驾驶行为监控分析方法、系统及计算机可读介质与流程

1.本发明主要涉及驾驶安全技术领域，具体地涉及一种驾驶行为监控分析方法、系统及计算机可读介质。


背景技术：

2.随着车辆使用需求的增加，交通事故时有发生，许多交通事故与驾驶员不规范或不良的驾驶行为有关，往往驾驶员在行车过程中不注意自己的驾驶行为。对驾驶员的驾驶行为进行监测和智能评估，有助于及早发现驾驶员不规范或不良的驾驶行为，进而提醒驾驶员改变驾驶习惯，能有效减少交通事故的发生。
3.驾驶员的驾驶行为习惯是影响行车安全的一个重要因素。如果驾驶员在驾驶车辆过程中频繁触发制动防抱死系统和电子制动力分配(antilock brake system electronic brake force distribution，abs ebd)、刹车辅助(electronic brake assist/brake assist system/baker aid，eba/bas/ba)、自动紧急制动(autonomous emergency braking，aeb)等车辆安全驾驶辅助装备，则表示存在危险驾驶行为，该驾驶行为会对行车安全、道路安全带来隐患。目前车辆在驾驶员危险驾驶行为发生时，会在车辆仪表盘显示报警灯、发出报警音，但报警提示是瞬时的、单次独立的、没有数据积累分析。现有技术在进行驾驶员的驾驶行为监测和评估过程中有基于车辆加速度传感器来判定车辆的行驶状态的方法，这种方法存在无法对驾驶员的驾驶行为进行全面的分析与评估的问题。


技术实现要素：

4.本技术所要解决的技术问题是提供一种驾驶行为监控分析方法、系统及计算机可读介质，可以对驾驶员的驾驶行为进行全面的分析与评估。
5.本技术为解决上述技术问题而采用的技术方案是一种驾驶行为监控分析方法，包括：监控车辆驾驶员的个人驾驶行为数据，个人驾驶行为数据包括车辆安全驾驶辅助装备的激活数据；将个人驾驶行为数据上传至云平台；为个人驾驶行为数据设置评价权重；根据激活数据和评价权重计算个人驾驶行为得分，在第一预设周期内根据个人驾驶行为得分获得个人驾驶数据分析结果；云平台根据个人驾驶数据分析结果生成个人驾驶行为报告，将个人驾驶行为报告传输至移动终端设备。
6.在本技术的一实施例中，激活数据包括激活次数，车辆安全驾驶辅助装备包括：制动防抱死系统和电子制动力分配、刹车辅助系统、自动紧急制动系统三类装备中的一类或多类。
7.在本技术的一实施例中，车辆安全驾驶辅助装备还包括：前向碰撞预警系统、后向碰撞预警系统、车道偏离预警系统、超速预警系统四类装备中的一类或多类。
8.在本技术的一实施例中，将个人驾驶行为数据上传至云平台的步骤包括：车辆安全驾驶辅助装备通过车联网通信盒tbox将个人驾驶行为数据上传至云平台，云平台对个人驾驶行为数据进行清洗和/或存储。
9.在本技术的一实施例中，为个人驾驶行为数据设置评价权重的步骤包括：云平台根据驾驶行为的危险程度为个人驾驶行为数据设置不同的评价权重；根据激活数据和评价权重计算个人驾驶行为得分的步骤包括：云平台将不同的车辆安全驾驶辅助装备的激活次数乘以相应的评价权重，获得第一得分，将第一得分累加获得个人驾驶行为得分。
10.在本技术的一实施例中，为个人驾驶行为数据设置评价权重的步骤包括：车辆处理器根据驾驶行为的危险程度为个人驾驶行为数据设置不同的评价权重；根据激活数据和评价权重计算个人驾驶行为得分的步骤包括：车辆处理器将不同的车辆安全驾驶辅助装备的激活次数乘以相应的评价权重，获得第一得分，将第一得分累加获得个人驾驶行为得分。
11.在本技术的一实施例中，在监控车辆驾驶员的个人驾驶行为数据的步骤之前，还包括通过驾驶员监控系统dms对车辆驾驶员进行身份识别，获得车辆驾驶员的个人信息，将个人信息上传至云平台。
12.在本技术的一实施例中，驾驶行为监控分析方法，还包括在第二预设周期内，云平台根据多名车辆驾驶员的个人信息和相应的个人驾驶行为得分进行大数据分析，获得整体驾驶行为得分分布，个人信息包括：职业、性别、年龄、驾龄、所在城市五个维度中的一个或多个。
