驾驶行为监测方法、装置及车载设备与流程

1.本发明涉及通信技术领域，特别涉及一种驾驶行为监测方法、装置及车载设备。


背景技术：

2.由概率积累事件引出的大数定律说明，小概率事件一次一次的累积，事件的发生就是必然事件。车辆驾驶者每一次的危险驾驶行为，抽象成概率的两点分布，随着危险驾驶行为次数的增多，逐步向概率二项分布逼近，最终形成伯努利大数定律，导致危险驾驶行为引发车祸，或者说车祸发生具有稳定性，进一步说，车祸发生成为一个必然事件。基于以上逻辑分析，可知，早期、持续发现危险驾驶行为，对于杜绝车祸隐患，具有非常强的实际意义。
3.现有技术中基于检测加速度数据，方向盘转向等数据，建立与指定历史时刻的数据函数关系，针对历史数据形成的检测阈值，判断目前时刻的危险驾驶行为。或者危险驾驶数据上传到云平台处理。针对单个设备进行云侧计算还可行，但是数据量大，在经过计算，会产生阻滞延时，不利于迅速对危险驾驶行为发出预警。此外大量并发的设备，对于成本而言也不经济。
4.在实现本技术过程中，发明人发现现有技术中至少存在如下问题：
5.目前危险驾驶行为检测，分为两种，第一种是底层检测，然后特定地点验证。此种方法，缺乏智能性，仅仅是通过比较阈值检测危险驾驶行为。系统不具备先进的机器学习的功能，对于危险驾驶行为的检测，需要在有摄像头的特定位置进行核查。然而，对于有特定摄像监控的地段，危险驾驶车量的驾驶者行为具有道德风险，具体说，就是在有摄像头的地方安全驾驶，因此这种验证方法很可能导致危险驾驶行为的漏检。第二种是针对云端的检测，需要高并发，成本较高；此外，延迟等也不能即时的发出危险预警。


技术实现要素：

6.本发明实施例提供一种驾驶行为监测方法、装置及车载设备，以解决现有的危险驾驶行为检测的方式易造成漏检或检测成本较高的问题。
7.为了解决上述技术问题，本发明实施例提供一种驾驶行为监测方法，由车载设备执行，包括：
8.在预设时间段内对第一车辆的第一驾驶行为进行监测，所述第一驾驶行为中所述第一车辆的加速度的绝对值大于或等于第一预设值；
9.获取第一车辆的至少两次第一驾驶行为的驾驶状态信息；
10.根据所述至少两次第一驾驶行为的驾驶状态信息，确定第一车辆的危险驾驶概率值；
11.根据所述危险驾驶概率值，判断第一车辆是否满足危险驾驶上报条件；
12.若所述第一车辆满足危险驾驶上报条件，则发送上报信息给第一设备。
13.可选地，所述根据所述至少两次第一驾驶行为的驾驶状态信息，确定第一车辆的
危险驾驶概率值，包括：
14.根据所述至少两次第一驾驶行为的驾驶状态信息并结合概率计算系数，确定第一车辆的每一次第一驾驶行为的第一概率值；
15.根据所述第一概率值，确定第一车辆的危险驾驶概率值。
16.可选地，所述确定第一车辆的每一次第一驾驶行为的第一概率值，包括：
17.根据公式：φ(z)＝1/(1 e-z
)，获取每一次驾驶行为的第一概率值；
18.其中，φ(z)为一次第一驾驶行为对应的第一概率值；z＝θ0af θ1ab θ2ar θ3al θ4vf θ5vb θ6ad，af为前向加速度，ab为后向加速度，al为左向加速度，ar为右向加速度，vf为前向的即时速度，vb为后向的即时速度，ad为概率计算系数；θ
0-θ6为回归分类模型的回归系数。
19.可选地，在所述在预设时间段内对第一车辆的第一驾驶行为进行监测后，所述驾驶行为监测方法，还包括：
20.在监测到所述预设时间段内的第一次第一驾驶行为后，记录所述预设时间段内第一驾驶行为的次数，并记录每两次第一驾驶行为之间的时间间隔。
21.可选地，所述根据所述危险驾驶概率值，判断第一车辆是否满足危险驾驶上报条件，包括：
22.根据第一驾驶行为的次数以及每两次第一驾驶行为之间的时间间隔，确定危险驾驶概率的矫正值；
23.根据所述矫正值和所述危险驾驶概率值，确定综合判断系数；
