驾驶行为检测方法及装置与流程

本发明涉及数据处理技术领域，尤其涉及驾驶行为检测方法及装置。

背景技术：

随着人们的生活水平的提高，自驾汽车已经成为人们出行的主要交通方式。于此同时，也伴随着危险驾驶行为的出现。经调查发现，除酒驾和不可抗力因素外，大部分交通事故的起因是开车用户的不良驾驶习惯导致。目前，用户在开车过程中，不良驾驶习惯容易导致交通事故，而不良驾驶习惯只能人为修正和提醒，导致智能化程度差，车辆控制准确度差。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现要素：

本发明的主要目的在于提供一种驾驶行为检测方法及装置，旨在解决目前，用户在开车过程中，不良驾驶习惯容易导致交通事故，而不良驾驶习惯只能人为修正和提醒，导致智能化程度差，车辆控制准确度差的问题。

为实现上述目的，本发明提供的一种驾驶行为检测方法，包括步骤：

启用车辆上的多个传感器，在所述车辆驾驶过程中获取所述多个传感器采集的数据；

在有传感器采集的数据发生突变时，计算发生突变的传感器采集的数据与对应的预设数据的差值；

根据所述差值及对应传感器的映射关系确定车辆驾驶行为，并确定所述驾驶行为是否与预设驾驶行为匹配；

在所述驾驶行为与预设驾驶行为不匹配时，发出车辆处在危险驾驶中的提示信息。

优选地，在所述发生突变的传感器为Gsensor时，所述采集的数据为加速度数据；所述根据所述差值及对应传感器的映射关系确定车辆驾驶行为，并确定所述驾驶行为是否与预设驾驶行为匹配的步骤包括：

判断所述差值是否达到加速度门限值；

在达到加速度门限值时，判断是否达到碰撞门限值；

在未达到碰撞门限值时，判断加速度方向为正向；

在所述加速度方向为正向时，判定车辆驾驶为急加速；

在所述加速度方向为负向时，判定车辆驾驶为急减速；

在所述加速度方向为侧向时，根据GYRO提供的数据，进行判断车辆为急转弯或急变道；

在达到碰撞门限值时，根据判断方向是否正负，判定是前碰或后碰；

在加速方向为侧向时，判定为侧向碰撞。

优选地，在所述发生突变的传感器为Gsensor和Gyro时，所述采集的数据为角速度数据，所述根据所述差值及对应传感器的映射关系确定车辆驾驶行为，并确定所述驾驶行为是否与预设驾驶行为匹配的步骤包括：

