一种支持驾驶行为判断的方法与流程

本发明涉及车载技术领域，尤其涉及一种支持驾驶行为判断的方法。

背景技术：

生活中，我们往往无法客观评价自己的驾驶行为，容易发生超速行驶、弯道超车、见车就超等情况。据官方统计，不良驾驶行为导致的交通事故死亡人数占86.5％，所以客观了解自己的驾驶行为对于安全行车至关重要。现在纯app类驾驶行为分析应用程序使用的一维驾驶行为分析(一般显示急加速、急转弯、急减速等)，并且主要是基于gps或者obd的算法来分析，例如根据位置速度，计算出加速度，角度变化等。

这种算法具有下列局限性：

没考虑用户所处的场景，例如急减速，有可能此时突然前面来了个行人，但是车主紧急刹车，此种场景下的急减速是正向的驾驶行为。仅依靠位置数据也存在一定的误差，因为位置存在一定的漂移，在不确定的基础上进行位置计算，为此，本发明提出一种支持驾驶行为判断的方法。

技术实现要素：

本发明的目的是为了解决现有技术中的问题，而提出的一种支持驾驶行为判断的方法。

为了实现上述目的，本发明采用了如下技术方案：

一种支持驾驶行为判断的方法，所述包括数据采集子系统和数据处理子系统，所述数据采集子系统包括gps数据采集单元、gps数据过滤单元、加速度传感器采集、加速度处理单元、图片采集模块和图片识别模块，所述数据处理子系统包括位置处理单元、驾驶行为分析模块、数据上传子模块和本地缓存模块，所述数据采集子系统针对数据进行采集，并进行预处理；所述数据处理子系统是针对前端采集的数据进行处理。

优选的，所述gps数据采集单元不仅包括美国的gps系统，还包括中国的北斗系统，欧洲的伽利略系统，俄罗斯的格洛纳斯系统等，从gps获取的数据，可以分为两大类，精确定位和非精确定位，前者主要是依赖卫星的信号进行定位获得的位置、速度信息；后者主要是基站定位。

优选的，所述加速度传感器采集包括：

1、采集三轴加速度的数值，包括x，y，z方向的加速度，是指车机的安装平面的的三轴加速度的数值；

2、采集方向传感器的数值，以及三轴加速度的x、y、z方向和实际的磁北极(水平)、垂直方向的夹角，具体来说：

α：返回水平时磁北极和y轴的夹角，范围为0°至360°，0°＝北，90°＝东，180°＝南，270°＝西；

β：x轴和水平面的夹角，范围为-180°至180°，当z轴向y轴转动时，角度为正值；

γ：y轴和水平面的夹角，由于历史原因，范围为-90°至90°。

优选的，所述gps数据过滤单元针对输入数据gps数据进行处理，本地维护当前出于静止状态还是运动状态；

1、如果连续n1个点的速率低于某个门限，并且这些点分布相对均匀，认为是静止；

2、如果连续n2个点的速率高于某个门限，认为是运动。

3、其他状态则保持现状不变。

4、非卫星定位的点不参与静止或运动状态的计算；

判断这些位置点的均匀的方法：这些gps位置点放在一个矩形里面，如果矩形的长和宽相差不大，则认为是分布均匀；如果是长条状，长和宽相差很大，则认为分布不均匀；

在运动状态下，对gps数据进行过滤处理：

a.速率超过一定的数值认为是无效的；

b.去掉奇点。

优选的，所述加速度处理单元根据采集的三轴加速度的数据和方向数据，计算出目前的实际的加速度；

三轴传感器的加速度是在车机所在的坐标系内的方向和大小，而方向传感器是指当前的车机所在的坐标系和水平坐标系的夹角，把这两个坐标系转换可以换算得到三轴传感器在水平坐标系的的大小和方向。