24.根据所述综合判断系数，判断所述第一车辆是否满足危险驾驶上报条件。
25.可选地，所述根据所述综合判断系数，判断所述第一车辆是否满足危险驾驶上报条件，包括：
26.若所述综合判断系数大于或等于第二预设值，则确定所述第一车辆满足危险驾驶上报条件；
27.若所述综合判断系数小于第二预设值，则确定所述第一车辆不满足危险驾驶上报条件。
28.可选地，在所述根据所述危险驾驶概率值，判断第一车辆是否满足危险驾驶上报条件之后，还包括：
29.若所述第一车辆不满足危险驾驶上报条件，利用综合判断系数对概率计算系数进行调整。
30.可选地，所述驾驶状态信息包括以下至少一项：
31.前向加速度、后向加速度、左向加速度、右向加速度、前向的即时速度、后向的即时速度、左向的即时速度和右向的即时速度。
32.可选地，所述上报信息包括：第一车辆的危险驾驶数据以及第一车辆的位置。
33.可选地，所述第一车辆的位置包括：每一次第一驾驶行为发生时第一车辆所在的位置。
34.本发明实施例还提供一种车载设备，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述的驾驶行为监测方法的步骤。
35.本发明实施例还提供一种驾驶行为监测装置，应用于车载设备，包括：
36.监测模块，用于在预设时间段内对第一车辆的第一驾驶行为进行监测，所述第一驾驶行为中所述第一车辆的加速度的绝对值大于或等于第一预设值；
37.获取模块，用于获取第一车辆的至少两次第一驾驶行为的驾驶状态信息；
38.确定模块，用于根据所述至少两次第一驾驶行为的驾驶状态信息，确定第一车辆的危险驾驶概率值；
39.判断模块，用于根据所述危险驾驶概率值，判断第一车辆是否满足危险驾驶上报条件；
40.发送模块，用于若所述第一车辆满足危险驾驶上报条件，则发送上报信息给第一设备。
41.本发明实施例还提供一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的驾驶行为监测方法的步骤。
42.本发明的有益效果是：
43.上述方案，通过由车载设备对第一驾驶行为进行监测，并根据至少两次第一驾驶行为的驾驶状态信息，进行第一车辆的危险驾驶概率值的确定，并在满足上报条件时，进行上报信息的发送，以此能够精确的进行危险驾驶行为的检测，不会造成漏检，同时，此种方式是针对车载设备所在车辆单独进行的，易于实现，降低了检测成本。
附图说明
44.图1表示本发明实施例的驾驶行为监测方法的流程示意图；
45.图2表示本发明实施例的车载设备的功能模块示意图；
46.图3表示本发明实施例的流程示意图之一；
47.图4表示本发明实施例的流程示意图之二；
48.图5表示本发明实施例的驾驶行为监测装置的模块示意图；
49.图6表示本发明实施例的车载设备的结构图。
具体实施方式
50.为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明进行详细描述。
51.本发明针对现有的危险驾驶行为检测的方式易造成漏检或检测成本较高的问题，提供一种驾驶行为监测方法、装置及车载设备。
52.如图1所示，本发明实施例的驾驶行为监测方法，由车载设备执行，包括：
53.步骤11，在预设时间段内对第一车辆的第一驾驶行为进行监测，所述第一驾驶行为中所述第一车辆的加速度的绝对值大于或等于第一预设值；
54.需要说明的是，本技术实施例中所说的第一驾驶行为被认定为是危险驾驶行为，也就是说，当第一车辆出现了突然加速或突然减速，且加速或减速的加速度超过了第一预设值，则认为该第一车辆出现了危险驾驶行为。
55.步骤12，获取第一车辆的至少两次第一驾驶行为的驾驶状态信息；
56.需要说明的是，该驾驶状态信息包括以下至少一项：