判断所述差值是否达到角速度门限值，且判断角度是否超过角度门限值；

在达到角速度门限值，且超过角度门限值时，计算车辆车速变化率；

在车速变化率达到车速变化门限值时，判定车辆为急转弯或急变道。

优选地，所述在所述车辆驾驶过程中获取所述多个传感器采集的数据的步骤之后，还包括：

对采集的数据进行滤波，以使滤波后的数据曲线度平滑；

对滤波后的数据采取加权处理，将加权处理后的数据在三轴上的向量合成；

将合成后的数据按照高斯分布图进行分段分拣；

在数据分拣后，对分拣后的数据在时间上积分，通过积分获得二维值；

根据二维值将在汽车行驶标定方向取向，计算角度偏向，并对角度分析输出方向性；

根据二维值和方向性判断，确定车辆驾驶行为，并执行确定所述驾驶行为是否与预设驾驶行为匹配的步骤。

优选地，在所述发生突变的传感器为Gsensor和Gyro时，所述方法还包括：

在所述Gsensor值两个侧边有突变加速度，且Gyro传感器有角度变化连续数据；

对Gyro数据计算得到Gyro正态分布数据，并根据正态分布数据计算行车转向的连续突变和方向调整数据；

在达到急变道的门限值时，判定为车辆为急变道。

此外，为实现上述目的，本发明还提供一种驾驶行为检测装置，包括：

获取模块，用于启用车辆上的多个传感器，在所述车辆驾驶过程中获取所述多个传感器采集的数据；

计算模块，用于在有传感器采集的数据发生突变时，计算发生突变的传感器采集的数据与对应的预设数据的差值；

确定模块，用于根据所述差值及对应传感器的映射关系确定车辆驾驶行为，并确定所述驾驶行为是否与预设驾驶行为匹配；

提示模块，用于在所述驾驶行为与预设驾驶行为不匹配时，发出车辆处在危险驾驶中的提示信息。

优选地，在所述发生突变的传感器为Gsensor时，所述采集的数据为加速度数据；所述确定模块包括：

判断单元，用于判断所述差值是否达到加速度门限值；判断单元还用于

在达到加速度门限值时，判断是否达到碰撞门限值；判断单元还用于

在未达到碰撞门限值时，判断加速度方向为正向；

判定单元，用于在所述加速度方向为正向时，判定车辆驾驶为急加速；

判定单元还用于

在所述加速度方向为负向时，判定车辆驾驶为急减速；

判定单元还用于

在所述加速度方向为侧向时，根据GYRO提供的数据，进行判断车辆为急转弯或急变道；

所述判断单元，还用于在达到碰撞门限值时，根据判断方向是否正负，判定是前碰或后碰；

所述判定单元，还用于在加速方向为侧向时，判定为侧向碰撞；

优选地，在所述发生突变的传感器为Gsensor和Gyro时，所述采集的数据为角速度数据，所述判断单元，还用于判断所述差值是否达到角速度门限值，且判断角度是否超过角度门限值；

所述计算模块，还用于在达到角速度门限值，且超过角度门限值时，计算车辆车速变化率；

所述判定单元，还用于在车速变化率达到车速变化门限值时，判定车辆为急转弯或急变道。

优选地，所述装置还包括：

处理模块，用于对采集的数据进行滤波，以使滤波后的数据曲线度平滑；处理模块还用于

对滤波后的数据采取加权处理，将加权处理后的数据合成；处理模块还用于

将合成后的数据按照高斯分布图进行分段分拣；处理模块还用于

在数据分拣后，对分拣后的数据在时间上积分，通过积分获得二维值；

所述计算模块，还用于根据二维值将在三轴上的向量合成，计算角度偏向，并对角度分析输出方向性；

所述处理模块，还用于根据二维值和方向性判断，确定车辆驾驶行为。

优选地，在所述发生突变的传感器为Gsensor和Gyro时，所述方法还包括：

所述处理模块，还用于在所述Gsensor值两个侧边有突变加速度，且Gyro传感器有角度变化连续数据；处理模块还用于

对Gyro数据计算得到Gyro正态分布数据，并根据正态分布数据计算行车转向的连续突变和方向调整数据；

所述判定单元，还用于在达到急变道的门限值时，判定为车辆为急变道。

本发明通过车辆的多个传感器采集车辆驾驶的数据，通过这些数据的计算判断车辆驾驶行为，在属于危险驾驶(与预设驾驶行为匹配)时，发出提示信息，以避免危险驾驶导致车辆驾驶不安全的出现。有效避免目前，用户在开车过程中，不良驾驶习惯容易导致交通事故，而不良驾驶习惯只能人为修正和提醒，导致智能化程度差，车辆控制准确度差的问题，提高智能化程度，进而更加准确控制车辆。

附图说明

图1为本发明驾驶行为检测方法的第一实施例的流程示意图；

图2为本发明一实施例中根据所述差值及对应传感器的映射关系确定车辆驾驶行为，并确定所述驾驶行为是否与预设驾驶行为匹配的的流程示意图；

图3为本发明另一实施例中根据所述差值及对应传感器的映射关系确定车辆驾驶行为，并确定所述驾驶行为是否与预设驾驶行为匹配的的流程示意图；

图4为本发明一实施例中判断车辆驾驶行为过程数据处理的流程示意图；

图5为本发明驾驶行为检测方法的第二实施例的流程示意图；

图6为本发明驾驶行为检测装置的第一实施例的功能模块示意图；

图7为图6中确定模块一实施例的功能模块示意图；

图8为本发明装置的第二实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供一种驾驶行为检测方法。

参照图1，图1为本发明驾驶行为检测方法的第一实施例的流程示意图。

在一实施例中，所述驾驶行为检测方法包括：

步骤S10，启用车辆上的多个传感器，在所述车辆驾驶过程中获取所述多个传感器采集的数据；

在本实施例中，在车上安装有多个传感器，传感器包括Gsensor重力传感器、Gyro角速度传感器，传感器的安装位置以不妨碍车辆驾驶为前提，安装的传感器与车辆的主控设备或者与车辆用户的智能设备数据连接，可将采集的数据传输至车辆用户的智能设备中，所述智能设备可为车载终端、手机等。多个传感器还可以集成于智能设备之中，例如，车载终端中或集中于手机中。在集成于手机中时，为了提高检测数据准确性，在手机放于车辆上固定安装的手机支架上才通过手机中集成的传感器采集车辆的各个数据。在车辆启动后，启动车辆上的多个传感器，在所述车辆驾驶过程中，获取所述多个传感器采集的数据，例如，加速度数据和/或角速度数据。