优选的，所述图片采集模块获取数据的方法如下：

a.从摄像头获取到原始数据；

b.在传输的过程中进行编码，采用h.264的编码方法进行编码；

c.摄像头和处理器之间通过ipc或者以太网传输；

d.采集图片后进行解码；

所述图片识别模块可以识别出来如下信息：

a.限速

b.行人或者动物

c.红绿灯

d.机动车；

所述图片识别模块的识别的方法如下：

1.限速标志；

2.行人识别；

3.红绿灯；

4.机动车识别。

优选的，所述位置处理单元针对gps数据处理单元和加速度处理单元的数据进行处理，算法如下：

a.先根据gps的位置计算该点相对上一点的平均加速度；

b.加速度的速率明显超出正常范围的，则认为该点的速度有问题，需要重新计算速度，使用的场景主要是低速的时候gps的速度会偏差比较大，存在跳跃；计算的方法是根据上一点到该点的时间差，针对时间和加速度进行积分，算出该点的准确的速度，并更新该点的速度；

c.根据步骤b该点的速度，以及上一点的速度，计算出该点的平均加速度；

在位置处理单元处理后，输出的格式就是准确的经纬度、gps时间信息、速度、加速度信息，已经过滤了异常的点的信息。

优选的，所述驾驶行为分析模块根据驾驶行为和图片识别出来的场景进行处理，识别驾驶行为特征：

定义如下：a_max设置为车能大大的最大的加速度；a_min为车能达到的最小的减速度(负数)。

(一)判定急加速：

如果当前点的加速度，大于a_max*y1％，开始计算急加速：

(1)、急加速事件：包含起始点，结束点信息，p_start和p_end为当前保存的急加速的起始和结束点，初始值为空；

(2)、如果当前点的加速度不满足急加速的点的判断标准，检查p_start和p_end，如果有的话，记录一次急加速事件，并充值p_start和p_end为空；

(3)、连续两个点的加速度都大于a_max*50％，认为是急加速，如果最近急加速的起始点p_start和p_end为空，记录最近一次急加速产生起始和结束点为上一点和当前点，否则看当前点是否和p_end连续，如果是的话，说明是连续急加速，刷新p_end为当前定位点；否则说明产生了新的急加速事件，保存当前的急加速事件，生成新的一个急加速事件，p_start为上一定位点，p_end为当前定位点；

说明：连续的急加速只统计一次；

(二)急减速：

如果当前点的加速度，小于a_min*y2％，开始计算急减速；

计算方法类似急加速，也是至少两个点，并且连续的只统计一次；(三)急转弯：

判断依据：方向和速度转弯的方向比较大，或者速度比较大的时候，认为是急转弯。

具体算法：

1、如果当前点的转向超过正负z度，认为是急转弯，进行急转弯的统计。

2、在转弯的时候，如果当前点转向z1-z2度之间，并且时速超过x公里，其中z1，和z2，以及x是几个范围。

3、新产生的急转弯的点，如果和已经记录的急转弯的开始和结束点距离比较接近，不产生新的急转弯事件，只是刷新当前急转弯的结束点。

4、当不产生急转弯事件的时候，设置开始和结束点为空。

(四)超速：

根据当前的车道检测(基于图片识别的结果)，如果时速超过车道允许的速度，认为是超速；

驾驶行为评分：

急加速：是加分；

急减速：如果根据图片识别结果是前方突然有人或者是动物等影响驾驶行为的，驾驶员作出了正确的反应，加分；否则减分；

急转弯：减分；

超速：减分。

优选的，所述数据上传子模块是把驾驶行为的结果上传到云端，包括开始时间，结束时间，以及驾驶行为的特征，以及对应的视频，还有该驾驶行为属于要加分还是减分的判断。

优选的，所述本地缓存模块是在驾驶行为和图片上传的失败，会进行缓存，下次再上报。

与现有技术相比，本发明提供了一种支持驾驶行为判断的方法，具备以下有益效果：

1、驾驶行为不仅考虑了gps的数据，还考虑了三轴加速度的传感器的数据，并针对这个进行了算法优化处理。

2、考虑了实际的场景，所有的驾驶员的驾驶行为都是在特定场景下的驾驶行为，不再根据设备自身的行为来判定驾驶行为，而是结合具体场景给驾驶行为进行定性，进而完成定量的分析。

该装置中未涉及部分均与现有技术相同或可采用现有技术加以实现，本发明结构简单，操作方便。

附图说明

图1为本发明提出的一种支持驾驶行为判断的方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

实施例1

如图1所示，一种支持驾驶行为判断的方法，所述包括数据采集子系统和数据处理子系统，所述数据采集子系统包括gps数据采集单元、gps数据过滤单元、加速度传感器采集、加速度处理单元、图片采集模块和图片识别模块，所述数据处理子系统包括位置处理单元、驾驶行为分析模块、数据上传子模块和本地缓存模块，所述数据采集子系统针对数据进行采集，并进行预处理；所述数据处理子系统是针对前端采集的数据进行处理。