57.前向加速度、后向加速度、左向加速度、右向加速度、前向的即时速度、后向的即时速度、左向的即时速度和右向的即时速度。
58.需要说明的是，即时速度指的是在每次加速或减速时刻在加速或减速方向的预设时间(例如，加速3秒)后的速度，例如，前向的即时速度指的是在第一车辆突然加速后，第一车辆在加速时刻的预设时间后的向前的速度。
59.步骤13，根据所述至少两次第一驾驶行为的驾驶状态信息，确定第一车辆的危险驾驶概率值；
60.步骤14，根据所述危险驾驶概率值，判断第一车辆是否满足危险驾驶上报条件；
61.步骤15，若所述第一车辆满足危险驾驶上报条件，则发送上报信息给第一设备；
62.需要说明的是，该上报信息包括：第一车辆的危险驾驶数据以及第一车辆的位置；可选地，所述第一车辆的位置包括：每一次第一驾驶行为发生时第一车辆所在的位置，可选地，所述第一车辆的位置包括：最近一次危险驾驶行为的发生时第一车辆所在的位置。
63.需要说明的是，本发明实施例的执行主体是设置在车辆中的车载设备，通过车载设备对该车辆的危险驾驶行为进行检测，实现了对车辆的实时检测，避免了漏检，同时，此种方式是针对车载设备所在车辆单独进行的，易于实现，降低了检测成本。
64.进一步，本技术中所说的第一设备可以为路侧设备，也可以为基站，当车载设备将上报信息发送给路侧设备后，路侧设备可以将第一车辆的危险驾驶行为发送给其他车辆，其他车辆便能获知第一车辆的位置，进而避免事故的发生；当车载设备将上报信息发送给基站后，基站可以将第一车辆的危险驾驶行为发送给平台(比如公路监管部门)，以便于平台对第一车辆进行监控，避免事故的发生。
65.进一步需要说明的是，该步骤13的具体实现方式为：
66.步骤131，根据所述至少两次第一驾驶行为的驾驶状态信息并结合概率计算系数，确定第一车辆的每一次第一驾驶行为的第一概率值；
67.需要说明的是，此步骤的具体实现方式为：
68.根据公式一：φ(z)＝1/(1 e-z
)，获取每一次驾驶行为的第一概率值；
69.其中，φ(z)为一次第一驾驶行为对应的第一概率值；z＝θ0af θ1ab θ2ar θ3al θ4vf θ5vb θ6ad，af为前向加速度，ab为后向加速度，al为左向加速度，ar为右向加速度，vf为前向的即时速度，vb为后向的即时速度，ad为概率计算系数；θ
0-θ6为回归分类模型的回归系数。
70.步骤132，根据所述第一概率值，确定第一车辆的危险驾驶概率值；
71.需要说明的是，当得到每一次的危险驾驶行为的第一概率值后，便可以根据多次危险驾驶行为的第一概率值，获取第一车辆的危险驾驶概率值，具体地，该危险驾驶概率值的获取方式可以为：取多次危险驾驶行为的第一概率值的均值作为危险驾驶概率值。
72.进一步还需要说明的是，在步骤11之后，本发明实施例的所述驾驶行为监测方法，还包括：
73.在监测到所述预设时间段内的第一次第一驾驶行为后，记录所述预设时间段内第一驾驶行为的次数，并记录每两次第一驾驶行为之间的时间间隔。
74.需要说明的是，此处是对第一驾驶行为进行计数，即统计在预设时间段内第一驾驶行为出现的次数，同时，统计每两次第一驾驶行为之间的时间间隔。进一步地，该第一驾
驶行为的次数以及每两次第一驾驶行为之间的时间间隔可以用于后续判断第一车辆是否满足危险驾驶上报条件。
75.还需要说明的是，在具体实现是，步骤14的实现过程为：判断所述危险驾驶概率值是否大于或等于初始危险系数，若所述危险驾驶概率值大于或等于初始危险系数，则根据所述危险驾驶概率值，判断第一车辆是否满足危险驾驶上报条件。
76.进一步地，根据所述危险驾驶概率值，判断第一车辆是否满足危险驾驶上报条件的具体实现方式包括：
77.步骤141，根据第一驾驶行为的次数以及每两次第一驾驶行为之间的时间间隔，确定危险驾驶概率的矫正值；