13.在本技术的一实施例中，驾驶行为监控分析方法，还包括云平台根据整体驾驶行为得分分布进行驾驶行为人群分类，驾驶行为人群分类的结果包括：驾驶习惯高危人群、驾驶习惯一般人群和驾驶习惯良好人群。
14.在本技术的一实施例中，驾驶行为监控分析方法，还包括云平台根据个人驾驶数据分析结果、整体驾驶行为得分分布、驾驶行为人群分类的结果，生成综合驾驶行为报告，将综合驾驶行为报告传输至移动终端设备。
15.本技术为解决上述技术问题还提出一种驾驶行为监控分析系统，包括：存储器，用于存储可由处理器执行的指令；处理器，用于执行指令以实现如上的驾驶行为监控分析方法。
16.本技术为解决上述技术问题还提出一种存储有计算机程序代码的计算机可读介质，计算机程序代码在由处理器执行时实现如上的驾驶行为监控分析方法。
17.本技术的技术方案通过监控车辆驾驶员个人在车辆行驶过程中对车辆安全驾驶辅助装备的激活数据，可以获取较全面的危险驾驶行为数据；将个人驾驶行为数据上传至云平台可以利用云平台的强大计算资源进对个人驾驶行为数据进行处理；通过为个人驾驶行为数据设置评价权重，以对驾驶行为的危险程度作出区分；根据激活数据和评价权重计算出个人驾驶行为得分并在一定的周期内生成个人驾驶数据分析结果，可以客观地体现出驾驶员驾驶习惯的危险程度；云平台生成个人驾驶行为报告并传输至移动终端设备，车辆驾驶员本人查看报告可以提升行车安全意识，减少危险驾驶行为的发生，驾驶员雇主、第三方机构等其他允许查看报告的授权人员可以根据报告内容进一步制定行车运营规范、驾驶员调度策略等，提升行车安全，降低运营成本。
附图说明
18.为让本技术的上述目的、特征和优点能更明显易懂，以下结合附图对本技术的具体实施方式作详细说明，其中：
19.图1是本技术一实施例的驾驶行为监控分析的系统逻辑框图；
20.图2是本技术一实施例的驾驶行为监控分析方法的示例性流程图；
21.图3是本技术一实施例的驾驶行为监控分析系统的系统框图。
具体实施方式
22.为让本技术的上述目的、特征和优点能更明显易懂，以下结合附图对本技术的具体实施方式作详细说明。
23.在下面的描述中阐述了很多具体细节以便于充分理解本技术，但是本技术还可以采用其它不同于在此描述的其它方式来实施，因此本技术不受下面公开的具体实施例的限制。
24.如本技术和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
25.本技术中使用了流程图用来说明根据本技术的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各种步骤。同时，或将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
26.本技术提出一种驾驶行为监控分析方法，该方法在日常车辆驾驶员行车过程中对个人驾驶行为数据进行监控，后续经云平台对个人驾驶行为数据进行处理、分析，云平台可以定期提供驾驶行为报告供用户查看。
27.图1是本技术一实施例的驾驶行为监控分析的系统逻辑框图。参考图1所示，系统100包括车辆端110、云平台120和移动终端设备130，示例性地，车辆端110通过无线网络与云平台120连接，云平台120通过无线网络与移动终端设备130连接。车辆端110包括驾驶员监控系统(dms)111和七类车辆安全驾驶辅助装备，当驾驶员上车后，驾驶员监控系统(dms)111可以识别驾驶员身份，并将驾驶员个人信息传输至云平台120；车辆端110的七类车辆安全驾驶辅助装备包括：刹车辅助系统(eba/bas/ba)112、自动紧急制动系统(aeb)113、前向碰撞预警系统(fcw)114、后向碰撞预警系统(rcw)115、车道偏离预警系统(ldw)116、超速预警系统117、制动防抱死系统和电子制动力分配(abs ebd)118，在行车过程中根据驾驶员的驾驶行为有可能激活七类车辆安全驾驶辅助装备中的一类或多类，被激活的车辆安全驾驶辅助装备将相应的激活数据传输至云平台120。云平台120可以对接收到的车辆端110数据进行数据清洗121、数据分析122、数据存储123。云平台120对数据进行处理后，可以根据需要生成驾驶行为报告131，并将驾驶行为报告131发送至移动终端设备130，通过移动终端设备130将驾驶行为报告131呈现给用户查看。