所述gps数据采集单元为美国的gps系统，从gps获取的数据，可以分为两大类，精确定位和非精确定位，前者主要是依赖卫星的信号进行定位获得的位置、速度信息；后者主要是基站定位。

所述加速度传感器采集包括：

1、采集三轴加速度的数值，包括x，y，z方向的加速度，是指车机的安装平面的的三轴加速度的数值；

2、采集方向传感器的数值，以及三轴加速度的x、y、z方向和实际的磁北极(水平)、垂直方向的夹角，具体来说：

α：返回水平时磁北极和y轴的夹角，范围为0°至360°，0°＝北，90°＝东，180°＝南，270°＝西；

β：x轴和水平面的夹角，范围为-180°至180°，当z轴向y轴转动时，角度为正值；

γ：y轴和水平面的夹角，由于历史原因，范围为-90°至90°。

所述gps数据过滤单元针对输入数据gps数据进行处理，本地维护当前出于静止状态还是运动状态；

1、如果连续n1个点的速率低于某个门限，并且这些点分布相对均匀，认为是静止；

2、如果连续n2个点的速率高于某个门限，认为是运动。

3、其他状态则保持现状不变。

4、非卫星定位的点不参与静止或运动状态的计算；

判断这些位置点的均匀的方法：这些gps位置点放在一个矩形里面，如果矩形的长和宽相差不大，则认为是分布均匀；如果是长条状，长和宽相差很大，则认为分布不均匀；

在运动状态下，对gps数据进行过滤处理：

a.速率超过一定的数值认为是无效的；

b.去掉奇点。

所述加速度处理单元根据采集的三轴加速度的数据和方向数据，计算出目前的实际的加速度；

三轴传感器的加速度是在车机所在的坐标系内的方向和大小，而方向传感器是指当前的车机所在的坐标系和水平坐标系的夹角，把这两个坐标系转换可以换算得到三轴传感器在水平坐标系的的大小和方向。

所述图片采集模块获取数据的方法如下：

a.从摄像头获取到原始数据；

b.在传输的过程中进行编码，采用h.264的编码方法进行编码；

c.摄像头和处理器之间通过ipc或者以太网传输；

d.采集图片后进行解码；

所述图片识别模块可以识别出来如下信息：

a.限速

b.行人或者动物

c.红绿灯

d.机动车；

所述图片识别模块的识别的方法如下：

1.限速标志；

2.行人识别；

3.红绿灯；

4.机动车识别。

所述位置处理单元针对gps数据处理单元和加速度处理单元的数据进行处理，算法如下：

a.先根据gps的位置计算该点相对上一点的平均加速度；

b.加速度的速率明显超出正常范围的，则认为该点的速度有问题，需要重新计算速度，使用的场景主要是低速的时候gps的速度会偏差比较大，存在跳跃；计算的方法是根据上一点到该点的时间差，针对时间和加速度进行积分，算出该点的准确的速度，并更新该点的速度；

c.根据步骤b该点的速度，以及上一点的速度，计算出该点的平均加速度；

在位置处理单元处理后，输出的格式就是准确的经纬度、gps时间信息、速度、加速度信息，已经过滤了异常的点的信息。

所述驾驶行为分析模块根据驾驶行为和图片识别出来的场景进行处理，识别驾驶行为特征：

定义如下：a_max设置为车能大大的最大的加速度；a_min为车能达到的最小的减速度(负数)。

(一)判定急加速：

如果当前点的加速度，大于a_max*y1％，开始计算急加速：

(1)、急加速事件：包含起始点，结束点信息，p_start和p_end为当前保存的急加速的起始和结束点，初始值为空；

(2)、如果当前点的加速度不满足急加速的点的判断标准，检查p_start和p_end，如果有的话，记录一次急加速事件，并充值p_start和p_end为空；

(3)、连续两个点的加速度都大于a_max*50％，认为是急加速，如果最近急加速的起始点p_start和p_end为空，记录最近一次急加速产生起始和结束点为上一点和当前点，否则看当前点是否和p_end连续，如果是的话，说明是连续急加速，刷新p_end为当前定位点；否则说明产生了新的急加速事件，保存当前的急加速事件，生成新的一个急加速事件，p_start为上一定位点，p_end为当前定位点；

