216]
m＝(g-s)*a4 d*a5
ꢀꢀꢀ
公式(6)。
[0217]
其中，d为所述驾驶人员所处位置的地面陡峭程度，为所述驾驶人员所在车辆的车身与水平面的夹角，g为能见度等级的总级数，s为所述驾驶人员所处环境的能见度等级，a4和a5为正数。
[0218]
驾驶人员所处环境的危险系数往往与该环境的地面陡峭程度以及该环境的能见度相关。其中，该环境的地面陡峭程度越高，则表示该地面越陡峭，相应的，则针对驾驶行为来说该环境越危险。
[0219]
另外，在不同天气和时间下，驾驶人员所处环境的能见度往往不同。并且，驾驶人员所处环境的能见度越低，在驾驶过程中，驾驶人员规避障碍物的可能性越低，因此，该环境的能见度越低，则针对驾驶行为来说，该环境越危险。
[0220]
在本技术实施例提供的方案中，可通过公式(5)，确定所述驾驶人员所处位置的地面陡峭程度。该公式中，可通过设置在车辆的陀螺仪确定车身与水平面的夹角该陀螺仪可将检测到夹角的传输至执行本技术实施例提供的驾驶行为监测装置，然后再由驾驶行为监测装置将获取到的夹角代入公式(5)，从而确定所述驾驶人员所处位置的地面陡峭程度d。示例性的，所述陀螺仪可为三轴陀螺仪。
[0221]
另外，在本技术实施例提供的方案中，还可设置多个能见度范围分别对应的能见度等级，并且通过能见度传感器，确定所述驾驶人员所处环境的能见度范围。这种情况下，所述能见度传感器在检测到所处环境的能见度之后，将检测到的所述能见度传输至执行本技术实施例提供的驾驶行为监测装置，所述驾驶行为监测装置根据获取到的能见度所属的能见度范围，确定所述驾驶人员所处环境的能见度等级。
[0222]
其中，所述能见度传感器可设置在车辆外侧，或者，所述能见度传感器还可设置在车辆经过的路口周边，例如，可设置在车辆经过的路口的栏杆上。
[0223]
在公式(6)中，a4和a5分别为所述驾驶人员所处环境的能见度等级在所述环境的危险系数中占据的比例，以及所述驾驶人员所处环境地面陡峭程度在所述环境的危险系数中占据的比例。
[0224]
在一个示例中，设置a4和a5均为0.5，而设置的能见度等级的总级数为9，这种情况下，可通过以下公式确定所述驾驶人员所处环境的危险系数：
[0225]
m＝(9-s)*0.5 d*0.5。
[0226]
在上述实施例中，分别介绍了不同的状态阈值确定参数的确定方式。在确定所述的状态阈值确定参数之后，可通过所述的状态阈值确定参数确定所述驾驶行为的状态阈值。其中，在本技术实施例中，可通过以下公式确定所述驾驶行为的状态阈值：
[0227][0228]
其中，v为所述驾驶行为的状态阈值，n3为所述阈值确定参数的种类数，pz为第z种
阈值确定参数的权重，rz为第z种阈值确定参数，z和n3均为正整数，并且z≤n3。
[0229]
在本技术实施例中，可包括至少一种阈值确定参数，并通过所述至少一种阈值确定参数确定所述驾驶行为的状态阈值。
[0230]
在一种可行的实现方式中，可根据以下公式，确定所述驾驶行为的状态阈值：
[0231][0232]
其中，v为所述驾驶行为的状态阈值，n3为所述阈值确定参数的种类数，qz为第z种阈值确定参数的权重，rz为第z种阈值确定参数，z和n3均为正整数，并且z≤n3。
[0233]
在公式(7)中，通过n3种阈值确定参数，确定所述驾驶行为的状态阈值。另外，n3种阈值确定参数的权重满足这一条件，即n3种阈值确定参数的权重之和等于1。
[0234]
通过上述提供的各种阈值确定参数的确定方法可知，各阈值确定参数并非固定不变，而是可随着驾驶过程的实际情况进行相应的调整，从而使根据所述阈值确定参数确定的所述驾驶行为的状态阈值更贴近实际的驾驶场景，进一步提高驾驶行为监测的准确度。
[0235]
示例性的，在所述n3种阈值确定参数中可包括所述驾驶人员所处位置的危险系数。根据上述介绍可知，在确定所述驾驶人员所处位置的危险系数时，考虑到了所述驾驶人员所处位置的易发生的交通事故的危险系数，以及驾驶过程中的车速。因此，基于所述驾驶人员所处位置的危险系数确定的驾驶行为的状态阈值，能够随所述易发生的交通事故的危险系数和车速的变化而变化。
[0236]
另外，在所述n3种阈值确定参数中可包括所述驾驶人员的疲劳程度系数，根据上述介绍可知，在确定所述驾驶人员的疲劳程度系数时，考虑到了所述驾驶人员的驾驶时长。这种情况下，基于所述驾驶人员的疲劳程度系数确定的驾驶行为的状态阈值，能够随驾驶人员的驾驶时长的变化而变化。
[0237]
在所述n3种阈值确定参数中还可包括所述驾驶人员所处位置的密集程度系数，根据上述介绍可知，在确定所述驾驶人员所处位置的密集程度系数时，考虑到了所述驾驶人员所处位置周边的车辆和行人的数量，因此，基于所述密集程度系数确定的驾驶行为的状态阈值，能够随所述驾驶人员所处位置周边的车辆和行人的数量的变化而变化。
[0238]
另外，所述n3种阈值确定参数中还可包括所述驾驶人员所处环境的危险系数，并且，根据上述介绍可知，在确定所述驾驶人员所处环境的危险系数时，考虑到了所处环境的能见度等级和车辆所在位置的地面陡峭程度。这种情况下，基于所述驾驶人员所处环境的危险系数确定的驾驶行为的状态阈值，能够随环境的能见等级和地面陡峭程度的变化而变化。