28.需要说明的是，图1中在车辆端110设置七类车辆安全驾驶辅助装备是一种优选方式，在实际情况中，也可以根据需要选择设置七类车辆安全驾驶辅助装备中的一类或几类，本技术不作限制。
29.图2是本技术一实施例的驾驶行为监控分析方法的示例性流程图，参考图2所示，该实施例的驾驶行为监控分析方法包括以下步骤：
30.步骤s210：监控车辆驾驶员的个人驾驶行为数据，个人驾驶行为数据包括车辆安
全驾驶辅助装备的激活数据。
31.步骤s220：将个人驾驶行为数据上传至云平台。
32.步骤s230：为个人驾驶行为数据设置评价权重。
33.步骤s240：根据激活数据和评价权重计算个人驾驶行为得分，在第一预设周期内根据个人驾驶行为得分获得个人驾驶数据分析结果。
34.步骤s250：云平台根据个人驾驶数据分析结果生成个人驾驶行为报告，将个人驾驶行为报告传输至移动终端设备。
35.下面详细说明上述的步骤s210至步骤s250：
36.在步骤s210中，监控车辆驾驶员的个人驾驶行为数据，个人驾驶行为数据包括车辆安全驾驶辅助装备的激活数据。
37.在车辆驾驶员行车过程中，对车辆安全驾驶辅助装备的激活数据进行监控，可以获取较全面的个人危险驾驶行为数据，后续根据激活数据，方便进一步对个人驾驶行为进行分析。
38.在一些实施例中，参考图1所示，激活数据包括激活次数，车辆安全驾驶辅助装备包括：制动防抱死系统和电子制动力分配118、刹车辅助系统112、自动紧急制动系统113三类装备中的一类或多类。
39.制动防抱死系统和电子制动力分配(antilock brake system electronic brake force distribution，abs ebd)118的作用是防止车辆行驶时产生打滑、倾斜和侧翻，当驾驶员在行车过程中突然紧急制动时，会激活触发abs ebd，若该车辆安全驾驶辅助装备被激活，表明车辆驾驶员存在危险驾驶行为；刹车辅助(electronic brake assist/brake assist system/baker aid，eba/bas/ba)系统112通过传感器监控驾驶员踩刹车踏板的频率和力量，在判断为紧急的时刻辅助驾驶员对车辆施加更大的制动力，当驾驶员在行车过程中踩刹车踏板不到位时，会激活eba/bas/ba，若该车辆安全驾驶辅助装备被激活，表明车辆驾驶员存在危险驾驶行为；自动紧急制动(autonomous emergency braking，aeb)系统113通过微波雷达、图像识别、红外摄像头检测驾驶员的行车安全距离，当安全距离达到极限值时，如果驾驶员没有做出反应，aeb就会被激活以帮助驾驶员完成紧急制动，若该车辆安全驾驶辅助装备被激活，表明车辆驾驶员存在危险驾驶行为。
40.示例性地，通常情况下会为车辆配备abs ebd、eba/bas/ba、aeb三类装备中的一类或多类，通过监控车辆安全驾驶辅助装备的激活次数，可以准确地获取驾驶员的个人驾驶行为数据，详细记录车辆驾驶员行车过程中的危险行为。
41.在一些实施例中，参考图1所示，车辆安全驾驶辅助装备还包括：前向碰撞预警系统114、后向碰撞预警系统115、车道偏离预警系统116、超速预警系统117四类装备中的一类或多类。
42.前向碰撞预警(forward collision warning，fcw)系统114和后向碰撞预警(rear collison warning，rcw)系统115通过摄像头、雷达等传感器实时感知车辆行驶过程中前方和后方的障碍物体，当检测到车辆与目标物体之间存在碰撞风险时，fcw、rcw可以通过警报的方式警示车辆驾驶员以及其他车辆，若车辆安全驾驶辅助装备fcw、rcw被激活，表明车辆驾驶员存在危险驾驶行为；车道偏离预警(lane departure warning，ldw)系统116可以提供智能的车道偏离预警，例如驾驶员未打转向灯而偏离原车道时，ldw能在偏离车道之前很