说明：连续的急加速只统计一次；

(二)急减速：

如果当前点的加速度，小于a_min*y2％，开始计算急减速；

计算方法类似急加速，也是至少两个点，并且连续的只统计一次；(三)急转弯：

判断依据：方向和速度转弯的方向比较大，或者速度比较大的时候，认为是急转弯。

具体算法：

1、如果当前点的转向超过正负z度，认为是急转弯，进行急转弯的统计。

2、在转弯的时候，如果当前点转向z1-z2度之间，并且时速超过x公里，其中z1，和z2，以及x是几个范围。

3、新产生的急转弯的点，如果和已经记录的急转弯的开始和结束点距离比较接近，不产生新的急转弯事件，只是刷新当前急转弯的结束点。

4、当不产生急转弯事件的时候，设置开始和结束点为空。

(四)超速：

根据当前的车道检测(基于图片识别的结果)，如果时速超过车道允许的速度，认为是超速；

驾驶行为评分：

急加速：是加分；

急减速：如果根据图片识别结果是前方突然有人或者是动物等影响驾驶行为的，驾驶员作出了正确的反应，加分；否则减分；

急转弯：减分；

超速：减分。

所述数据上传子模块是把驾驶行为的结果上传到云端，包括开始时间，结束时间，以及驾驶行为的特征，以及对应的视频，还有该驾驶行为属于要加分还是减分的判断。

所述本地缓存模块是在驾驶行为和图片上传的失败，会进行缓存，下次再上报

实施例2

如图1所示，一种支持驾驶行为判断的方法，所述包括数据采集子系统和数据处理子系统，所述数据采集子系统包括bds数据采集单元、bds数据过滤单元、加速度传感器采集、加速度处理单元、图片采集模块和图片识别模块，所述数据处理子系统包括位置处理单元、驾驶行为分析模块、数据上传子模块和本地缓存模块，所述数据采集子系统针对数据进行采集，并进行预处理；所述数据处理子系统是针对前端采集的数据进行处理。

所述数据采集单元为中国的北斗系统，从bds获取的数据，可以分为两大类，精确定位和非精确定位，前者主要是依赖卫星的信号进行定位获得的位置、速度信息；后者主要是基站定位

所述加速度传感器采集包括：

1、采集三轴加速度的数值，包括x，y，z方向的加速度，是指车机的安装平面的的三轴加速度的数值；

2、采集方向传感器的数值，以及三轴加速度的x、y、z方向和实际的磁北极(水平)、垂直方向的夹角，具体来说：

α：返回水平时磁北极和y轴的夹角，范围为0°至360°，0°＝北，90°＝东，180°＝南，270°＝西；

β：x轴和水平面的夹角，范围为-180°至180°，当z轴向y轴转动时，角度为正值；

γ：y轴和水平面的夹角，由于历史原因，范围为-90°至90°。

所述bds数据过滤单元针对输入数据bds数据进行处理，本地维护当前出于静止状态还是运动状态；

1、如果连续n1个点的速率低于某个门限，并且这些点分布相对均匀，认为是静止；

2、如果连续n2个点的速率高于某个门限，认为是运动。

3、其他状态则保持现状不变。

4、非卫星定位的点不参与静止或运动状态的计算；

判断这些位置点的均匀的方法：这些bds位置点放在一个矩形里面，如果矩形的长和宽相差不大，则认为是分布均匀；如果是长条状，长和宽相差很大，则认为分布不均匀；

在运动状态下，对bds数据进行过滤处理：

a.速率超过一定的数值认为是无效的；

b.去掉奇点。

所述加速度处理单元根据采集的三轴加速度的数据和方向数据，计算出目前的实际的加速度；

三轴传感器的加速度是在车机所在的坐标系内的方向和大小，而方向传感器是指当前的车机所在的坐标系和水平坐标系的夹角，把这两个坐标系转换可以换算得到三轴传感器在水平坐标系的的大小和方向。