[0239]
也就是说，通过本技术实施例的方案确定驾驶行为的状态阈值时，会考虑到实际的驾驶场景中，影响驾驶行为的各个要素，从而能够使驾驶行为的状态阈值更符合实际的驾驶场景，满足驾驶行为监测的监测需求，提高驾驶行为监测的准确度。
[0240]
进一步的，在现有技术中，用于确定驾驶行为是否为不当的驾驶行为的阈值通常为固定不变的。如果该阈值较高，为了保持正常的驾驶行为，驾驶人员一直需要保持较高的注意力，驾驶人员的精神会一直处于紧绷状态，更容易出现疲劳驾驶，导致事与愿违。而如
果该阈值较低，可能会将不当的驾驶行为确认为正常的驾驶行为，提高了监测准确度降低的概率。
[0241]
而本技术实施例提供的方案所确定的状态阈值可随实际的驾驶场景调整，从而能够在提高监测准确度的同时，避免驾驶人员一直处于精神紧绷的状态，有效缓解驾驶人员的疲劳。
[0242]
在上述的实施例中，分别提供了确定驾驶行为的状态评估值和驾驶行为的状态阈值的操作。在确定所述驾驶行为的状态评估值和阈值之后，还可根据所述驾驶行为的状态评估值和所述驾驶行为的状态阈值，确定所述驾驶行为的类型。
[0243]
在本技术实施例中，所述根据所驾驶行为的状态评估值和所述驾驶行为的状态阈值，确定所述驾驶行为的类型，通常包括以下步骤：
[0244]
首先，根据正常驾驶行为的基准值和所述驾驶行为的状态阈值，确定所述正常驾驶行为的状态目标值；
[0245]
然后，根据所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的比较结果，确定所述驾驶行为。
[0246]
其中，所述正常驾驶行为的基准值通常根据各个状态参数的基准值确定。
[0247]
在一种可行的实现方式中，可通过以下公式确定所述正常驾驶行为的基准值：
[0248][0249]
在公式(8)中，w
基准
为所述正常驾驶行为的基准值，n4为计算所述正常驾驶行为的基准值的状态参数的个数，c
β0
为第β个状态参数的基准值，c
β
为保持正常驾驶状态下，第β个状态参数的最差值，β和n4均为正整数，并且β≤n4。
[0250]
其中，所述第β个状态参数的最差值可为所述第β个状态参数的最高值。在不同环境下保持正常驾驶时，同一个状态参数所需要的数值往往不同。例如，在地面平稳且人流量低的地区驾驶时，驾驶人员在正常驾驶时的心跳频率较低，而在地面陡峭且人流密集的地区驾驶时，所述驾驶人员在正常驾驶时的心跳频率较高，这种情况下，心跳频率的最差值即为驾驶人员在正常驾驶时的心跳频率的最高值。
[0251]
在一种可行的实现方式中，通过以下公式确定所述正常驾驶行为的状态目标值：
[0252]w目标
＝w
基准
*(100％ v)
ꢀꢀꢀ
公式(9)；
[0253]
其中，w
目标
为所述正常驾驶行为的状态目标值，w
基准
为所述正常驾驶行为的基准值，v为所述驾驶行为的状态阈值。例如，若v为20％，则w
目标
为w
基准
的1.2倍。
[0254]
在本技术实施例中，可将所述驾驶行为划分为正常的驾驶行为和不当的驾驶行为，这种情况下，如果所述驾驶行为的状态评估值不小于所述驾驶行为的状态目标值，则可认为所述驾驶行为为正常的驾驶行为，另外，如果所述驾驶行为的状态评估值小于所述驾驶行为的状态目标值，则可认为所述驾驶行为为不当的驾驶行为。
[0255]
在一个示例中，设定计算所述正常驾驶行为的基准值的状态参数为心跳频率，并且，心跳频率的基准值为100，在保持正常驾驶状态下，心跳频率的最差值为120，这种情况下，基于公式(8)，可以计算得到w
基准
＝(1-20/100)/1＝80％。
[0256]
另外，在该示例中，设定所述驾驶行为的状态阈值v为20％，则根据公式(9)，可得
到所述正常驾驶行为的状态目标值w
目标
＝80％*(100％ 20％)＝96％。
[0257]
这种情况下，如果检测得到驾驶人员实际的心跳频率为105，则根据公式(1)，可计算得到所述驾驶行为的状态评估值w
评估
＝(1-5/100)/1＝95％，而95％《96％，即所述驾驶行为的状态评估值小于所述正常驾驶行为的状态目标值，则可确定所述驾驶行为为不当的驾驶行为。
[0258]
进一步的，在本技术实施例中，还可对不当的驾驶行为进行细分，这种情况下，所述不当的驾驶行为可被划分为驾驶状态异常但具备驾驶能力的驾驶行为和驾驶状态异常且不具备驾驶能力的驾驶行为。也就是说，在本技术实施例中，可将驾驶行为划分为正常驾驶行为、驾驶状态异常但具备驾驶能力的驾驶行为和驾驶状态异常且不具备驾驶能力的驾驶行为三种。
[0259]
这种情况下，在本技术实施例中，所述根据所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的比较结果，确定所述驾驶行为，包括：
[0260]
所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的差值大于第一阈值，确定所述驾驶行为为正常驾驶行为；
[0261]
