一种用于智能汽车的驾驶行为纠正系统及方法与流程

1.本发明涉及智能汽车控制技术领域，具体涉及一种用于智能汽车的驾驶行为纠正系统及方法。


背景技术：

2.随着经济的快速发展及人们生活水平的提高，投入使用的各种类型的机动车辆越来越多，道路交通的压力越来越大，发生交通事故的频率也越来越高。交通事故却屡屡发生，给人们日常生活造成了重大的经济损失。不良的驾驶行为是引起交通事故的主要原因之一，为了防止交通事故的发生，除了要加强对驾驶人的安全教育外，更重要的是让驾驶人养成良好的驾驶习惯。但目前的安全教育所取得的效果不够理想，且多发生在交通事故发生或者驾驶人违规驾驶之后，时效性不好，也不够智能。
3.因此，亟需一种运用于车辆以实时对驾驶人员的驾驶行为进行纠正的方案。


技术实现要素：

4.本发明正是基于上述问题，提出了一种用于智能汽车的驾驶行为纠正系统及方法，通过本发明方案的实施，可以事先针对车辆行驶的道路上的其他车辆的驾驶习惯进行预测，修改当前车辆的驾驶员的标准驾驶行为模型，以有效避免其他车辆对当前车辆的不利影响。
5.有鉴于此，本发明的一方面提出了一种用于智能汽车的驾驶行为纠正系统，包括：获取模块、驾驶习惯模型构建模块和控制处理模块；
6.所述获取模块，用于获取历史驾驶事件数据；
7.所述驾驶习惯模型构建模块，用于根据所述历史驾驶事件数据，按时间维度或道路维度或车型维度或驾驶员维度生成驾驶习惯模型；
8.所述获取模块，还用于获取当前驾驶员数据、当前行驶车辆数据、当前行驶道路数据和当前时间数据；
9.所述控制处理模块用于：
10.根据所述当前行驶道路数据和/或所述当前时间数据从所述驾驶习惯模型中获得其他行驶者的当前驾驶习惯模型；
11.根据所述当前驾驶习惯模型，判断预设的标准驾驶行为模型是否安全；
12.当确定所述标准驾驶行为模型不安全时，根据所述当前驾驶习惯模型修改所述标准驾驶行为模型，得到当前标准驾驶行为模型；
13.根据所述当前标准驾驶行为模型、所述当前驾驶员数据和所述当前行驶车辆数据判断当前驾驶员的驾驶行为是否安全；
14.当所述当前驾驶员的驾驶行为不安全时，发出驾驶行为纠正警报信息；
15.其中，所述历史驾驶事件数据至少包括驾驶员数据、行驶车辆数据、行驶地区数据、行驶时间数据、行驶道路数据。
16.可选地，所述驾驶员数据包括驾驶员眼球转动数据、眼睑状态数据和头部动作信息，和驾驶员的刺激-反应时间数据、驾驶员的生理数据，以及驾驶员操作行为数据；其中，所述驾驶员操作行为数据至少包括如车间距保持数据、加速踏板踩踏数据、制动踏板踩踏数据、转向灯使用数据和方向盘转动数据；
17.所述行驶车辆数据包括车辆位置数据、车速数据、油耗/电耗数据、转向数据和车机数据；
18.所述行驶道路数据包括道路地址数据、车道数量数据、车道行驶标识数据、路面平整度数据、弯度数据和坡度数据。
19.可选地，所述获取模块，还用于获取方向盘在回正状态下的第一图像数据；
20.所述控制处理模块，还用于对所述第一图像数据进行字符识别，根据处于水平方向的字符组确定所述方向盘的中轴线；
21.所述获取模块，还用于获取车辆在行驶状态下的方向盘的当前图像数据；
22.所述控制处理模块，还用于根据所述当前图像数据和所述第一图像数据得到所述中轴线的偏转角度，得到所述方向盘的转动角度；
23.所述获取模块，还用于获取所述方向盘转动所经过的转动时间；
24.所述控制处理模块，还用于根据所述转动角度和转动时间计算得到转动速度。
25.可选地，所述获取模块，还用于采集行驶道路的路面图像数据；
26.所述控制处理模块，还用于从所述图像数据中识别出积水区、破损区、障碍物和尖锐物；
27.所述获取模块，还用于分别采集所述积水区、所述破损区、所述障碍物和所述尖锐物的三维数据；