步骤S20，在有传感器采集的数据发生突变时，计算发生突变的传感器采集的数据与对应的预设数据的差值；

在获取到传感器采集的数据后，判断传感器采集的数据是否发生突变，所述突变，是超出正常范围的变化，例如，加速度变化正常为2～3米每平方秒，如果超出该范围的上限值，则认为是发生了突变；在例如，角速度变化正常2-10度，如果超出了该范围的上限值，则认为是发生了突变。在采集的数据发生了突变后，计算发生突变的传感器采集的数据与对应的预设数据的差值，例如，Gsensor重力传感器采集的数据发生了突变，则计算Gsensor重力传感器采集的数据与对应的预设数据的差值。所述预设数据为正常数据，例如，加速度数据为8米每平方秒。

为了精确的判断车辆驾驶行为，在传感器采集的数据发生突变后，分析传感器采集的数据是否恢复到突变之前，若恢复到突变之前，则继续获取传感器的数据，若突变后，传感器采集的数据不变，则计算发生突变的传感器采集的数据与对应的预设数据的差值。所述恢复到突变之前为在预设时间(1s或2s等)内的判断，在超出预设时间，则需要计算发生突变的传感器采集的数据与对应的预设数据的差值，对驾驶行为进行判断。

步骤S30，根据所述差值及对应传感器的映射关系确定车辆驾驶行为，并确定所述驾驶行为是否与预设驾驶行为匹配；

不同的差值对应不同的车辆驾驶行为，所述车辆驾驶行为包括转弯、变道或掉头、加速、减速等。根据所述差值与对应传感器的映射关系确定车辆驾驶行为，并确定所述驾驶行为是否与预设驾驶行为匹配，所述预设驾驶行为包括但不限于急转弯、急变道、急减速或急加速等。例如，确定的驾驶行为的加速度数据满足急加速的加速速度，则判断为急加速。再例如，确定驾驶行为的角速度数据满足急转弯的加速速度，则判断为急转弯。

步骤S40，在所述驾驶行为与预设驾驶行为匹配时，发出车辆处在危险驾驶中的提示信息。

在所述驾驶行为与预设驾驶行为匹配时，发出车辆处在危险驾驶中的提示信息。例如，在判定所述驾驶行为为急转弯时，发出急转弯的提示信息。在发出车辆处在危险驾驶中的提示信息后，若传感器采集的数据与突变后的数据相同，则持续加速发出提示，以尽快矫正驾驶行为，回归安全驾驶。优选地，为了保证车辆驾驶安全，在发出车辆处在危险驾驶中的提示信息后，生成车辆安全驾驶的操作，提示车辆用户按照生成的操作驾驶，以保证安全驾驶。

本实施例通过车辆的多个传感器采集车辆驾驶的数据，通过这些数据的计算判断车辆驾驶行为，在属于危险驾驶(与预设驾驶行为匹配)时，发出提示信息，以避免危险驾驶导致车辆驾驶不安全的出现。有效避免目前，用户在开车过程中，不良驾驶习惯容易导致交通事故，而不良驾驶习惯只能人为修正和提醒，导致智能化程度差，车辆控制准确度差的问题，提高智能化程度，进而更加准确控制车辆。

在本发明一较佳实施例中，参照图2，在所述发生突变的传感器为Gsensor时，所述采集的数据为加速度数据；所述根据所述差值及对应传感器的映射关系确定车辆驾驶行为，并确定所述驾驶行为是否与预设驾驶行为匹配的步骤包括：