所述图片采集模块获取数据的方法如下：

a.从摄像头获取到原始数据；

b.在传输的过程中进行编码，采用h.264的编码方法进行编码；

c.摄像头和处理器之间通过ipc或者以太网传输；

d.采集图片后进行解码；

所述图片识别模块可以识别出来如下信息：

a.限速

b.行人或者动物

c.红绿灯

d.机动车；

所述图片识别模块的识别的方法如下：

1.限速标志；

2.行人识别；

3.红绿灯；

4.机动车识别。

优选的，所述位置处理单元针对bds数据处理单元和加速度处理单元的数据进行处理，算法如下：

a.先根据bds的位置计算该点相对上一点的平均加速度；

b.加速度的速率明显超出正常范围的，则认为该点的速度有问题，需要重新计算速度，使用的场景主要是低速的时候bds的速度会偏差比较大，存在跳跃；计算的方法是根据上一点到该点的时间差，针对时间和加速度进行积分，算出该点的准确的速度，并更新该点的速度；

c.根据步骤b该点的速度，以及上一点的速度，计算出该点的平均加速度；

在位置处理单元处理后，输出的格式就是准确的经纬度、bds时间信息、速度、加速度信息，已经过滤了异常的点的信息。

优选的，所述驾驶行为分析模块根据驾驶行为和图片识别出来的场景进行处理，识别驾驶行为特征：

定义如下：a_max设置为车能大大的最大的加速度；a_min为车能达到的最小的减速度(负数)。

(一)判定急加速：

如果当前点的加速度，大于a_max*y1％，开始计算急加速：

(1)、急加速事件：包含起始点，结束点信息，p_start和p_end为当前保存的急加速的起始和结束点，初始值为空；

(2)、如果当前点的加速度不满足急加速的点的判断标准，检查p_start和p_end，如果有的话，记录一次急加速事件，并充值p_start和p_end为空；

(3)、连续两个点的加速度都大于a_max*50％，认为是急加速，如果最近急加速的起始点p_start和p_end为空，记录最近一次急加速产生起始和结束点为上一点和当前点，否则看当前点是否和p_end连续，如果是的话，说明是连续急加速，刷新p_end为当前定位点；否则说明产生了新的急加速事件，保存当前的急加速事件，生成新的一个急加速事件，p_start为上一定位点，p_end为当前定位点；

说明：连续的急加速只统计一次；

(二)急减速：

如果当前点的加速度，小于a_min*y2％，开始计算急减速；

计算方法类似急加速，也是至少两个点，并且连续的只统计一次；(三)急转弯：

判断依据：方向和速度转弯的方向比较大，或者速度比较大的时候，认为是急转弯。

具体算法：

1、如果当前点的转向超过正负z度，认为是急转弯，进行急转弯的统计。

2、在转弯的时候，如果当前点转向z1-z2度之间，并且时速超过x公里，其中z1，和z2，以及x是几个范围。

3、新产生的急转弯的点，如果和已经记录的急转弯的开始和结束点距离比较接近，不产生新的急转弯事件，只是刷新当前急转弯的结束点。

4、当不产生急转弯事件的时候，设置开始和结束点为空。

(四)超速：

根据当前的车道检测(基于图片识别的结果)，如果时速超过车道允许的速度，认为是超速；

驾驶行为评分：

急加速：是加分；

急减速：如果根据图片识别结果是前方突然有人或者是动物等影响驾驶行为的，驾驶员作出了正确的反应，加分；否则减分；

急转弯：减分；

超速：减分。

所述数据上传子模块是把驾驶行为的结果上传到云端，包括开始时间，结束时间，以及驾驶行为的特征，以及对应的视频，还有该驾驶行为属于要加分还是减分的判断。

所述本地缓存模块是在驾驶行为和图片上传的失败，会进行缓存，下次再上报。

实施例3

如图1所示，一种支持驾驶行为判断的方法，所述包括数据采集子系统和数据处理子系统，所述数据采集子系统包括galileo数据采集单元、galileo数据过滤单元、加速度传感器采集、加速度处理单元、图片采集模块和图片识别模块，所述数据处理子系统包括位置处理单元、驾驶行为分析模块、数据上传子模块和本地缓存模块，所述数据采集子系统针对数据进行采集，并进行预处理；所述数据处理子系统是针对前端采集的数据进行处理。