所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的差值大于第二阈值，并且不大于所述第一阈值，确定所述驾驶行为为驾驶状态异常但具备驾驶能力；
[0262]
所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的差值不大于所述第二阈值，确定所述驾驶行为为驾驶状态异常且不具备驾驶能力；
[0263]
其中，第一阈值不小于0，第二阈值为负数。
[0264]
在本技术实施例中，所述第一阈值不小于0，如果驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的差值大于第一阈值，则表明所述驾驶行为的状态评估值大于所述正常驾驶行为的状态目标值，这种情况下，可确定所述驾驶行为为正常驾驶行为。
[0265]
另外，所述第二阈值为负数，如果所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的差值大于第二阈值，并且不大于所述第一阈值，则表明所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值较为接近，这种情况下，可确定所述驾驶行为为驾驶状态异常但具备驾驶能力。
[0266]
如果所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的差值不大于所述第二阈值，则与所述正常驾驶行为的状态目标值相比，所述驾驶行为的状态评估值较小，这种情况下，通常可确定所述驾驶行为为驾驶状态异常且不具备驾驶能力。
[0267]
通过上述步骤，能够根据驾驶驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的比较结果，确定所述驾驶行为的类型。
[0268]
并且，在上述确定驾驶行为的类型的方法中，将驾驶行为的状态评估值与所述正常驾驶行为的状态目标值进行比较，而所述正常驾驶行为的状态目标值随驾驶行为的状态阈值的变化而变化，而在不同的驾驶场景下，用于确定驾驶行为是否为正常的驾驶行为的状态阈值一直在调整。因此，不同的驾驶场景下，如果保持正常的驾驶行为，驾驶人员的状态可不同。其中，状态阈值较小的驾驶场景与状态阈值较大的驾驶场景相比，为了保持正常的驾驶行为，驾驶人员所需的注意力较小。
[0269]
这种情况下，有助于驾驶人员根据实际的驾驶场景调整驾驶时的状态，在驾驶行为的阈值较小的驾驶场景下，正常驾驶行为下的驾驶人员的注意力可稍微降低，从而使驾
驶人员减少疲惫感。在驾驶行为的阈值较高的驾驶场景下，正常驾驶行为下的驾驶人员的注意力需要提高，从而减少交通事故的发生，提高驾驶的安全性。
[0270]
示例性的，驾驶人员在人烟稀少的地区驶入人员密集的闹市时，为了保持正常的驾驶行为，需要提高注意力。
[0271]
相应的，本技术实施例提供了图2，图2为驾驶行为的状态评估值与正常驾驶行为的状态目标值的示意图。在图2所示的坐标轴中，横轴表示驾驶时间，实线表示不同驾驶时间下的驾驶行为的状态评估值，虚线表示不同驾驶时间下正常驾驶行为的状态目标值，而其中的箭头表示驾驶人员需要调整驾驶状态。
[0272]
在图2中，在不同的驾驶时间下，由于驾驶行为的状态阈值的不同，所述正常驾驶行为的状态目标值也不同。并且，在这一示例中，设定第一阈值为0，则如果所述驾驶行为的状态评估值大于所述正常驾驶行为的状态目标值，所述驾驶行为即为正常的驾驶行为，如果所述驾驶行为的评估值不大于所述正常驾驶行为的状态目标值，所述驾驶行为为不当的驾驶行为。
[0273]
另外，参见图2所示的箭头可知，如果所述驾驶行为为驾驶状态异常但具备驾驶能力，则可通过提示，使驾驶人员调整驾驶状态，以便进入正常的驾驶状态。
[0274]
并且，根据图2可知，在保持正常的驾驶行为的情况下，随着正常驾驶行为的状态目标值的变化，驾驶行为的状态评估值也可随之变化，相应的，驾驶人员的状态可适当调整，从而能够在保障正常的驾驶行为的情况下，避免驾驶人员一直处于精神紧绷的状态，有助于减少驾驶人员出现疲劳驾驶的状态，提高交通安全。
[0275]
进一步的，在确定所述驾驶行为的类型之后，如果所述驾驶行为并非正常的驾驶行为，为了减少交通事故的发生，在本技术实施例中，还可包括以下操作：
[0276]
所述驾驶行为的类型为驾驶状态异常但具备驾驶能力，提示所述驾驶人员；
[0277]
所述驾驶行为为驾驶状态异常且不具备驾驶能力，将车辆停靠在路边。
[0278]
如果所述驾驶行为的类型为驾驶状态异常但具备驾驶能力，则表明驾驶人员在调整自身状态之后，可进入正常驾驶状态，这种情况下，本技术实施例可提示所述驾驶人员。具体的，本技术实施例可进行多级信息提示。例如初始的提示为低声语音提示，如果多次语音提示之后，驾驶人员的状态未发生变化，可提高提醒频率和提醒的音量，并且，还可以触动智能穿戴设备进行间歇性的震动，如果这种情况下，驾驶人员的状态还未发生变化，可继续加大提示力度，直至发动机熄火，终止驾驶行为。
[0279]
另外，如果所述驾驶行为为驾驶状态异常且不具备驾驶能力，为了避免发生交通事故，则将车辆停靠在路边，终止本次的驾驶行为。
