1.一种驾驶行为评估方法,其特征在于,所述方法包括:
获取司机的实时驾驶行为数据;
根据所述实时驾驶行为数据计算出至少一个实时驾驶行为指标;
根据预设的实时驾驶行为指标和第一分数的对应关系,查询每个所述实时驾驶行为指标对应的第一分数;
根据每个所述第一分数和预先生成的权重值计算出所述司机的驾驶行为评分。
2.根据权利要求1所述的驾驶行为评估方法,其特征在于,所述获取司机的实时驾驶行为数据之前,还包括:
获取历史驾驶行为数据;
根据所述历史驾驶行为数据计算出所述历史驾驶行为数据对应的至少一个历史驾驶行为指标;
通过logistic回归算法对至少一个所述历史驾驶行为指标进行计算,生成每个所述历史驾驶行为指标对应的所述权重值。
3.根据权利要求2所述的驾驶行为评估方法,其特征在于,所述通过logistic回归算法对至少一个所述历史驾驶行为指标进行计算,生成每个所述历史驾驶行为指标对应的所述权重值,具体包括:
构建logistic回归模型:
其中,y为驾驶行为,xj为所述历史驾驶行为指标,p为所述历史驾驶行为指标的个数,βj为每个所述历史驾驶行为指标对应的回归系数,e为常量;
对所述历史驾驶行为指标进行数据预处理生成训练数据,并将所述训练数据划分为训练集和测试集;
根据所述测试集和所述训练集,按照logistic回归算法训练所述logistic回归模型,得到每个所述历史驾驶行为指标对应的所述回归系数;
根据权重计算公式:
4.根据权利要求1所述的驾驶行为评估方法,其特征在于,所述根据所述第一分数和预先生成的权重值计算出所述司机的驾驶行为评分,包括:
将每个所述实时驾驶行为指标的所述第一分数乘以对应的所述权重值得到第二分数;
将每个所述实时驾驶行为指标的所述第二分数相加得到所述驾驶行为评分。
5.根据权利要求1所述的驾驶行为评估方法,其特征在于,所述根据所述分数和预先生成的权重值计算出所述司机的驾驶行为评分之后,还包括:
根据预设的驾驶行为评分与驾驶行为等级的对应关系,查询所述驾驶行为评分对应的驾驶行为等级;
判断所述驾驶行为评分是否小于第一阈值或者大于第二阈值;
若判断出所述驾驶行为评分小于所述第一阈值或者大于所述第二阈值,调整所述实时驾驶行为指标和第一分数的对应关系,继续执行所述获取司机的实时驾驶行为数据的步骤;
其中,所述第二阈值大于所述第一阈值。
6.根据权利要求5所述的驾驶行为评估方法,其特征在于,还包括:
若判断出所述驾驶行为评分大于或者等于所述第一阈值且小于或者等于所述第二阈值,将所述驾驶行为评分取整后乘以月绩效工资基点得到月绩效工资;
将所述月绩效工资与月固定工资相加得到所述司机的月总工资;
根据所述实时驾驶行为指标以及所述权重值、所述第一分数、所述驾驶行为评分和所述驾驶行为等级生成驾驶行为报告;
将所述驾驶行为报告、所述月绩效工资和所述月总工资发送至客户端。
7.根据权利要求1所述的驾驶行为评估方法,其特征在于,所述实时驾驶行为指标包括:超速时间百分比、匀速行驶时间百分比、平均百公里油耗、急加速次数、疲劳驾驶时间百分比、急转弯次数、怠速时间百分比、超转速时间百分比、速转不匹配时间百分比、急刹车次数和行驶里程中的至少一个。
8.一种驾驶行为评估装置,其特征在于,所述装置包括:
第二获取模块,用于获取司机的实时驾驶行为数据;
第二计算模块,用于根据所述实时驾驶行为数据计算出至少一个实时驾驶行为指标;
第一查询模块,用于根据预设的实时驾驶行为指标和第一分数的对应关系,查询每个所述实时驾驶行为指标对应的所述第一分数;
第三计算模块,用于根据每个所述第一分数和预先生成的权重值计算出所述司机的驾驶行为评分。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至7中任意一项所述的驾驶行为评估方法。
10.一种计算机设备,包括存储器和处理器,所述存储器用于存储包括程序指令的信息,所述处理器用于控制程序指令的执行,其特征在于,所述程序指令被处理器加载并执行时实现权利要求1至7中任意一项所述的驾驶行为评估方法的步骤。