78.需要说明的是，该矫正值的一种获取方式为：预先设置第一驾驶行为的次数、每两次第一驾驶行为之间的时间间隔与矫正值的对应关系表，该表中包含多组不同的第一驾驶行为的次数、每两次第一驾驶行为之间的时间间隔与矫正值的对应关系，只需要按照当前得到的第一驾驶行为的次数以及每两次第一驾驶行为之间的时间间隔，查表即可得到对应的矫正值，该矫正值可以为正值也可以为负值。
79.步骤142，根据所述矫正值和所述危险驾驶概率值，确定综合判断系数；
80.需要说明的是，在得到矫正值后，将矫正值与得到的危险驾驶概率值相加，便可得到综合判断系数。
81.步骤143，根据所述综合判断系数，判断所述第一车辆是否满足危险驾驶上报条件；
82.具体地，此步骤的实现方式为：若所述综合判断系数大于或等于第二预设值，则确定所述第一车辆满足危险驾驶上报条件；若所述综合判断系数小于第二预设值，则确定所述第一车辆不满足危险驾驶上报条件。
83.进一步还需要说明的是，在所述根据所述危险驾驶概率值，判断第一车辆是否满足危险驾驶上报条件之后，还包括：
84.若所述第一车辆不满足危险驾驶上报条件，利用综合判断系数对概率计算系数进行调整。
85.具体地，在进行调整时，可以将综合判断系数赋值给概率计算系数，以实现对概率计算系数的调整。
86.下面对本技术实施例的具体实现方式进行说明如下。
87.如图2所示，本发明实施例的车载设备主要包括以下功能模块：
88.无线通信模块，用于信息发送与接收，主要用于进行上报信息的发送。
89.车道级定位模块，用于定位出现危险驾驶行为时车辆的位置，其定位精度为车道级别，即能精确定位到车辆位于道路中的哪一条车道。
90.车况信息感知模块，用于感测车辆的行驶状态，其作为本发明危险驾驶行为的主要信息采集模块，主要收集车辆行驶过程中，前后左右四个方向的加速度，主要为：前向加速度af，后向加速度ab，左向加速度al，右向加速度ar；以及由上述加速度计算出的某加速方向的即时速度信息等量化数据。
91.计时计次模块，计时用于记录危险驾驶行为前后两次的时间间隔，计次是累积危险驾驶行为的次数；同时可以确定一次触发后，持续记录的时间t，也就是说，在t时间内进
行计时和计次。
92.逻辑分类模块，用于将车况信息感知模块的数据进行逻辑分类，输出危险驾驶行为的概率数据，其主要是利用上述的公式一进行每一次危险驾驶行为的概率计算；需要说明的是，该逻辑分类模块具有机器学习的能力。
93.随机统计模块，用于累积确定危险驾驶行为，输出为触发预警数据；
94.需要说明的是，随机统计模块涉及的统计模型，初始危险系数设定为d0，例如0.8。危险系数不是固定的，在后期学习过程中将会调低或调高，此参数，会经过系统机器学习自己调节。
95.触发模块，用于融合计时计次模块和随机统计模块的输出数据，获取是否进行信息上报的结果；
96.静默模块，经触发模块后若不进行信息上报，将触发逻辑分类模块自学习；
97.上报预警模块，针对路侧设备或基站，上报车辆的危险驾驶行为，并上报车辆的位置及危险驾驶数据，此处的危险驾驶数据指的是触发模块的输出数据，即上述的综合判断系数。
98.本发明实施例的主要实现过程为：
99.首先，危险驾驶行为发生后，车况信息感知模块被触发，进行工作；例如，车况信息感知模块输出前向加速度，然后车载设备会自动计算出车辆t秒后的速度，车况信息感知模块的各种检测数据经量化后，进入逻辑分类模块；同时，车况信息感知模块触发启动后，会同时触发计时计次模块。计时计次模块会记录两次危险行为的时间间隔。例如，tn，即是第n-1到n次危险驾驶发生的时间间隔，此外计时计次模块，在开始工作后，持续工作时间t(即对应上述的预设时间段)可以设定。
100.然后，车况信息感知模块的量化数据，进入逻辑分类模块。逻辑分类模块输出的数据是针对特定一次的危险驾驶行为，可疑交通事故的概率值p(即上述的第一概率值)。例如，某次危险驾驶行为事故的概率是p＝0.7，每次危险的驾驶行为，逻辑分类模块，均会有一个特定的概率值输出，例如，p1，p2，p3