[0280]
在路边停车之后，还可控制车辆开启双跳灯，并且，还可联系医疗救急中心或者交警中心。另外，如果驾驶人员预先在执行本技术实施例提供的驾驶行为监控方法的装置中设置有紧急联系人的联系方式，还可以联系紧急联系人。
[0281]
进一步的，还可向紧急联系人、医疗救急中心或交警中心发送定位信息，以及向医疗救急中心或交警中心传送实时的热成像画面、脉搏、血压和体温等各项生理数据，以及开启智能穿戴设备的通话功能。
[0282]
而在现有技术中，通常在确定驾驶行为为不当的驾驶行为后，则车载终端发出报警信息，向110报警，从而会浪费大量警力资源。
[0283]
而在本技术实施例提供的方案中，可将不当的驾驶行为进行细分，将不当的驾驶行为划分为驾驶状态异常但具备驾驶能力的驾驶行为和驾驶状态异常且不具备驾驶能力的驾驶行为，并且，对其采用不同的提示方案，实现对不当的驾驶行为的分级提示。与现有技术相比，本技术的方案避免了警力资源的浪费。
[0284]
进一步的，在本技术实施例提供的方案中，还包括以下步骤：
[0285]
通过汗液检测仪确定所述驾驶人员的汗液内的酒精含量小于第一含量时，触发车辆启动。
[0286]
其中，如果某一驾驶人员的汗液内的酒精含量不小于第一含量，则通常认为所述驾驶人员酒后驾驶(即酒驾)。这种情况下，为了提高交通安全，通常暂停车辆的启动。而如果所述驾驶人员的汗液内的酒精含量小于第一含量时，则可认为所述驾驶人员并非酒后驾驶，则可触发车辆启动。
[0287]
所述汗液检测仪可设置在驾驶人员佩戴的智能穿戴设备的接近人体皮肤的一侧，例如，所述智能穿戴设备可为智能手表，则所述汗液检测仪可设置在智能手表的表盘背面，或者，所述智能穿戴设备可为智能手环，则所述汗液检测仪可设置在所述智能手环贴近手腕的一面。并且，设置有汗液检测仪的智能穿戴设备与获取所述驾驶人员的生理信息参数的智能穿戴设备可为同一智能穿戴设备，也可为不同的智能穿戴设备，本技术实施例对此不作限定。
[0288]
另外，所述汗液检测仪还可设置在车辆上的某一位置，这种情况下，驾驶人员在触控该位置时，设置在该位置的汗液检测仪可检测所述驾驶人员的汗液内的酒精含量。例如，所述汗液检测仪可设置在车辆的方向盘上。
[0289]
其中，所述汗液检测仪中可包括：汗液采集单元、酒精传感器、模电转换器和微控制单元(microcontroller unit，mcu)。所述汗液采集单元可为纸、聚合物纤维或是水凝胶的等材料制成，用于采集驾驶人员的汗液，所述酒精传感器和模电转换器对汗液中包含的酒精含量进行量化，并将量化结果传输至mcu，所述mcu根据所述量化结果，确定所述驾驶人员的汗液内的酒精含量是否小于第一含量，并将确定的结果传输至执行本技术实施例提供的驾驶行为监测方法的装置，如果根据所述mcu的传输，确定所述驾驶人员的汗液内的酒精含量不小于第一含量，则表明所述驾驶人员不适合驾驶，所述装置会控制所述车辆暂停启动。另外，如果根据所述mcu的传输，确定所述驾驶人员的汗液内的酒精含量小于第一含量，则表明所述驾驶人员未出现酒驾，执行本技术实施例提供的驾驶行为监测方法的装置可允许所述车辆启动。
[0290]
或者，所述汗液检测仪中可包括：汗液采集单元、酒精传感器和模电转换器，所述汗液采集单元采集驾驶人员的汗液，所述酒精传感器和模电转换器对汗液中包含的酒精含量进行量化，并将量化结果传输至执行本技术实施例提供的驾驶行为监测方法的装置，所述装置根据所述量化结果，确定所述驾驶人员的汗液内的酒精含量是否小于第一含量，如果小于，则所述装置允许所述车辆启动，如果不小于，则所述装置暂停车辆的启动。
[0291]
在目前常用的一种方案中，驾驶人员佩戴的智能手环可采集驾驶人员呼出的气体，并通过对该气体的分析，确定气体中的酒精含量，并进一步确定驾驶人员是否发生酒驾。
[0292]
但是在采用这一方案时，驾驶人员呼出的气体容易受到周围空气的污染，并且有
些事物中含有酒精类似的成分，导致该方案确定驾驶人员是否发生酒驾的准确性较低。而且，该方案通常在驾驶人员驾驶的过程中进行酒精含量的检测，这种情况下，驾驶人员已经开始驾驶，降低了道路交通的安全性。
[0293]
而本技术实施例中，通过汗液中的酒精含量，确定驾驶人员是否发生酒驾。根据近年来的科学研究发现，人体汗液中的酒精含量与血液中的酒精含量呈正相关关系。通过汗液中的酒精含量来判断，高效清洁，不易受到外界空气的影响，可靠性较高，从而提高了确定驾驶人员是否酒驾的准确性。
[0294]
进一步的，在本技术实施例中，在确定所述驾驶人员的汗液内的酒精含量小于第一含量时，才触发车辆启动，而如果确定驾驶人员的汗液内的酒精含量不小于第一含量，则不允许车辆启动，因此，与现有技术相比，能够避免驾驶人员出现酒驾的现象，进一步提高了道路交通的安全性。
[0295]
另外，在本技术实施例中，还可以包括以下步骤：
[0296]
在所述驾驶人员的指纹与存储的指纹库相匹配时，触发车辆启动。
[0297]
其中，所述指纹库中存储的是预先采集到的至少一个驾驶人员的指纹。所述驾驶人员的指纹与所述指纹库相匹配，指的是所述驾驶人员的指纹与所述指纹库中的一个指纹为同一人的指纹。