快发出警报，为驾驶员提供更多的反应时间，可以提醒存在过度疲劳驾驶情况的驾驶员，若该车辆安全驾驶辅助装备被激活，表明车辆驾驶员存在危险驾驶行为；超速预警系统117在驾驶员存在超速行驶行为时提示预警信息，提醒驾驶员减速，若该车辆安全驾驶辅助装备被激活，表明车辆驾驶员存在危险驾驶行为。
43.示例性地，通常情况下，还会为车辆配备fcw、rcw、ldw、超速预警系统四类装备中的一类或多类。优选地，为车辆全部配备abs ebd、eba/bas/ba、aeb、fcw、rcw、ldw、超速预警系统共七类车辆安全驾驶辅助装备，通过监控七类车辆安全驾驶辅助装备的激活次数，可以全面、综合、准确地获取驾驶员的个人驾驶行为数据，详细记录车辆驾驶员行车过程中的危险行为。
44.在一些实施例中，参考图1所示，在监控车辆驾驶员的个人驾驶行为数据的步骤之前，还包括通过驾驶员监控系统(dms)111对车辆驾驶员进行身份识别，获得车辆驾驶员的个人信息，将个人信息上传至云平台120。
45.通常在车辆端110会配置驾驶员监控系统(driver monitor system，dms)111，dms可以通过人脸识别等识别驾驶员身份，获取驾驶员的个人信息。示例性地，在驾驶员上车后，通过设置在车辆端110的dms对驾驶员进行身份识别，并将获取到的车辆驾驶员的个人信息上传云平台120，方便后续云平台120分析数据时进行信息匹配。
46.在步骤s220中，将个人驾驶行为数据上传至云平台。
47.参考图1所示，将个人驾驶行为数据上传至云平台120可以利用云平台120的强大计算资源进对个人驾驶行为数据进行处理。
48.在一些实施例中，将个人驾驶行为数据上传至云平台的步骤包括：车辆安全驾驶辅助装备通过车联网通信盒tbox将个人驾驶行为数据上传至云平台，云平台对个人驾驶行为数据进行清洗和/或存储，。
49.车联网通信盒(telematics box，tbox)是汽车上的一个远程通信终端盒子，车辆可以通过tbox实现车辆与云平台的联网。参考图1所示，示例性地，前文所述的各类车辆安全驾驶辅助装备均为独立的系统，当某一车辆安全驾驶辅助装备被激活时，该车辆安全驾驶辅助装备就通过tbox将激活数据上传至云平台120，云平台120接收到驾驶行为数据后根据需要，进行数据清洗121、数据存储123，以便后续进行数据分析122。
50.在步骤s230中，为个人驾驶行为数据设置评价权重。
51.示例性地，参考图1所示，根据驾驶行为的危险程度，对个人驾驶行为数据设置不同的权重。为高度危险行为设置高等级权重，例如权重值为5，高等级权重的车辆安全驾驶辅助装备包括：自动紧急制动系统(aeb)113、刹车辅助系统(eba/bas/ba)112；为中度危险行为设置中等级权重，例如权重值为3，中等级权重的车辆安全驾驶辅助装备包括：制动防抱死系统和电子制动力分配(abs ebd)118、超速预警系统117；为轻度危险行为设置低等级权重，例如权重值为2，低等级权重的车辆安全驾驶辅助装备包括：前向碰撞预警系统(fcw)114、后向碰撞预警系统(rcw)115、车道偏离预警系统(ldw)116。通过为个人驾驶行为数据设置评价权重，以对驾驶行为的危险程度作出区分。本技术对危险行为及权重的等级不作限制，可根据实际情况自主设置。
52.在一些实施例中，为个人驾驶行为数据设置评价权重的步骤包括：云平台根据驾驶行为的危险程度为个人驾驶行为数据设置不同的评价权重。
53.在一些实施例中，为个人驾驶行为数据设置评价权重的步骤包括：车辆处理器根据驾驶行为的危险程度为个人驾驶行为数据设置不同的评价权重。
54.在实际情况中，可以根据需要，对不同的驾驶行为的危险程度(高度危险行为、中度危险行为、轻度危险行为)，选择在云平台上或者利用车辆处理器来为个人驾驶行为数据设置评价权重，本技术不作限制。