步骤S31，判断所述差值是否达到加速度门限值；

步骤S32，在达到加速度门限值时，判断是否达到碰撞门限值；

步骤S33，在未达到碰撞门限值时，判断加速度方向为正向；

步骤S34，在所述加速度方向为正向时，判定车辆驾驶为急加速；

步骤S35，在所述加速度方向为负向时，判定车辆驾驶为急减速；

步骤S36，在所述加速度方向为侧向时，根据GYRO提供的数据，进行判断车辆为急转弯或急变道；

步骤S37，在达到碰撞门限值时，在加速方向为侧向时，判定为侧向碰撞；

步骤S38，在达到碰撞门限时，根据判断方向是否正负，判定是前碰或后碰。

Gsensor传感器对车辆驾驶行为的判定包括急加速、急减速和碰撞。其中：

急加速：当车辆突然加速或突然启动时，汽车产生较大的加速度，加速度的突然增大会使得Gsensor传感器产生数据突变，根据传感器对加速度检测数据的有效分析，并在一段时间内对加速度数据进行运算，依据判定条件，判定是否属于急加速。

急减速：和急加速相反，当车辆突然刹车或减速，汽车产生的较大负加速度，造成Gsensor传感器数据突变，对加速度值进行检测，并在一段时间内进行运算，依据判定条件，判定是否为急减速。

在所述加速度方向为侧向时，根据GYRO提供的数据，进行判断车辆为急转弯或急变道。在车辆运行中突然产生急促转弯的动作，Gsensor传感器数据突变，Gyro传感器各轴离散数据有一定突变，满足急转弯或急变道的判定，则判定为急变道或急转弯。

碰撞检测：碰撞其实属于加速度变法特别大的一类行为，而且是破坏性的，所以产生的Gsensor传感器加速度的变化也特别大，采样及处理和判定方法类似于急加速和急减速。

Gsensor传感器对于驾驶行为具体的判定过程为：判断所述差值是否达到加速度门限值；在达到加速度门限值时，判断是否达到碰撞门限值；在未达到碰撞门限值时，判断加速度方向为正向；在所述加速度方向为正向时，判定车辆驾驶为急加速；在所述加速度方向为负向时，判定车辆驾驶为急减速；在达到碰撞门限值时，判断加速方向是否为侧向；在加速方向为侧向时，判定为侧向碰撞；在加速方向不为侧向时，根据判断方向是否正负，判定是前碰或后碰，在为正向时，判断为前碰，在为负向时，判断为后碰，当有侧向急加速度时，要开始进行急转弯或急变道检测。

在本发明一较佳实施例中，参照图3，在所述发生突变的传感器为Gsensor和Gyro时，所述采集的数据为角速度数据，所述根据所述差值及对应传感器的映射关系确定车辆驾驶行为，并确定所述驾驶行为是否与预设驾驶行为匹配的步骤包括：

步骤S41，判断所述差值是否达到角速度门限值，且判断角度是否超过角度门限值；

步骤S42，在达到角速度门限值，且超过角度门限值时，计算车辆车速变化率；

步骤S43，在车速变化率达到车速变化门限值时，判定车辆为急转弯或急变道。

在车辆运行中突然产生急促转弯的动作，Gsensor传感器数据突变，Gyro传感器各轴离散数据有一定突变，满足急转弯或急变道的判定，则判定为急变道或急转弯。

具体的，在对传感器数据处理过程中，对采集的数据进行滤波，以使滤波后的数据曲线度平滑；对滤波后的数据采取加权处理，将加权处理后的数据在三轴上的向量合成；将合成后的数据按照高斯分布图进行分段分拣；在数据分拣后，对分拣后的数据在时间上积分，通过积分获得二维值；根据二维值将在汽车行驶标定方向取向，计算角度偏向，并对角度分析输出方向性；根据二维值和方向性判断，确定车辆驾驶行为，并执行确定所述驾驶行为是否与预设驾驶行为匹配的步骤。

参考图4，在判断车辆驾驶行为过程中包括如下处理：

数据采集，通过设置的各个传感器采集车辆行驶过程中的数据。

干扰处理：在离散数据(传感器采集的数据)的分析过程中，传感器数据的扰动对算法的精度产生重大影响，先要对数据扰动进行滤波(使用均值和窗口滤波)，滤波后的数据曲线度平滑，接近实际分析用数据。

加权及正态分布处理：与波动调谐类似，在一定幅值内，数据的导数后斜率变化不明显，我们使用数据加权，再对数据合成，并在某特定时间内对多轴数据进行一轮分轴分析，再进行离散信号归纳处理，处理后的数据按照高斯分布图进行分段分拣，分拣出最接近可能产生危行为的数据。