[0298]
通过指纹的匹配，能够实现对驾驶人员的身份认证，从而只允许预先采集指纹，并将指纹存储至指纹库的驾驶人员才能驾驶车辆，进一步提高交通安全。
[0299]
在本技术实施例中，可在驾驶人员的智能穿戴设备或车辆上设置指纹采集装置，所述指纹采集装置可采集所述驾驶人员的指纹，并将采集到的指纹传输至执行本技术实施例提供的驾驶行为监测方法的装置，所述装置再将该指纹与指纹库进行匹配对比，以确定所述驾驶人员的指纹是否与所述指纹库相匹配。
[0300]
或者，在本技术实施例中，可在驾驶人员的智能穿戴设备或车辆上设置指纹匹配装置，所述指纹匹配装置中包含指纹库，这种情况下，所述指纹匹配装置可采集驾驶人员的指纹，并将采集到的指纹与所述指纹库进行匹配，再将匹配结果传输至执行本技术实施例提供的驾驶行为监测方法的装置，由该装置根据接收到的匹配结果，确定是否触发车辆启动。
[0301]
在上述的实施例中，分别提供了驾驶人员的汗液内的酒精含量小于第一含量，以及驾驶人员的指纹与指纹库相匹配的情况下，才触发车辆启动的方案。另外，还可以同时满足这两个条件下，才触发车辆启动，从而进一步提高交通安全性。
[0302]
为了明确这一方案，本技术实施例还提供了图3。参见图3所示的工作流程示意图，包括以下步骤：
[0303]
步骤s21、通过汗液检测仪，确定所述驾驶人员的汗液内的酒精含量是否小于第一含量，若是，执行步骤s22的操作，若否，执行步骤s27的操作。
[0304]
其中，所述汗液检测仪与驾驶人员的皮肤相贴合，可采集所述驾驶人员皮肤上的汗液，对汗液中包含的酒精含量进行量化，并将量化结果传输至执行本技术实施例提供的驾驶行为监测方法的装置，所述装置根据所述量化结果，确定所述驾驶人员的汗液内的酒精含量是否小于第一含量。
[0305]
或者，所述汗液检测仪可根据采集到的汗液，确定所述汗液中的酒精含量是否小
于第一含量，并将确定结果传输至执行本技术实施例提供的驾驶行为监测方法的装置。
[0306]
步骤s22、判断驾驶人员的指纹与存储的指纹库是否相匹配，若是，执行步骤s23的操作，若否，执行步骤s27的操作。
[0307]
其中，所述指纹库中存储的是预先采集到的至少一个驾驶人员的指纹。通过指纹的匹配，能够实现对驾驶人员的身份认证。
[0308]
步骤s23、触发车辆启动，从而使所述驾驶人员驾驶所述车辆。
[0309]
也就是说，通过步骤s21和步骤s22的操作，确定所述驾驶人员未酒驾，以及身份得到认证之后，才使车辆启动。
[0310]
步骤s24、根据驾驶人员在驾驶过程中的状态参数，确定驾驶行为的状态评估值。
[0311]
步骤s25、根据所述驾驶行为的状态阈值确定参数，确定所述驾驶行为的状态阈值。
[0312]
步骤s26、根据所述驾驶行为的状态评估值和所述驾驶行为的状态阈值，确定所述驾驶行为的类型。
[0313]
其中，步骤s24至步骤s26的具体操作过程与步骤s11至步骤s13的具体操作过程相同，可相互参照，此处不再赘述。
[0314]
步骤s27、暂时终止车辆的启动。
[0315]
在步骤s21至步骤s27所公开的方案中，只有同时满足驾驶人员的汗液内的酒精含量小于第一含量，以及驾驶人员的指纹与存储的指纹库相匹配的条件，才能启动车辆，从而能够进一步提高交通安全性。
[0316]
另外，在上述步骤和图3所示的示意图中，均是确定所述驾驶人员的汗液内的酒精含量小于第一含量之后，再判断所述驾驶人员的指纹与存储的指纹库是否相匹配。在实际的应用场景中，这两个步骤并没有严格的时间先后顺序，也可先确定所述驾驶人员的指纹与存储的指纹库相匹配之后，再确定所述驾驶人员的汗液内的酒精含量是否小于第一含量，或者这两个步骤同时进行。
[0317]
下述为本技术的装置实施例，可以用于执行本技术的方法实施例。对于本技术装置实施例中未披露的细节，请参照本技术的方法实施例。
[0318]
作为对上述各实施例的实现，本技术实施例公开一种驾驶行为监测装置。参见图4所示的结构示意图，本技术实施例公开的驾驶行为监测装置包括：处理器110、第一收发接口120和第二收发接口130。
[0319]
其中，所述第一收发接口120用于获取驾驶人员在驾驶过程中的状态参数；
[0320]
所述第二收发接口130用于获取所述驾驶行为的状态阈值确定参数；
[0321]
所述处理器110用于根据驾驶人员在驾驶过程中的状态参数，确定驾驶行为的状态评估值，并根据所述驾驶行为的状态阈值确定参数，确定所述驾驶行为的状态阈值；
[0322]
所述处理器110还用于根据所述驾驶行为的状态评估值和所述驾驶行为的状态阈值，确定所述驾驶行为的类型。
[0323]
通过本技术实施例提供的驾驶行为监测装置，能够根据驾驶行为的状态阈值确定参数，确定本次用于识别驾驶行为的状态阈值，并且根据驾驶人员在驾驶过程中的状态参数，确定驾驶行为的状态评估值，再根据所述评估值和所述驾驶行为的状态阈值，确定驾驶行为的类型。因此，通过本技术实施例提供的方案，能够确定所述驾驶行为是否为不当的驾
驶行为。
[0324]