55.在步骤s240中，根据激活数据和评价权重计算个人驾驶行为得分，在第一预设周期内根据个人驾驶行为得分获得个人驾驶数据分析结果。
56.示例性地，第一预设周期可以是一个月，个人驾驶数据分析结果可以包括：高度危险驾驶、中度危险驾驶、轻度危险驾驶。根据激活数据和评价权重计算出个人驾驶行为得分并在一定的周期内生成个人驾驶数据分析结果，而不是基于偶发报警进行分析，可以客观地体现出驾驶员驾驶习惯的危险程度。
57.在一些实施例中，参考图1所示，根据激活数据和评价权重计算个人驾驶行为得分的步骤包括：云平台120将不同的车辆安全驾驶辅助装备的激活次数乘以相应的评价权重，获得第一得分，将第一得分累加获得个人驾驶行为得分。
58.示例性地，个人驾驶行为得分＝∑车辆安全驾驶辅助装备激活次数*评价权重，可以在云平台120用该表达式来获得个人驾驶行为得分。个人驾驶行为得分越高，表明驾驶员危险驾驶程度越高。
59.在一些实施例中，根据激活数据和评价权重计算个人驾驶行为得分的步骤包括：车辆处理器将不同的车辆安全驾驶辅助装备的激活次数乘以相应的评价权重，获得第一得分，将第一得分累加获得个人驾驶行为得分。
60.示例性地，在实际情况中，可以根据需要利用车辆处理器来计算个人驾驶行为得分，这样设置，在数据暂时无法上传至云端时，可以有效利用车辆端的本地计算资源，并在本车辆存储个人驾驶数据，之后再将数据传输至云端，保证了驾驶员在一定周期内驾驶行为得分等数据的准确性。
61.在一些实施例中，参考图1所示，本技术的驾驶行为监控分析方法，还包括在第二预设周期内，云平台120根据多名车辆驾驶员的个人信息和相应的个人驾驶行为得分进行大数据分析，获得整体驾驶行为得分分布，个人信息包括：职业、性别、年龄、驾龄、所在城市五个维度中的一个或多个。
62.示例性地，第二预设周期可以是一个月，也可以一周，本技术对第二预设周期不作限制。云平台120获取到多名车辆驾驶员的个人信息后，对个人信息进行数据脱敏，包括对某些敏感信息通过脱敏规则进行数据的变形，实现车辆驾驶员敏感隐私数据的可靠保护。
63.示例性地，云平台120基于多名车辆驾驶员的个人信息进行数据分析122，从职业、性别、年龄、驾龄、所在城市等不同维度，并根据相应的个人驾驶行为得分进行统计，通过大数据分析出整体驾驶行为的得分分布。例如，分析不同职业的人群驾驶行为的得分排名、分布；分析不同年龄阶段的人群驾驶行为的得分排名、分布。还可以针对个人信息中的一个或多个维度来分析危险驾驶行为(被激活的车辆安全驾驶辅助装备)的分布。
64.通过在一定的周期内，云平台120分析多名车辆驾驶员整体驾驶行为得分分布，可以有效地对大量驾驶员过去的驾驶行为进行评估和分析，这些大数据结果可以在一定程度上预测未来驾驶员的驾驶行为，以便相关人员及时采取相关手段提升驾驶员行车安全意
识、进行危险驾驶行为的干预等，减少危险的发生。
65.在一些实施例中，参考图1所示，本技术的驾驶行为监控分析方法，还包括云平台120根据整体驾驶行为得分分布进行驾驶行为人群分类，驾驶行为人群分类的结果包括：驾驶习惯高危人群、驾驶习惯一般人群和驾驶习惯良好人群。
66.示例性地，云平台120基于大数据分析的整体驾驶行为得分分布，对驾驶员人群进行标签分类，例如分类包括驾驶习惯高危人群(整体驾驶行为得分排名前三分之一的人群)；驾驶习惯一般人群(整体驾驶行为得分排名处于前三分之一至三分之二的人群)；驾驶习惯良好人群(整体驾驶行为得分排名后三分之一的人群)。
67.在步骤s250中，参考图1所示，云平台120根据个人驾驶数据分析结果生成个人驾驶行为报告，将个人驾驶行为报告传输至移动终端设备130。