数据积分处理：在分拣后的有效数据上，即，在分拣出最接近可能产生行为的数据上，通过积分获得二维值，通过累计的二维值大小和阈值比较，对相应行为产生值进行判定，例如，对急加速、急减速等的判定。

向量(方向)合成：

根据分拣数据在三轴上的向量合成，计算角度偏向，并对角度的分析进行方向性输出。

当数据大小和行车方向都满足判断条件，对其进行相应驾驶行为判定。

在本发明一较佳实施例中，参照图5，所述方法还包括：

步骤S50，在所述Gsensor值两个侧边有突变加速度，且Gyro传感器有角度变化连续数据；

步骤S60，对Gyro数据计算得到Gyro正态分布数据，并根据正态分布数据计算行车转向的连续突变和方向调整数据；

步骤S70，在达到急变道的门限值时，判定为车辆为急变道。

急变道判定：汽车Gsensor值两个侧边有突变加速度，且Gyro传感器有角度变化连续数据。通过对Gyro数据进行“驾驶行为角速度运算算法”计算后，得到Gyro传感器两个正态分布数据块，对行车转向的连续变化突变和方向调整进行急变道的阈值比较，如果满足，则判定为急变道；如果满足急转弯的阈值，则判定为急转弯。所述“驾驶行为角速度运算算法”包括采集Gyro传感器的角速度数据，计算角速度以及角速度判定数据等。

在判定急加速和急减速时，在一定时间内，对Gsensor传感器的各轴数据进行分拣并进行“驾驶行为加速度运算算法”运算后，对单轴或多轴数据进行逐一判定，加速度达到一定值，依据此加速度值超过加速度阈值后，且汽车是加速前行的，判定为急加速。车辆的加速度方向为负方向时，判定为急减速。所述“驾驶行为加速度运算算法”包括加速度数据滤波，最有可能危险行为数据的处理等。

本发明进一步提供一种驾驶行为检测装置。

参照图6，图6为本发明驾驶行为检测装置的第一实施例的功能模块示意图。

在一实施例中，所述驾驶行为检测装置包括：获取模块10、计算模块20、确定模块30及提示模块40。

所述获取模块10，用于启用车辆上的多个传感器，在所述车辆驾驶过程中获取所述多个传感器采集的数据；

在本实施例中，在车上安装有多个传感器，传感器包括Gsensor重力传感器、Gyro角速度传感器，传感器的安装位置以不妨碍车辆驾驶为前提，安装的传感器与车辆的主控设备或者与车辆用户的智能设备数据连接，可将采集的数据传输至车辆用户的智能设备中，所述智能设备可为车载终端、手机等。多个传感器还可以集成于智能设备之中，例如，车载终端中或集中于手机中。在集成于手机中时，为了提高检测数据准确性，在手机放于车辆上固定安装的手机支架上才通过手机中集成的传感器采集车辆的各个数据。在车辆启动后，启动车辆上的多个传感器，在所述车辆驾驶过程中，获取所述多个传感器采集的数据，例如，加速度数据和/或角速度数据。

所述计算模块20，用于在有传感器采集的数据发生突变时，计算发生突变的传感器采集的数据与对应的预设数据的差值；

在获取到传感器采集的数据后，判断传感器采集的数据是否发生突变，所述突变，是超出正常范围的变化，例如，加速度变化正常为2～3米每平方秒，如果超出该范围的上限值，则认为是发生了突变；在例如，角速度变化正常2-10度，如果超出了该范围的上限值，则认为是发生了突变。在采集的数据发生了突变后，计算发生突变的传感器采集的数据与对应的预设数据的差值，例如，Gsensor重力传感器采集的数据发生了突变，则计算Gsensor重力传感器采集的数据与对应的预设数据的差值。所述预设数据为正常数据，例如，加速度数据为8米每平方秒。

为了精确的判断车辆驾驶行为，在传感器采集的数据发生突变后，分析传感器采集的数据是否恢复到突变之前，若恢复到突变之前，则继续获取传感器的数据，若突变后，传感器采集的数据不变，则计算发生突变的传感器采集的数据与对应的预设数据的差值。所述恢复到突变之前为在预设时间(1s或2s等)内的判断，在超出预设时间，则需要计算发生突变的传感器采集的数据与对应的预设数据的差值，对驾驶行为进行判断。

