1.一种预测驾车风险的方法，其特征在于，包括以下步骤：
获取客户端对应用户的影响驾车安全的非驾驶因素的特征向量；
根据预设模型以及所述特征向量生成该用户的驾车风险值，所述预设模型反映驾车风险值与影响驾车安全的非驾驶因素的特征向量之间的关系；
依据所述驾车风险值生成对应的预警信息；
向所述客户端发送包含所述预警信息的预警消息。
2.根据权利要求1所述的预测驾车风险的方法，其特征在于，所述驾车风险值包括所述客户端对应用户的总驾车风险值和/或各驾驶因素的分驾车风险值及权重。
3.根据权利要求2所述的预测驾车风险的方法，其特征在于，所述预警信息还包括针对驾车风险值的应对策略。
4.根据权利要求1-3任一项所述的预测驾车风险的方法，其特征在于，在向所述客户端发送包含所述预警信息的预警消息之前，还包括：
判断当前生成的预警信息是否超出预设阈值；
如果超出，则向所述客户端发送包含所述预警信息的预警消息。
5.根据权利要求1所述的预测驾车风险的方法，其特征在于，所述的预设模型是基于历史驾车风险数据建立的广义线性模型。
6.根据权利要求5所述的预测驾车风险的方法，其特征在于，所述历史驾车风险数据为设定时间范围内群体样本的由影响驾车安全的非驾驶因素所致的历史驾车风险记录。
7.一种预测驾车风险的方法，其特征在于，包括以下步骤：
接收服务器端发送的包含预警信息的预警消息，所述预警信息由所述服务器端依据所述驾车风险值生成，所述驾车风险值由所述服务器端根据预设模型以及客户端对应用户的特征向量生成，所述预设模型反映驾车风险值与影响驾车安全的非驾驶因素的特征向量之间的关系；
将所述预警消息输出，以对所述客户端对应用户预警。
8.根据权利要求7所述的预测驾车风险的方法，其特征在于，所述驾车风险值包括所述客户端对应用户的总驾车风险值和/或各驾驶因素的分驾车风险值及权重。
9.根据权利要求8所述的预测驾车风险的方法，其特征在于，所述预警信息还 包括针对驾车风险值的应对策略。
10.根据权利要求7-9任一项所述的预测驾车风险的方法，其特征在于，在向所述客户端发送包含所述预警信息的预警消息之前，还包括：
判断当前生成的预警信息是否超出预设阈值；
如果超出，则向所述客户端发送包含所述预警信息的预警消息。
11.根据权利要求7所述的预测驾车风险的方法，其特征在于，所述的预设模型是基于历史驾车风险数据建立的广义线性模型。
12.根据权利要求11所述的预测驾车风险的方法，其特征在于，所述历史驾车风险数据为设定时间范围内群体样本的由影响驾车安全的非驾驶因素所致的历史驾车风险记录。
13.一种预测驾车风险的方法，其特征在于，包括以下步骤：
服务器端获取客户端对应用户的影响驾车安全的非驾驶因素的特征向量；
所述服务器端根据预设模型以及所述特征向量生成该用户的驾车风险值，所述预设模型反映驾车风险值与影响驾车安全的非驾驶因素的特征向量之间的关系；
所述服务器端依据所述驾车风险值生成对应的预警信息；
所述服务器端向所述客户端发送包含所述预警信息的预警消息；
所述客户端接收所述预警消息；
所述客户端将所述预警消息输出，以对所述客户端对应用户预警。
14.一种预测驾车风险的装置，其特征在于，包括：
特征向量获取模块，用于获取客户端对应用户的影响驾车安全的非驾驶因素的特征向量；
驾车风险生成模块，用于根据预设模型以及所述特征向量生成该用户的驾车风险值，所述预设模型反映驾车风险值与影响驾车安全的非驾驶因素的特征向量之间的关系；
预警信息生成模块，用于依据所述驾车风险值生成对应的预警信息；
预警消息发送模块，用于向所述客户端发送包含所述预警信息的预警消息。
15.根据权利要求14所述的预测驾车风险的装置，其特征在于，所述驾车风险值包括所述客户端对应用户的总驾车风险值和/或各驾驶因素的分驾车风险值及权重。
16.根据权利要求15所述的预测驾车风险的装置，其特征在于，所述预警信息还包括针对驾车风险值的应对策略。
17.根据权利要求14-16任一项所述的预测驾车风险的装置，其特征在于，在向所述客户端发送包含所述预警信息的预警消息之前，还包括：
判断当前生成的预警信息是否超出预设阈值；
如果超出，则向所述客户端发送包含所述预警信息的预警消息。
18.根据权利要求14所述的预测驾车风险的装置，其特征在于，所述的预设模型是基于历史驾车风险数据建立的广义线性模型。
19.根据权利要求18所述的预测驾车风险的装置，其特征在于，所述历史驾车风险数据为设定时间范围内群体样本的由影响驾车安全的非驾驶因素所致的历史驾车风险记录。
20.一种预测驾车风险的装置，其特征在于，包括：
预警消息接收模块，用于接收服务器端发送的包含预警信息的预警消息，所述预警信息由所述服务器端依据所述驾车风险值生成，所述驾车风险值由所述服务器端根据预设模型以及客户端对应用户的特征向量生成，所述预设模型反映驾车风险值与影响驾车安全的非驾驶因素的特征向量之间的关系；
预警消息输出模块，用于将所述预警消息输出，以对所述客户端对应用户预警。
21.根据权利要求20所述的预测驾车风险的装置，其特征在于，所述驾车风险值包括所述客户端对应用户的总驾车风险值和/或各驾驶因素的分驾车风险值及权重。
22.根据权利要求21所述的预测驾车风险的装置，其特征在于，所述预警信息还包括针对驾车风险值的应对策略。
23.根据权利要求20-22任一项所述的预测驾车风险的装置，其特征在于，在向所述客户端发送包含所述预警信息的预警消息之前，还包括：
判断当前生成的预警信息是否超出预设阈值；
如果超出，则向所述客户端发送包含所述预警信息的预警消息。
24.根据权利要求20所述的预测驾车风险的装置，其特征在于，所述的预设模型是基于历史驾车风险数据建立的广义线性模型。
25.根据权利要求24所述的预测驾车风险的装置，其特征在于，所述历史驾车 风险数据为设定时间范围内群体样本的由影响驾车安全的非驾驶因素所致的历史驾车风险记录。
26.一种预测驾车风险的系统，其特征在于，包括：
权利要求14所述的预测驾车风险的装置，以及，
权利要求20所述的预测驾车风险的装置。