68.示例性地，云平台120在每个统计周期(例如一个月)根据个人驾驶数据分析结果生成个人驾驶行为报告(图1中示出的驾驶行为报告131)，该报告的内容包括：个人驾驶行为得分、个人驾驶行为分布、安全驾驶小贴士建议。云平台120可以将个人驾驶行为报告传输至手机应用程序(application，app)、车辆端信息娱乐主机(infotainment head unit，ihu)等移动终端设备130。驾驶员可以通过车主app、ihu查看自己的个人驾驶行为报告。驾驶员也可以通过车主app或者ihu设置授权人(如家人)，被授权人也可以在手机app查看驾驶员的个人驾驶行为报告。
69.在一些实施例中，参考图1所示，本技术的驾驶行为监控分析方法，还包括云平台120根据个人驾驶数据分析结果、整体驾驶行为得分分布、驾驶行为人群分类的结果，生成综合驾驶行为报告，将综合驾驶行为报告传输至移动终端设备130。
70.示例性地，云平台120在每个统计周期(例如一个月)生成综合驾驶行为报告(图1中示出的驾驶行为报告131)，该报告的内容包括：个人驾驶行为得分、个人驾驶行为分布、整体驾驶行为得分分布、驾驶行为人群分类的结果。云平台120可以将综合驾驶行为报告传输至电脑等移动终端设备130。如果被监控车辆为商业运营车辆，驾驶员被告知、同意后，驾驶员雇主(例如一些车辆商业运营公司)可以查看综合驾驶行为报告，对于不同危险驾驶行为得分的驾驶员采取管理措施，以规范驾驶员驾驶行为，优化公司级行车安全规范，保障行车安全。或者驾驶员被告知、同意后，第三方机构(例如保险公司)可以查看综合驾驶行为报告，通过个人驾驶数据分析结果、整体驾驶行为得分分布、驾驶行为人群分类的结果，分析出险概率，对车辆制定个性化的、千人千面的保费策略。
71.下面结合图1来举例说明本技术的一个实施例。参考图1所示，驾驶员上车后，经过驾驶员监控系统(dms)111进行身份识别，将个人信息传输至云平台120，在行车过程中若激活七类车辆安全驾驶辅助装备中的一类或多类，将相应的激活数据传输至云平台120，七类车辆安全驾驶辅助装备包括：刹车辅助系统(eba/bas/ba)112、自动紧急制动系统(aeb)113、前向碰撞预警系统(fcw)114、后向碰撞预警系统(rcw)115、车道偏离预警系统(ldw)116、超速预警系统117、制动防抱死系统和电子制动力分配(abs ebd)118。云平台120接收到来自车辆端110的数据后进行数据处理，包括进行数据清洗121、数据分析122、数据存储123。云平台120分析生成驾驶行为报告131后将报告传输至移动终端设备130，通过移动终端设备130将驾驶行为报告131呈现给用户。
72.本技术可以对一个统计周期(例如一个月)内的所有危险驾驶行为监控数据进行
分析并具有以下有益效果：
73.1.综合分析自动紧急制动、刹车辅助等七类车辆安全驾驶辅助装备的数据，危险驾驶行为分析数据全面；
74.2.统计分析一个周期内的数据，而不是基于偶发报警进行分析，对分析驾驶员的驾驶习惯更客观；
75.3.驾驶员本人主动查看个人驾驶行为报告，可以提升行车安全意识，减少危险发生；
76.4.雇主、第三方机构可以基于综合驾驶行为报告，制定行车运营规范、商品策略，提升行车安全，降低运营成本。
77.本技术还包括一种驾驶行为监控分析系统，包括存储器和处理器。其中，该存储器用于存储可由处理器执行的指令；处理器用于执行该指令以实现前文所述的驾驶行为监控分析方法。
78.图3是本技术一实施例的驾驶行为监控分析系统的系统框图。参考图3所示，该驾驶行为监控分析系统300可包括内部通信总线301、处理器302、只读存储器(rom)303、随机存取存储器(ram)304以及通信端口305。当应用在个人计算机上时，该驾驶行为监控分析系统300还可以包括硬盘306。内部通信总线301可以实现该驾驶行为监控分析系统300组件间的数据通信。处理器302可以进行判断和发出提示。在一些实施例中，处理器302可以由一个或多个处理器组成。通信端口305可以实现该驾驶行为监控分析系统300与外部的数据通信。在一些实施例中，该驾驶行为监控分析系统300可以通过通信端口305从网络发送和接受信息及数据。该驾驶行为监控分析系统300还可以包括不同形式的程序储存单元以及数据储存单元，例如硬盘306，只读存储器(rom)303和随机存取存储器(ram)304，能够存储计算机处理和/或通信使用的各种数据文件，以及处理器302所执行的可能的程序指令。处理器执行这些指令以实现方法的主要部分。处理器处理的结果通过通信端口传给用户设备，在用户界面上显示。