所述确定模块30，用于根据所述差值及对应传感器的映射关系确定车辆驾驶行为，并确定所述驾驶行为是否与预设驾驶行为匹配；

不同的差值对应不同的车辆驾驶行为，所述车辆驾驶行为包括转弯、变道或掉头、加速、减速等。根据所述差值与对应传感器的映射关系确定车辆驾驶行为，并确定所述驾驶行为是否与预设驾驶行为匹配，所述预设驾驶行为包括但不限于急转弯、急变道、急减速或急加速等。例如，确定的驾驶行为的加速度数据满足急加速的加速速度，则判断为急加速。再例如，确定驾驶行为的角速度数据满足急转弯的加速速度，则判断为急转弯。

所述提示模块40，用于在所述驾驶行为与预设驾驶行为匹配时，发出车辆处在危险驾驶中的提示信息。

在所述驾驶行为与预设驾驶行为匹配时，发出车辆处在危险驾驶中的提示信息。例如，在判定所述驾驶行为为急转弯时，发出急转弯的提示信息。在发出车辆处在危险驾驶中的提示信息后，若传感器采集的数据与突变后的数据相同，则持续加速发出提示，以尽快矫正驾驶行为，回归安全驾驶。优选地，为了保证车辆驾驶安全，在发出车辆处在危险驾驶中的提示信息后，生成车辆安全驾驶的操作，提示车辆用户按照生成的操作驾驶，以保证安全驾驶。

本实施例通过车辆的多个传感器采集车辆驾驶的数据，通过这些数据的计算判断车辆驾驶行为，在属于危险驾驶(与预设驾驶行为匹配)时，发出提示信息，以避免危险驾驶导致车辆驾驶不安全的出现。有效避免目前，用户在开车过程中，不良驾驶习惯容易导致交通事故，而不良驾驶习惯只能人为修正和提醒，导致智能化程度差，车辆控制准确度差的问题，提高智能化程度，进而更加准确控制车辆。

在本发明一较佳实施例中，参照图7，在所述发生突变的传感器为Gsensor时，所述采集的数据为加速度数据；所述确定模块30包括：

判断单元31，用于判断所述差值是否达到加速度门限值；判断单元31还用于

在达到加速度门限值时，判断是否达到碰撞门限值；判断单元31还用于

在未达到碰撞门限值时，判断加速度方向为正向；

判定单元32，用于在所述加速度方向为正向时，判定车辆驾驶为急加速；在所述加速度方向为负向时，判定车辆驾驶为急减速

所述判断单元31，还用于在所述加速度方向为侧向时，根据GYRO提供的数据，进行判断车辆为急转弯或急变道；

所述判定单元32，还用于在达到碰撞门限值时，在加速方向为侧向时，判定为侧向碰撞。

Gsensor传感器对车辆驾驶行为的判定包括急加速、急减速和碰撞。其中：

急加速：当车辆突然加速或突然启动时，汽车产生较大的加速度，加速度的突然增大会使得Gsensor传感器产生数据突变，根据传感器对加速度检测数据的有效分析，并在一段时间内对加速度数据进行运算，依据判定条件，判定是否属于急加速。

急减速：和急加速相反，当车辆突然刹车或减速，汽车产生的较大负加速度，造成Gsensor传感器数据突变，对加速度值进行检测，并在一段时间内进行运算，依据判定条件，判定是否为急减速。

在所述加速度方向为侧向时，根据GYRO提供的数据，进行判断车辆为急转弯或急变道。在车辆运行中突然产生急促转弯的动作，Gsensor传感器数据突变，Gyro传感器各轴离散数据有一定突变，满足急转弯或急变道的判定，则判定为急变道或急转弯。

碰撞检测：碰撞其实属于加速度变法特别大的一类行为，而且是破坏性的，所以产生的Gsensor传感器加速度的变化也特别大，采样及处理和判定方法类似于急加速和急减速。

Gsensor传感器对于驾驶行为具体的判定过程为：判断所述差值是否达到加速度门限值；在达到加速度门限值时，判断是否达到碰撞门限值；在未达到碰撞门限值时，判断加速度方向为正向；在所述加速度方向为正向时，判定车辆驾驶为急加速；在所述加速度方向为负向时，判定车辆驾驶为急减速；在达到碰撞门限值时，判断加速方向是否为侧向；在加速方向为侧向时，判定为侧向碰撞；在加速方向不为侧向时，根据判断方向是否正负，判定是前碰或后碰，在为正向时，判断为前碰，在为负向时，判断为后碰；当有侧向急加速度时，要开始进行急转弯或急变道检测。