…
。
101.随后，逻辑分类模块输出的数据，进入随机统计模块，随机统计n次的逻辑分类输出数据，对n次的逻辑分类输出，取均值a，均值输出定义为交通事故发生的危险数据(即危险驾驶概率值)；将此数据与预设的危险系数d(比如d＝0.8)进行对比，如果均值a≥d，则随机统计模块的数据，进入触发模块。
102.最后，触发模块根据随机统计模块输出的危险数据，统合计时计次模块输出的矫正值，叠加后得到综合判断系数，如果综合判断系数大于或等于触发数值c0(即第二预设值，例如c0＝0.8)，则对危险驾驶行为的车辆上报，上报数据到某平台(例如，公路监管部门)，包括车辆的危险驾驶数据(即车辆危险驾驶数据的累积信息，主要指的是综合判断系数)以及最近一次危险驾驶行为的发生位置。例如，随机统计模块输出的危险驾驶概率值d＝0.81，经过计时计次叠加，有综合判断系数c＝0.82，c＞c0，需要进行危险数据上报；如果c＜c0，触发模块的数据进入静默模块，静默模块的数据量化值会输入到逻辑分类模块，作为机器学习的参数，静默模块会触发逻辑分类模块进行学习，提高危险驾驶行为的检测敏感度。
103.下面对本发明实施例的具体应用情况进行举例说明如下。
104.如图3所示，以车辆驾驶者进行了10次的前向急加速超速驾驶行为为例，本发明实施例的驾驶行为监测方法的一种详细流程为：
105.步骤s11、车况信息感知模块检测每次前向急加速的驾驶行为数据，并将数据量化输出到逻辑分类模块；
106.具体地，车况信息感知模块检测每次的前向加速度af，同时计算每次急加速3秒后的速度vf，以及其他数据，需要说明的是，该其他数据指的是公式一在运算时需要用到数据，需要说明的是，进行数据量化指的是将不同数据级的数据进行归一化处理，得到量级相同的数据。
107.步骤s12、逻辑分类模块进行计算，输出每次前向急加速的驾驶行为的第一概率值给随机统计模块；
108.具体地，比如10次超速行为，逻辑分类模块，输出到随机统计模块的第一概率值为：0.84，0.73，0.86，0.87，0.87，0.63，0.82，0.77，0.84，0.86。同时，第一次的急加速驾驶行为，会触发计时计次模块开始工作，开始计时，计次；具体地，计时是记录两次急加速驾驶之间的间隔，计次是在规定时间内记录发生危险驾驶行为的次数。
109.步骤s13、随机统计模块存储n次从逻辑分类模块输出的第一概率值，获取危险驾驶概率值，在危险驾驶概率值大于危险系数时，将危险驾驶概率值输入到触发模块；
110.具体地，随机统计模块会存储n次从逻辑分类模块输出的第一概率值，本例中n＝10，随机统计模块中设置一个危险系数d，本例d＝0.8.随机统计模块取均值：d’＝(0.84 0.73 0.86 0.87 0.87 0.63 0.82 0.77 0.84 0.86)/10＝0.809,d’＞d，随机统计模块数据会进入触发模块。
111.步骤s14，触发模块根据危险驾驶概率值以及计时计次模块输入的矫正值，进行是否满足危险驾驶上报条件的判断，在满足危险驾驶上报条件时，将上报信息发送给公路监管部门。
112.具体地，触发模块的计算值为c’＝0.82＞c0，满足危险驾驶上报条件，因此车载设备将此车辆的驾驶行为定义为危险驾驶，将车辆的危险驾驶数据以及车辆的位置上报给公路监管部门。
113.如图4所示，以车辆驾驶者进行了2次的前向急加速超速驾驶行为为例，本发明实施例的驾驶行为监测方法的另一种详细流程为：
114.步骤s21、车况信息感知模块检测每次前向急加速的驾驶行为数据，并将数据量化输出到逻辑分类模块；
115.具体地，车况信息感知模块检测每次的前向加速度af，同时计算每次急加速3秒后的速度vf，以及其他数据，需要说明的是，该其他数据指的是公式一在运算时需要用到数据，需要说明的是，进行数据量化指的是将不同数据级的数据进行归一化处理，得到量级相同的数据。