所述数据采集单元为欧洲的伽利略系统，从galileo获取的数据，可以分为两大类，精确定位和非精确定位，前者主要是依赖卫星的信号进行定位获得的位置、速度信息；后者主要是基站定位

所述加速度传感器采集包括：

1、采集三轴加速度的数值，包括x，y，z方向的加速度，是指车机的安装平面的的三轴加速度的数值；

2、采集方向传感器的数值，以及三轴加速度的x、y、z方向和实际的磁北极(水平)、垂直方向的夹角，具体来说：

α：返回水平时磁北极和y轴的夹角，范围为0°至360°，0°＝北，90°＝东，180°＝南，270°＝西；

β：x轴和水平面的夹角，范围为-180°至180°，当z轴向y轴转动时，角度为正值；

γ：y轴和水平面的夹角，由于历史原因，范围为-90°至90°。

所述galileo数据过滤单元针对输入数据galileo数据进行处理，本地维护当前出于静止状态还是运动状态；

1、如果连续n1个点的速率低于某个门限，并且这些点分布相对均匀，认为是静止；

2、如果连续n2个点的速率高于某个门限，认为是运动。

3、其他状态则保持现状不变。

4、非卫星定位的点不参与静止或运动状态的计算；

判断这些位置点的均匀的方法：这些galileo位置点放在一个矩形里面，如果矩形的长和宽相差不大，则认为是分布均匀；如果是长条状，长和宽相差很大，则认为分布不均匀；

在运动状态下，对galileo数据进行过滤处理：

a.速率超过一定的数值认为是无效的；

b.去掉奇点。

所述加速度处理单元根据采集的三轴加速度的数据和方向数据，计算出目前的实际的加速度；

三轴传感器的加速度是在车机所在的坐标系内的方向和大小，而方向传感器是指当前的车机所在的坐标系和水平坐标系的夹角，把这两个坐标系转换可以换算得到三轴传感器在水平坐标系的的大小和方向。

所述图片采集模块获取数据的方法如下：

a.从摄像头获取到原始数据；

b.在传输的过程中进行编码，采用h.264的编码方法进行编码；

c.摄像头和处理器之间通过ipc或者以太网传输；

d.采集图片后进行解码；

所述图片识别模块可以识别出来如下信息：

a.限速

b.行人或者动物

c.红绿灯

d.机动车；

所述图片识别模块的识别的方法如下：

1.限速标志；

2.行人识别；

3.红绿灯；

4.机动车识别。

所述位置处理单元针对galileo数据处理单元和加速度处理单元的数据进行处理，算法如下：

a.先根据galileo的位置计算该点相对上一点的平均加速度；

b.加速度的速率明显超出正常范围的，则认为该点的速度有问题，需要重新计算速度，使用的场景主要是低速的时候galileo的速度会偏差比较大，存在跳跃；计算的方法是根据上一点到该点的时间差，针对时间和加速度进行积分，算出该点的准确的速度，并更新该点的速度；

c.根据步骤b该点的速度，以及上一点的速度，计算出该点的平均加速度；

在位置处理单元处理后，输出的格式就是准确的经纬度、gps时间信息、速度、加速度信息，已经过滤了异常的点的信息。

所述驾驶行为分析模块根据驾驶行为和图片识别出来的场景进行处理，识别驾驶行为特征：

定义如下：a_max设置为车能大大的最大的加速度；a_min为车能达到的最小的减速度(负数)。

(一)判定急加速：

如果当前点的加速度，大于a_max*y1％，开始计算急加速：

(1)、急加速事件：包含起始点，结束点信息，p_start和p_end为当前保存的急加速的起始和结束点，初始值为空；

(2)、如果当前点的加速度不满足急加速的点的判断标准，检查p_start和p_end，如果有的话，记录一次急加速事件，并充值p_start和p_end为空；

(3)、连续两个点的加速度都大于a_max*50％，认为是急加速，如果最近急加速的起始点p_start和p_end为空，记录最近一次急加速产生起始和结束点为上一点和当前点，否则看当前点是否和p_end连续，如果是的话，说明是连续急加速，刷新p_end为当前定位点；否则说明产生了新的急加速事件，保存当前的急加速事件，生成新的一个急加速事件，p_start为上一定位点，p_end为当前定位点；