28.所述控制处理模块，还用于根据所述三维数据分别计算积水区数据、破损区数据、障碍物数据和尖锐物数据；其中，所述积水区数据至少包括积水位置和积水深度，所述破损区数据至少包括破损区位置和破损程度，所述障碍物数据至少包括障碍物位置和障碍体积，所述尖锐物数据至少包括尖锐物的分布位置和尖锐程度；
29.所述控制处理模块，还用于根据所述积水区数据、所述破损区数据、所述障碍物数据和所述尖锐物数据得到所述路面平整度数据。
30.可选地，所述获取模块，还用于采集所述当前驾驶员的第一人脸数据和第一头部姿势数据；
31.所述控制处理模块还用于：
32.根据所述第一人脸数据确定人眼区域，得到第一人眼图片；
33.提取第一眼动数据，并对所述第一眼动数据进行处理，得到第一眼动特征数据；
34.根据所述第一头部姿势数据和所述第一眼动特征数据输入预先设置的头部识别模型，以判断所述当前驾驶员是否存在不安全驾驶行为。
35.本发明的另一方面提供一种用于智能汽车的驾驶行为纠正方法，所述驾驶行为纠正方法包括：
36.获取历史驾驶事件数据；
37.根据所述历史驾驶事件数据，按时间维度或道路维度或车型维度或驾驶员维度生成驾驶习惯模型；
38.获取当前驾驶员数据、当前行驶车辆数据、当前行驶道路数据和当前时间数据；
39.根据所述当前行驶道路数据和/或所述当前时间数据从所述驾驶习惯模型中获得其他行驶者的当前驾驶习惯模型；
40.根据所述当前驾驶习惯模型，判断预设的标准驾驶行为模型是否安全；
41.当确定所述标准驾驶行为模型不安全时，根据所述当前驾驶习惯模型修改所述标准驾驶行为模型，得到当前标准驾驶行为模型；
42.根据所述当前标准驾驶行为模型、所述当前驾驶员数据和所述当前行驶车辆数据判断当前驾驶员的驾驶行为是否安全；
43.当所述当前驾驶员的驾驶行为不安全时，发出驾驶行为纠正警报信息；
44.其中，所述历史驾驶事件数据至少包括驾驶员数据、行驶车辆数据、行驶地区数据、行驶时间数据、行驶道路数据。
45.可选地，所述驾驶员数据包括驾驶员眼球转动数据、眼睑状态数据和头部动作信息，和驾驶员的刺激-反应时间数据、驾驶员的生理数据，以及驾驶员操作行为数据；其中，所述驾驶员操作行为数据至少包括如车间距保持数据、加速踏板踩踏数据、制动踏板踩踏数据、转向灯使用数据和方向盘转动数据；
46.所述行驶车辆数据包括车辆位置数据、车速数据、油耗/电耗数据、转向数据和车机数据；
47.所述行驶道路数据包括道路地址数据、车道数量数据、车道行驶标识数据、路面平整度数据、弯度数据和坡度数据。
48.可选地，所述方向盘转动数据的获取方法包括：
49.获取方向盘在回正状态下的第一图像数据；
50.对所述第一图像数据进行字符识别，根据处于水平方向的字符组确定所述方向盘的中轴线；
51.获取车辆在行驶状态下的方向盘的当前图像数据；
52.根据所述当前图像数据和所述第一图像数据得到所述中轴线的偏转角度，得到所述方向盘的转动角度；
53.获取所述方向盘转动所经过的转动时间；
54.根据所述转动角度和转动时间计算得到转动速度。
55.可选地，所述路面平整度数据的获取方法包括：
56.采集行驶道路的路面图像数据，并从所述图像数据中识别出积水区、破损区、障碍物和尖锐物；
57.分别采集所述积水区、所述破损区、所述障碍物和所述尖锐物的三维数据；
58.根据所述三维数据分别计算积水区数据、破损区数据、障碍物数据和尖锐物数据；其中，所述积水区数据至少包括积水位置和积水深度，所述破损区数据至少包括破损区位置和破损程度，所述障碍物数据至少包括障碍物位置和障碍体积，所述尖锐物数据至少包括尖锐物的分布位置和尖锐程度；
59.根据所述积水区数据、所述破损区数据、所述障碍物数据和所述尖锐物数据得到所述路面平整度数据。
60.可选地，所述驾驶行为纠正方法还包括：
61.采集所述当前驾驶员的第一人脸数据和第一头部姿势数据；
62.根据所述第一人脸数据确定人眼区域，得到第一人眼图片；
63.提取第一眼动数据，并对所述第一眼动数据进行处理，得到第一眼动特征数据；