116.步骤s22、逻辑分类模块进行计算，输出每次前向急加速的驾驶行为的第一概率值给随机统计模块；
117.具体地，比如2次超速行为，逻辑分类模块输出到随机统计模块的第一概率值为：0.84，0.83。同时，第一次的急加速驾驶行为，会触发计时计次模块开始工作，开始计时，计次；具体地，计时是记录两次急加速驾驶之间的间隔，计次是在规定时间内，记录发生危险
驾驶行为的次数。
118.步骤s23、随机统计模块存储n次从逻辑分类模块输出的第一概率值，获取危险驾驶概率值，在危险驾驶概率值大于危险系数时，将危险驾驶概率值输入到触发模块；
119.具体地，随机统计模块会存储n次从逻辑分类模块输出的第一概率值，本例中n＝2。随机统计模块中设置一个危险系数d，本例d＝0.8.随机统计模块取均值：d’＝(0.84 0.83)/2＝0.835，d’＞d，随机统计模块数据会进入触发模块。
120.步骤s24，触发模块根据危险驾驶概率值以及计时计次模块输入的矫正值，进行是否满足危险驾驶上报条件的判断，在不满足危险驾驶上报条件时，触发模块的数据进入静默模块；
121.具体地，触发模块的计算值为c’＝0.72＜c0＝0.8，也就是，车辆驾驶者，只进行两次偶尔的超车行为，两次间隔时间较长，次数较少，因此车载设备不把这个行为定义为危险驾驶行为，数据会进入静默模块。
122.步骤s25，静默模块对数据进行处理，然后进入逻辑分类模块，使逻辑分类模块进行自学习；
123.需要说明的是，静默模块主要是对触发模块输入的数据进行归一化处理，使得处理后的数据能够满足逻辑分类模块进行自学习调整的要求。
124.具体地，逻辑分类模块进行自学习调整的是用于进行公式一计算的概率计算系数；通过此种方式，车载设备下次会降低本车辆驾驶者的检测敏感度。
125.综上可知，本发明实施例能够达到如下有益效果：
126.1、硬件成本极低，只需要两轴加速度统计和数据通信，即可将司机的驾驶行为进行数据化，并能够量化成统计机器学习的规范数据，对危险驾驶行为进行输出和预警。
127.2、能够全程监控，能够非常准确的确定车辆驾驶者的危险行为。
128.如图5所示，本发明实施例还提供一种驾驶行为监测装置50，应用于车载设备，包括：
129.监测模块51，用于在预设时间段内对第一车辆的第一驾驶行为进行监测，所述第一驾驶行为中所述第一车辆的加速度的绝对值大于或等于第一预设值；
130.获取模块52，用于获取第一车辆的至少两次第一驾驶行为的驾驶状态信息；
131.确定模块53，用于根据所述至少两次第一驾驶行为的驾驶状态信息，确定第一车辆的危险驾驶概率值；
132.判断模块54，用于根据所述危险驾驶概率值，判断第一车辆是否满足危险驾驶上报条件；
133.发送模块55，用于若所述第一车辆满足危险驾驶上报条件，则发送上报信息给第一设备。
134.可选地，所述确定模块53，包括：
135.第一确定单元，用于根据所述至少两次第一驾驶行为的驾驶状态信息并结合概率计算系数，确定第一车辆的每一次第一驾驶行为的第一概率值；
136.第二确定单元，用于根据所述第一概率值，确定第一车辆的危险驾驶概率值。
137.可选地，所述第一确定单元，用于：
138.根据公式：φ(z)＝1/(1 e-z
)，获取每一次驾驶行为的第一概率值；
139.其中，φ(z)为一次第一驾驶行为对应的第一概率值；z＝θ0af θ1ab θ2ar θ3al θ4vf θ5vb θ6ad，af为前向加速度，ab为后向加速度，al为左向加速度，ar为右向加速度，vf为前向的即时速度，vb为后向的即时速度，ad为概率计算系数；θ
0-θ6为回归分类模型的回归系数。