说明：连续的急加速只统计一次；

(二)急减速：

如果当前点的加速度，小于a_min*y2％，开始计算急减速；

计算方法类似急加速，也是至少两个点，并且连续的只统计一次；

(三)急转弯：

判断依据：方向和速度转弯的方向比较大，或者速度比较大的时候，认为是急转弯。

具体算法：

1、如果当前点的转向超过正负z度，认为是急转弯，进行急转弯的统计。

2、在转弯的时候，如果当前点转向z1-z2度之间，并且时速超过x公里，其中z1，和z2，以及x是几个范围。

3、新产生的急转弯的点，如果和已经记录的急转弯的开始和结束点距离比较接近，不产生新的急转弯事件，只是刷新当前急转弯的结束点。

4、当不产生急转弯事件的时候，设置开始和结束点为空。

(四)超速：

根据当前的车道检测(基于图片识别的结果)，如果时速超过车道允许的速度，认为是超速；

驾驶行为评分：

急加速：是加分；

急减速：如果根据图片识别结果是前方突然有人或者是动物等影响驾驶行为的，驾驶员作出了正确的反应，加分；否则减分；

急转弯：减分；

超速：减分。

所述数据上传子模块是把驾驶行为的结果上传到云端，包括开始时间，结束时间，以及驾驶行为的特征，以及对应的视频，还有该驾驶行为属于要加分还是减分的判断。

优选的，所述本地缓存模块是在驾驶行为和图片上传的失败，会进行缓存，下次再上报。

实施例4

如图1所示，一种支持驾驶行为判断的方法，所述包括数据采集子系统和数据处理子系统，所述数据采集子系统包括glonass数据采集单元、glonass数据过滤单元、加速度传感器采集、加速度处理单元、图片采集模块和图片识别模块，所述数据处理子系统包括位置处理单元、驾驶行为分析模块、数据上传子模块和本地缓存模块，所述数据采集子系统针对数据进行采集，并进行预处理；所述数据处理子系统是针对前端采集的数据进行处理。

所述数据采集单元为俄罗斯的格洛纳斯系统，从glonass获取的数据，可以分为两大类，精确定位和非精确定位，前者主要是依赖卫星的信号进行定位获得的位置、速度信息；后者主要是基站定位

所述加速度传感器采集包括：

1、采集三轴加速度的数值，包括x，y，z方向的加速度，是指车机的安装平面的的三轴加速度的数值；

2、采集方向传感器的数值，以及三轴加速度的x、y、z方向和实际的磁北极(水平)、垂直方向的夹角，具体来说：

α：返回水平时磁北极和y轴的夹角，范围为0°至360°，0°＝北，90°＝东，180°＝南，270°＝西；

β：x轴和水平面的夹角，范围为-180°至180°，当z轴向y轴转动时，角度为正值；

γ：y轴和水平面的夹角，由于历史原因，范围为-90°至90°。

所述glonass数据过滤单元针对输入数据glonass数据进行处理，本地维护当前出于静止状态还是运动状态；

1、如果连续n1个点的速率低于某个门限，并且这些点分布相对均匀，认为是静止；

2、如果连续n2个点的速率高于某个门限，认为是运动。

3、其他状态则保持现状不变。

4、非卫星定位的点不参与静止或运动状态的计算；

判断这些位置点的均匀的方法：这些glonass位置点放在一个矩形里面，如果矩形的长和宽相差不大，则认为是分布均匀；如果是长条状，长和宽相差很大，则认为分布不均匀；

在运动状态下，对glonass数据进行过滤处理：

a.速率超过一定的数值认为是无效的；

b.去掉奇点。

优选的，所述加速度处理单元根据采集的三轴加速度的数据和方向数据，计算出目前的实际的加速度；

三轴传感器的加速度是在车机所在的坐标系内的方向和大小，而方向传感器是指当前的车机所在的坐标系和水平坐标系的夹角，把这两个坐标系转换可以换算得到三轴传感器在水平坐标系的的大小和方向。