79.上述的驾驶行为监控分析方法可以实施为计算机程序，保存在硬盘306中，并可加载到处理器302中执行，以实施本技术的驾驶行为监控分析方法。
80.本技术还包括一种存储有计算机程序代码的计算机可读介质，该计算机程序代码在由处理器执行时实现前文所述的驾驶行为监控分析方法。
81.驾驶行为监控分析方法实施为计算机程序时，也可以存储在计算机可读存储介质中作为制品。例如，计算机可读存储介质可以包括但不限于磁存储设备(例如，硬盘、软盘、磁条)、光盘(例如，压缩盘(cd)、数字多功能盘(dvd))、智能卡和闪存设备(例如，电可擦除可编程只读存储器(eprom)、卡、棒、键驱动)。此外，本文描述的各种存储介质能代表用于存储信息的一个或多个设备和/或其它机器可读介质。术语“机器可读介质”可以包括但不限于能存储、包含和/或承载代码和/或指令和/或数据的无线信道和各种其它介质(和/或存储介质)。
82.应该理解，上文所描述的实施例仅是示意。本文描述的实施例可在硬件、软件、固件、中间件、微码或者其任意组合中实现。对于硬件实现，处理器可以在一个或者多个特定用途集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、处理器、控制器、微控制器、微处理器和/或设计为执行本
文所述功能的其它电子单元或者其结合内实现。
83.本技术的一些方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。处理器可以是一个或多个专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理器件(dapd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、处理器、控制器、微控制器、微处理器或者其组合。此外，本技术的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。例如，计算机可读介质可包括，但不限于，磁性存储设备(例如，硬盘、软盘、磁带
……
)、光盘(例如，压缩盘cd、数字多功能盘dvd
……
)、智能卡以及闪存设备(例如，卡、棒、键驱动器
……
)。
84.计算机可读介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、射频信号、或类似介质、或任何上述介质的组合。
85.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述申请披露仅仅作为示例，而并不构成对本技术的限定。虽然此处并没有明确说明，本领域技术人员可能会对本技术进行各种修改、改进和修正。该类修改、改进和修正在本技术中被建议，所以该类修改、改进、修正仍属于本技术示范实施例的精神和范围。
86.同时，本技术使用了特定词语来描述本技术的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本技术至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本技术的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
87.一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有
±
20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本技术一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。