140.可选地，在所述监测模块51在预设时间段内对第一车辆的第一驾驶行为进行监测后，所述驾驶行为监测装置，还包括：
141.记录模块，用于在监测到所述预设时间段内的第一次第一驾驶行为后，记录所述预设时间段内第一驾驶行为的次数，并记录每两次第一驾驶行为之间的时间间隔。
142.可选地，所述判断模块54，包括：
143.第三确定单元，用于根据第一驾驶行为的次数以及每两次第一驾驶行为之间的时间间隔，确定危险驾驶概率的矫正值；
144.第四确定单元，用于根据所述矫正值和所述危险驾驶概率值，确定综合判断系数；
145.判断单元，用于根据所述综合判断系数，判断所述第一车辆是否满足危险驾驶上报条件。
146.可选地，所述判断单元，用于：
147.若所述综合判断系数大于或等于第二预设值，则确定所述第一车辆满足危险驾驶上报条件；
148.若所述综合判断系数小于第二预设值，则确定所述第一车辆不满足危险驾驶上报条件。
149.可选地，在所述判断模块54根据所述危险驾驶概率值，判断第一车辆是否满足危险驾驶上报条件之后，还包括：
150.调整模块，用于若所述第一车辆不满足危险驾驶上报条件，利用综合判断系数对概率计算系数进行调整。
151.可选地，所述驾驶状态信息包括以下至少一项：
152.前向加速度、后向加速度、左向加速度、右向加速度、前向的即时速度、后向的即时速度、左向的即时速度和右向的即时速度。
153.可选地，所述上报信息包括：第一车辆的危险驾驶数据以及第一车辆的位置。
154.可选地，所述第一车辆的位置包括：每一次第一驾驶行为发生时第一车辆所在的位置。
155.这里需要说明的是，虽然该驾驶行为监测装置实施例中的模块的划分方式与上述实施例的模块划分方式不一样，但是都能实现驾驶行为监测方法。
156.需要说明的是，该驾驶行为监测装置实施例是与上述方法实施例一一对应的装置，上述方法实施例中所有实现方式均适用于该装置的实施例中，也能达到相同的技术效果。
157.如图6所示，本发明实施例还提供一种车载设备60，包括处理器61、收发机62、存储器63及存储在所述存储器63上并可在所述处理器61上运行的程序；其中，收发机62通过总线接口与处理器61和存储器63连接，其中，所述处理器61用于读取存储器中的程序，执行下列过程：
158.在预设时间段内对第一车辆的第一驾驶行为进行监测，所述第一驾驶行为中所述
第一车辆的加速度的绝对值大于或等于第一预设值；
159.获取第一车辆的至少两次第一驾驶行为的驾驶状态信息；
160.根据所述至少两次第一驾驶行为的驾驶状态信息，确定第一车辆的危险驾驶概率值；
161.根据所述危险驾驶概率值，判断第一车辆是否满足危险驾驶上报条件；
162.若所述第一车辆满足危险驾驶上报条件，则发送上报信息给第一设备。
163.需要说明的是，在图6中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器61代表的一个或多个处理器和存储器63代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机62可以是多个元件，即包括发送机和收发机，提供用于在传输介质上与各种其他装置通信的单元。针对不同的终端，用户接口64还可以是能够外接内接需要设备的接口，连接的设备包括但不限于小键盘、显示器、扬声器、麦克风、操纵杆等。处理器61负责管理总线架构和通常的处理，存储器63可以存储处理器61在执行操作时所使用的数据。
164.可选地，所述处理器执行所述根据所述至少两次第一驾驶行为的驾驶状态信息，确定第一车辆的危险驾驶概率值的程序时实现以下步骤：
165.根据所述至少两次第一驾驶行为的驾驶状态信息并结合概率计算系数，确定第一车辆的每一次第一驾驶行为的第一概率值；
166.根据所述第一概率值，确定第一车辆的危险驾驶概率值。