进一步的，在本技术实施例提供的方案中，驾驶行为的状态阈值与该驾驶行为的状态阈值确定参数相关，在驾驶行为的状态阈值确定参数变化的过程中，所述驾驶行为的状态阈值也相应发生变化。因此，本技术实施例所确定的驾驶行为的状态阈值更符合本次驾驶行为监测的场景，与采用固定阈值的方案相比，能够有效提高驾驶行为监测的准确性。
[0325]
在本技术实施例中，所述所述状态参数往往包括至少一种，所述状态参数可用于反映驾驶人员的表情和/或生理信息等。
[0326]
在一种可行的方案中，所述状态参数包括：表情参数和/或生理信息参数；
[0327]
所述表情参数包括：单位时间内眼睛睁闭次数和/或单位时间内嘴巴张闭次数；
[0328]
所述生理信息参数包括以下参数中的至少一种：单位时间内脉搏数、心跳频率、血压和体温；
[0329]
所述状态参数的确定时间与所述评估值的确定时间之间的时间差值小于第一时间。
[0330]
其中，所述表情参数通过拍摄所述驾驶人员的图像的成像装置获取；
[0331]
所述生理信息参数通过所述驾驶人员的智能穿戴设备获取。
[0332]
这种情况下，所述第一收发接口120可分别于所述成像装置和/或所述智能穿戴设备相连接，从而获取所述表情参数和/或所述生理信息参数。
[0333]
在本技术实施例中，所述处理器通过以下公式，确定所述驾驶行为的状态评估值：
[0334][0335]
其中，w
评估
为所述驾驶行为的状态评估值，n1为所述状态参数的个数，ci为第i个状态参数，c
i0
为第i个状态参数的基准值，i和n1均为正整数，并且i≤n1；
[0336]
所述第i个状态参数的基准值为所述驾驶人员在正常驾驶过程中的所述第i个状态参数。
[0337]
在本技术实施例中，所述阈值确定参数可包括至少一种。其中，所述阈值确定参数包括以下参数中的至少一种：所述驾驶人员所处位置的危险系数、所述驾驶人员的疲劳程度系数、所述驾驶人员所处位置的密集程度系数和所述驾驶人员所处环境的危险系数；
[0338]
所述阈值确定参数的确定时间与所述驾驶行为的状态阈值的确定时间之间的时间差值小于第二时间。
[0339]
在本技术提供的一种可行的实现方式中，所述处理器通过以下公式确定所述驾驶人员所处位置的危险系数：
[0340][0341]
其中，k为所述驾驶人员所处位置的危险系数，n2为所述驾驶人员所处位置发生的状态目标值交通事故的种类，p
l
为所述驾驶人员所处位置发生第l种目标交通事故的概率，j
l
为所述第l种目标交通事故的危险系数，v为车速，l和n2均为正整数，并且l≤n2，所述目标交通事故为发生概率大于第一概率的交通事故；
[0342]
在本技术提供的一种可行的实现方式中，所述处理器通过以下公式确定所述驾驶
人员的疲劳程度系数：
[0343][0344]
其中，l为所述驾驶人员的疲劳程度系数，t为所述驾驶人员的驾驶时长，t为第一时间长度；
[0345]
在本技术提供的一种可行的实现方式中，所述处理器通过以下公式确定所述驾驶人员所处位置的密集程度系数：
[0346]
c＝a1*b1 a2*b2 a3*b3；
[0347]
其中，c为所述驾驶人员所处位置的密集程度系数，a1、a2和a3为正数，b1为与所述驾驶人员所处位置在第一范围内的行人与车辆的数量的和，b2为与所述驾驶人员所处位置在第二范围内的行人与车辆的数量的和，b3为与所述驾驶人员所处位置在第三范围内的行人与车辆的数量的和；
[0348]
在本技术提供的一种可行的实现方式中，所述处理器通过以下公式确定所述驾驶人员所处环境的危险系数：
[0349][0350]
m＝(g-s)*a4 d*a5；
[0351]
其中，d为所述驾驶人员所处位置的地面陡峭程度，为所述驾驶人员所在车辆的车身与水平面的夹角，g为能见度等级的总级数，s为所述驾驶人员所处环境的能见度等级，a4和a5为正数。
[0352]
在本技术提供的一种可行的实现方式中，，所述处理器根据以下公式，确定所述驾驶行为的状态阈值：
[0353][0354]
其中，v为所述驾驶行为的状态阈值，n3为所述阈值确定参数的种类数，qz为第z种阈值确定参数的权重，rz为第z种阈值确定参数，z和n3均为正整数，并且z≤n3。
[0355]
另外，n3种阈值确定参数的权重满足这一条件，即n3种阈值确定参数的权重之和等于1。
[0356]
在本技术实施例中，所述处理器具体用于，根据正常驾驶行为的基准值和所述驾驶行为的状态阈值，确定所述正常驾驶行为的状态目标值；
[0357]
根据所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的比较结果，确定所述驾驶行为。
[0358]
在一种可行的实现方式中，所述处理器通过以下公式确定所述正常驾驶行为的状态目标值：
[0359]w目标
＝w
基准
*(100％ v)；
[0360]
其中，w
目标
为所述正常驾驶行为的状态目标值，w
基准
为所述正常驾驶行为的基准值，v为所述驾驶行为的状态阈值。
[0361]
在本技术实施例中，可将所述驾驶行为划分为正常的驾驶行为和不当的驾驶行为，这种情况下，如果所述驾驶行为的状态评估值不小于所述驾驶行为的状态目标值，则可认为所述驾驶行为为正常的驾驶行为，另外，如果所述驾驶行为的状态评估值小于所述驾驶行为的状态目标值，则可认为所述驾驶行为为不当的驾驶行为。