在本发明一较佳实施例中，参照图6和图7，在所述发生突变的传感器为Gsensor和Gyro时，所述采集的数据为角速度数据，所述所述判断单元31，还用于判断所述差值是否达到角速度门限值，且判断角度是否超过角度门限值；

所述计算模块20，用于在达到角速度门限值，且超过角度门限值时，计算车辆车速变化率；

所述判定单元33，还用于在车速变化率达到车速变化门限值时，判定车辆为急转弯或急变道。

在车辆运行中突然产生急促转弯的动作，Gsensor传感器数据突变，Gyro传感器各轴离散数据有一定突变，满足急转弯或急变道的判定，则判定为急变道或急转弯。

具体的，在对传感器数据处理过程中，参考图8，所述装置还包括处理模块50，所述处理模块50，用于对采集的数据进行滤波，以使滤波后的数据曲线度平滑；处理模块50还用于对滤波后的数据采取加权处理，将加权处理后的数据在三轴上的向量合成；将合成后的数据按照高斯分布图进行分段分拣；在数据分拣后，对分拣后的数据在时间上积分，通过积分获得二维值；所述计算模块20还用于根据二维值将在汽车行驶标定方向取向，计算角度偏向，并对角度分析输出方向性；处理模块50还用于根据二维值和方向性判断，确定车辆驾驶行为。

在判断车辆驾驶行为过程中包括如下处理：

数据采集，通过设置的各个传感器采集车辆行驶过程中的数据。

干扰处理：在离散数据(传感器采集的数据)的分析过程中，传感器数据的扰动对算法的精度产生重大影响，先要对数据扰动进行滤波(使用均值和窗口滤波)，滤波后的数据曲线度平滑，接近实际分析用数据。

加权及正态分布处理：与波动调谐类似，在一定幅值内，数据的导数后斜率变化不明显，我们使用数据加权，再对数据合成，并在某特定时间内对多轴数据进行一轮分轴分析，再进行离散信号归纳处理，处理后的数据按照高斯分布图进行分段分拣，分拣出最接近可能产生危行为的数据。

数据积分处理：在分拣后的有效数据上，即，在分拣出最接近可能产生行为的数据上，通过积分获得二维值，通过累计的二维值大小和阈值比较，对相应行为产生值进行判定，例如，对急加速、急减速等的判定。

向量(方向)合成：

根据分拣数据在三轴上的向量合成，计算角度偏向，并对角度的分析进行方向性输出。

当数据大小和行车方向都满足判断条件，对其进行相应驾驶行为判定。

在本发明一较佳实施例中，参照图8，所述处理模块50，还用于在所述Gsensor值两个侧边有突变加速度，且Gyro传感器有角度变化连续数据；

所述处理模块50还用于对Gyro数据计算得到Gyro正态分布数据，并根据正态分布数据计算行车转向的连续突变和方向调整数据；

所述判定单元32，还用于在达到急变道的门限值时，判定为车辆为急变道。

急变道判定：汽车Gsensor值两个侧边有突变加速度，且Gyro传感器有角度变化连续数据。通过对Gyro数据进行“驾驶行为角速度运算算法”计算后，得到Gyro传感器两个正态分布数据块，对行车转向的连续变化突变和方向调整进行急变道的阈值比较，如果满足，则判定为急变道；如果满足急转弯的阈值，则判定为急转弯。所述“驾驶行为角速度运算算法”包括采集Gyro传感器的角速度数据，计算角速度以及角速度判定数据等。

在判定急加速和急减速时，在一定时间内，对Gsensor传感器的各轴数据进行分拣并进行“驾驶行为加速度运算算法”运算后，对单轴或多轴数据进行逐一判定，加速度达到一定值，依据此加速度值超过加速度阈值后，且汽车是加速前行的，判定为急加速。车辆的加速度方向为负方向时，判定为急减速。所述“驾驶行为加速度运算算法”包括加速度数据滤波，最有可能危险行为数据的处理等。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。