167.可选地，所述处理器执行所述确定第一车辆的每一次第一驾驶行为的第一概率值的程序时实现以下步骤：
168.根据公式：φ(z)＝1/(1 e-z
)，获取每一次驾驶行为的第一概率值；
169.其中，φ(z)为一次第一驾驶行为对应的第一概率值；z＝θ0af θ1ab θ2ar θ3al θ4vf θ5vb θ6ad，af为前向加速度，ab为后向加速度，al为左向加速度，ar为右向加速度，vf为前向的即时速度，vb为后向的即时速度，ad为概率计算系数；θ
0-θ6为回归分类模型的回归系数。
170.可选地，在所述处理器执行所述在预设时间段内对第一车辆的第一驾驶行为进行监测的程序之后，所述处理器执行程序时还实现以下步骤：
171.在监测到所述预设时间段内的第一次第一驾驶行为后，记录所述预设时间段内第一驾驶行为的次数，并记录每两次第一驾驶行为之间的时间间隔。
172.可选地，所述处理器执行所述根据所述危险驾驶概率值，判断第一车辆是否满足危险驾驶上报条件的程序时实现以下步骤：
173.根据第一驾驶行为的次数以及每两次第一驾驶行为之间的时间间隔，确定危险驾驶概率的矫正值；
174.根据所述矫正值和所述危险驾驶概率值，确定综合判断系数；
175.根据所述综合判断系数，判断所述第一车辆是否满足危险驾驶上报条件。
176.可选地，所述处理器执行所述根据所述综合判断系数，判断所述第一车辆是否满足危险驾驶上报条件的程序时实现以下步骤：
177.若所述综合判断系数大于或等于第二预设值，则确定所述第一车辆满足危险驾驶
上报条件；
178.若所述综合判断系数小于第二预设值，则确定所述第一车辆不满足危险驾驶上报条件。
179.可选地，在所述处理器执行所述根据所述危险驾驶概率值，判断第一车辆是否满足危险驾驶上报条件的程序之后，所述处理器还实现以下步骤：
180.若所述第一车辆不满足危险驾驶上报条件，利用综合判断系数对概率计算系数进行调整。
181.可选地，所述驾驶状态信息包括以下至少一项：
182.前向加速度、后向加速度、左向加速度、右向加速度、前向的即时速度、后向的即时速度、左向的即时速度和右向的即时速度。
183.可选地，所述上报信息包括：第一车辆的危险驾驶数据以及第一车辆的位置。
184.可选地，所述第一车辆的位置包括：每一次第一驾驶行为发生时第一车辆所在的位置。
185.本发明实施例还提供一种可读存储介质，所述可读存储介质上存储有计算机程序，其中，所述程序被处理器执行时实现应用于车载设备的驾驶行为监测方法的步骤。
186.本发明实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述驾驶行为监测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
187.应理解，本技术实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
188.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本技术实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
189.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术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，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本技术各个实施例所述的方法。
190.以上所述的是本发明的优选实施方式，应当指出对于本技术领域的普通人员来说，在不脱离本发明所述的原理前提下还可以作出若干改进和润饰，这些改进和润饰也在本发明的保护范围内。