[0362]
进一步的，在本技术实施例中，还可对不当的驾驶行为进行细分，这种情况下，所述不当的驾驶行为可被划分为驾驶状态异常但具备驾驶能力的驾驶行为和驾驶状态异常且不具备驾驶能力的驾驶行为。也就是说，在本技术实施例中，可将驾驶行为划分为正常驾驶行为、驾驶状态异常但具备驾驶能力的驾驶行为和驾驶状态异常且不具备驾驶能力的驾驶行为三种。
[0363]
这种情况下，所述处理器可通过以下方式划分所述驾驶行为：
[0364]
所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的差值大于第一阈值，所述处理器确定所述驾驶行为为正常驾驶行为；
[0365]
所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的差值大于第二阈值，并且不大于所述第一阈值，所述处理器确定所述驾驶行为为驾驶状态异常但具备驾驶能力；
[0366]
所述驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的差值不大于所述第二阈值，所述处理器确定所述驾驶行为为驾驶状态异常且不具备驾驶能力；
[0367]
其中，第一阈值不小于0，第二阈值为负数。
[0368]
通过上述方案，能够根据驾驶驾驶行为的状态评估值与所述正常驾驶行为的状态目标值之间的比较结果，确定所述驾驶行为的类型。
[0369]
进一步的，在确定所述驾驶行为的类型之后，如果所述驾驶行为并非正常的驾驶行为，为了减少交通事故的发生，在本技术实施例中，所述处理器还用于，如果所述驾驶行为的类型为驾驶状态异常但具备驾驶能力，提示所述驾驶人员，如果所述驾驶行为为驾驶状态异常且不具备驾驶能力，将车辆停靠在路边。
[0370]
进一步的，在本技术实施例提供的方案中，所述处理器还用于，通过汗液检测仪确定所述驾驶人员的汗液内的酒精含量小于第一含量时，触发车辆启动。
[0371]
进一步的，在本技术实施例提供的方案中，所述处理器还用于，在所述驾驶人员的指纹与存储的指纹库相匹配时，触发车辆启动。
[0372]
相应的，与上述的驾驶行为监测方法相对应的，本技术实施例还公开一种终端装置。参见图5所示的结构示意图，所述终端装置包括：
[0373]
至少一个处理器1101和存储器，
[0374]
其中，所述存储器，用于存储程序指令；
[0375]
所述处理器，用于调用并执行所述存储器中存储的程序指令，以使所述终端装置执行图1和图3对应的实施例中的全部或部分步骤。
[0376]
进一步的，该终端装置还可以包括：收发器1102和总线1103，所述存储器包括随机存取存储器1104和只读存储器1105。
[0377]
其中，处理器通过总线分别耦接收发器、随机存取存储器以及只读存储器。其中，
当需要运行该移动终端操控装置时，通过固化在只读存储器中的基本输入输出系统或者嵌入式系统中的bootloader引导系统进行启动，引导该装置进入正常运行状态。在该装置进入正常运行状态后，在随机存取存储器中运行应用程序和操作系统，从而使所述移动终端操控装置执行图1和图3对应的实施例中的全部或部分步骤。
[0378]
本发明实施例的装置可对应于上述图1和图3所对应的实施例中的驾驶行为监测装置，并且，该道路信息确定装置中的处理器等可以实现图1和图3所对应的实施例中的驾驶行为监测装置所具有的功能和/或所实施的各种步骤和方法，为了简洁，在此不再赘述。
[0379]
需要说明的是，本实施例也可以基于通用的物理服务器结合网络功能虚拟化(英文：network function virtualization，nfv)技术实现的网络设备，所述网络设备为虚拟网络设备(如，虚拟主机、虚拟路由器或虚拟交换机)。所述虚拟网络设备可以是运行有用于发送通告报文功能的程序的虚拟机(英文：virtual machine，vm)，所述虚拟机部署在硬件设备上(例如，物理服务器)。虚拟机指通过软件模拟的具有完整硬件系统功能的、运行在一个完全隔离环境中的完整计算机系统。本领域技术人员通过阅读本技术即可在通用物理服务器上虚拟出具有上述功能的多个网络设备。此处不再赘述。
[0380]
其中，所述终端装置可通过多种形式实现。在其中一种实现形式中，参见图6所示的连接关系示意图，所述终端装置210可与成像装置220、智能穿戴设备230、陀螺仪240、能见度传感器250、汗液检测仪260和指纹采集装置270等各个装置连接，并且通过第一收发接口和第二收发接口，接收各个装置传输的信息，以便通过接收到的信息，确定驾驶行为的状态评估值和所述驾驶行为的状态阈值，以便确定所述驾驶行为的类型。
[0381]
这一实现实行中，所述终端装置可为车载处理器，或者，所述终端装置还可以为远程处理器。当所述终端装置为远程处理器时，所述远程处理器在确定所述驾驶行为的类型之后，还可向相应的车辆传输确定后的驾驶行为的类型。
[0382]
进一步的，这一实现方式中，所述终端装置210还可以与点火装置260相连接，以便根据驾驶行为，控制车辆的启动和停靠。