优选的，所述图片采集模块获取数据的方法如下：

a.从摄像头获取到原始数据；

b.在传输的过程中进行编码，采用h.264的编码方法进行编码；

c.摄像头和处理器之间通过ipc或者以太网传输；

d.采集图片后进行解码；

所述图片识别模块可以识别出来如下信息：

a.限速

b.行人或者动物

c.红绿灯

d.机动车；

所述图片识别模块的识别的方法如下：

1.限速标志；

2.行人识别；

3.红绿灯；

4.机动车识别。

所述位置处理单元针对glonass数据处理单元和加速度处理单元的数据进行处理，算法如下：

a.先根据glonass的位置计算该点相对上一点的平均加速度；

b.加速度的速率明显超出正常范围的，则认为该点的速度有问题，需要重新计算速度，使用的场景主要是低速的时候glonass的速度会偏差比较大，存在跳跃；计算的方法是根据上一点到该点的时间差，针对时间和加速度进行积分，算出该点的准确的速度，并更新该点的速度；

c.根据步骤b该点的速度，以及上一点的速度，计算出该点的平均加速度；

在位置处理单元处理后，输出的格式就是准确的经纬度、glonass时间信息、速度、加速度信息，已经过滤了异常的点的信息。

所述驾驶行为分析模块根据驾驶行为和图片识别出来的场景进行处理，识别驾驶行为特征：

定义如下：a_max设置为车能大大的最大的加速度；a_min为车能达到的最小的减速度(负数)。

(一)判定急加速：

如果当前点的加速度，大于a_max*y1％，开始计算急加速：

(1)、急加速事件：包含起始点，结束点信息，p_start和p_end为当前保存的急加速的起始和结束点，初始值为空；

(2)、如果当前点的加速度不满足急加速的点的判断标准，检查p_start和p_end，如果有的话，记录一次急加速事件，并充值p_start和p_end为空；

(3)、连续两个点的加速度都大于a_max*50％，认为是急加速，如果最近急加速的起始点p_start和p_end为空，记录最近一次急加速产生起始和结束点为上一点和当前点，否则看当前点是否和p_end连续，如果是的话，说明是连续急加速，刷新p_end为当前定位点；否则说明产生了新的急加速事件，保存当前的急加速事件，生成新的一个急加速事件，p_start为上一定位点，p_end为当前定位点；

说明：连续的急加速只统计一次；

(二)急减速：

如果当前点的加速度，小于a_min*y2％，开始计算急减速；

计算方法类似急加速，也是至少两个点，并且连续的只统计一次；

(三)急转弯：

判断依据：方向和速度转弯的方向比较大，或者速度比较大的时候，认为是急转弯。

具体算法：

1、如果当前点的转向超过正负z度，认为是急转弯，进行急转弯的统计。

2、在转弯的时候，如果当前点转向z1-z2度之间，并且时速超过x公里，其中z1，和z2，以及x是几个范围。

3、新产生的急转弯的点，如果和已经记录的急转弯的开始和结束点距离比较接近，不产生新的急转弯事件，只是刷新当前急转弯的结束点。

4、当不产生急转弯事件的时候，设置开始和结束点为空。

(四)超速：

根据当前的车道检测(基于图片识别的结果)，如果时速超过车道允许的速度，认为是超速；

驾驶行为评分：

急加速：是加分；

急减速：如果根据图片识别结果是前方突然有人或者是动物等影响驾驶行为的，驾驶员作出了正确的反应，加分；否则减分；

急转弯：减分；

超速：减分。

所述数据上传子模块是把驾驶行为的结果上传到云端，包括开始时间，结束时间，以及驾驶行为的特征，以及对应的视频，还有该驾驶行为属于要加分还是减分的判断。

所述本地缓存模块是在驾驶行为和图片上传的失败，会进行缓存，下次再上报。

需要说明的是，本发明公开的一种支持驾驶行为判断的方法，实施例1-实施例4分别使用了美国的gps系统，中国的北斗系统，欧洲的伽利略系统，俄罗斯的格洛纳斯系统，使本发明使用的范围更广，更具有兼容性；并且本发明的驾驶行为不仅考虑了gps的数据，还考虑了三轴加速度的传感器的数据，并针对这个进行了算法优化处理；还考虑了实际的场景，所有的驾驶员的驾驶行为都是在特定场景下的驾驶行为，不再根据设备自身的行为来判定驾驶行为，而是结合具体场景给驾驶行为进行定性，进而完成定量的分析。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。