[0383]
或者，在另一种实现方式中，本技术实施例公开的终端装置为成像装置、智能穿戴设备、陀螺仪、能见度传感器、汗液检测仪和指纹采集装置等装置中的任意一种装置，其他装置可与该装置相连接，以便该装置通过第一收发接口和第二收发接口获取其他装置传输的信息，并据此确定所述驾驶行为的类型。
[0384]
当然，所述终端装置还可通过其他形式实现，本技术实施例对此不做限定。
[0385]
具体实现中，本技术实施例还提供一种计算机可读存储介质，该计算机可读存储介质包括指令。其中，设置在任意设备中计算机可读介质其在计算机上运行时，可实施包括图1和图3对应的实施例中的全部或部分步骤。所述计算机可读介质的存储介质可为磁碟、光盘、只读存储记忆体(英文：read-only memory，简称：rom)或随机存储记忆体(英文：random access memory，简称：ram)等。
[0386]
另外，本技术另一实施例还公开一种包含指令的计算机程序产品，当所述计算机程序产品在电子设备上运行时，使得所述电子设备可实施包括图1和图3对应的实施例中的全部或部分步骤。
[0387]
进一步的，本技术实施例还公开一种智能车，所述智能车包括本技术的前述实施例公开的驾驶行为监测装置或终端装置。这种情况下，通常由车辆内置的芯片、集成电路
和/或处理器等承载所述驾驶行为监测装置或终端装置，所述至少一个处理器和存储器可通过不同的、集成电路和/或处理器承载，或者，也可通过一个芯片或者一个集成电路或者一个处理器承载所述至少一个处理器和存储器。
[0388]
另外，所述智能车中还可内置至少一个传感器，通过传感器获取驾驶行为监测过程中所需的信息，所述传感器可包括车载的成像装置、陀螺仪、能见度传感器、汗液检测仪和/或指纹采集装置。或者，所述智能车还可以通过无线方式与远程的传感器相连接，通过所述远程的传感器确定驾驶行为监测过程中所需的信息。
[0389]
本技术实施例还公开一种驾驶行为监测系统，该系统能够通过本技术前述实施例公开的方法确定驾驶行为的类型。其中，所述系统包括终端装置，并且还包括成像装置、陀螺仪、能见度传感器、汗液检测仪和/或指纹采集装置，并根据各装置传输的信息，通过上述各个实施例公开的方案，确定驾驶行为的类型。
[0390]
在一个示例中，所述系统的示意图如图6所示，参见图6，所述系统中的终端装置210可与成像装置220、智能穿戴设备230、陀螺仪240、能见度传感器250、汗液检测仪260和指纹采集装置270等各个装置连接，并根据各个装置传输的信息，实现对驾驶行为的监测。进一步的，所述终端装置210还可根据驾驶行为的监测结果，对所述系统中的点火装置280进行控制，以启动车辆或使车辆停靠。
[0391]
本技术实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信息处理器，专用集成电路(asic)，现场可编程门阵列(fpga)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信息处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信息处理器核，或任何其它类似的配置来实现。
[0392]
本技术实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于ram存储器、闪存、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、可移动磁盘、cd-rom或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于asic中，asic可以设置于ue中。可选地，处理器和存储媒介也可以设置于ue中的不同的部件中。
[0393]
应理解，在本技术的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
[0394]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机
指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
[0395]
本说明书的各个实施例之间相同相似的部分互相参见即可，每个实施例重点介绍的都是与其他实施例不同之处。尤其，对于装置和系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例部分的说明即可。
[0396]
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
[0397]
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于本技术公开的道路约束确定装置的实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例中的说明即可。
[0398]
以上所述的本发明实施方式并不构成对本发明保护范围的限定。