64.根据所述第一头部姿势数据和所述第一眼动特征数据输入预先设置的头部识别模型，以判断所述当前驾驶员是否存在不安全驾驶行为。
65.采用本发明的技术方案，驾驶行为纠正系统包括获取模块、驾驶习惯模型构建模块和控制处理模块；所述获取模块用于获取历史驾驶事件数据；所述驾驶习惯模型构建模块用于根据所述历史驾驶事件数据，按时间维度或道路维度或车型维度或驾驶员维度生成驾驶习惯模型；所述获取模块还用于获取当前驾驶员数据、当前行驶车辆数据、当前行驶道路数据和当前时间数据；所述控制处理模块用于：根据所述当前行驶道路数据和/或所述当前时间数据从所述驾驶习惯模型中获得其他行驶者的当前驾驶习惯模型；根据所述当前驾驶习惯模型，判断预设的标准驾驶行为模型是否安全；当确定所述标准驾驶行为模型不安全时，根据所述当前驾驶习惯模型修改所述标准驾驶行为模型，得到当前标准驾驶行为模型；根据所述当前标准驾驶行为模型、所述当前驾驶员数据和所述当前行驶车辆数据判断当前驾驶员的驾驶行为是否安全；当所述当前驾驶员的驾驶行为不安全时，发出驾驶行为纠正警报信息。通过本方案的实施，可以事先针对车辆行驶的道路上的其他车辆的驾驶习惯进行预测，修改当前车辆的驾驶员的标准驾驶行为模型，以有效避免其他车辆对当前车辆的不利影响。
附图说明
66.图1是本发明一个实施例提供的用于智能汽车的驾驶行为纠正系统的示意框图；
67.图2是本发明另一个实施例提供的用于智能汽车的驾驶行为纠正方法流程图。
具体实施方式
68.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
69.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
70.本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
71.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
72.下面参照图1至图2来描述根据本发明一些实施方式提供的一种用于智能汽车的驾驶行为纠正系统及方法。
73.如图1所示，本发明一个实施例提供一种用于智能汽车的驾驶行为纠正系统，包括：获取模块、驾驶习惯模型构建模块和控制处理模块；
74.所述获取模块，用于获取历史驾驶事件数据；
75.所述驾驶习惯模型构建模块，用于根据所述历史驾驶事件数据，按时间维度或道路维度或车型维度或驾驶员维度生成驾驶习惯模型；
76.所述获取模块，还用于获取当前驾驶员数据、当前行驶车辆数据、当前行驶道路数据和当前时间数据；
77.所述控制处理模块用于：
78.根据所述当前行驶道路数据和/或所述当前时间数据从所述驾驶习惯模型中获得其他行驶者的当前驾驶习惯模型；
79.根据所述当前驾驶习惯模型，判断预设的标准驾驶行为模型是否安全；
80.当确定所述标准驾驶行为模型不安全时，根据所述当前驾驶习惯模型修改所述标准驾驶行为模型，得到当前标准驾驶行为模型；
81.根据所述当前标准驾驶行为模型、所述当前驾驶员数据和所述当前行驶车辆数据判断当前驾驶员的驾驶行为是否安全；
82.当所述当前驾驶员的驾驶行为不安全时，发出驾驶行为纠正警报信息；
83.其中，所述历史驾驶事件数据至少包括驾驶员数据、行驶车辆数据、行驶地区数据、行驶时间数据、行驶道路数据。
84.可以理解的是，可以根据道路交通相关规定的要求及道路交通安全测试数据建立针对驾驶人员的标准驾驶行为模型。
85.在实际的车辆行驶过程中，由于在天气突变、道路路面状况变化、其他驾驶人员的行车状况不可预见等因素的影响下，道路交通状况瞬息万变，有时需要以比标准驾驶行为模型更严格的标准规范驾驶人员的驾驶行为，才能有效地避免交通事故的发生。
86.在本发明的实施例中，所述历史驾驶事件数据至少包括驾驶员数据、行驶车辆数据、行驶地区数据、行驶时间数据、行驶道路数据；所述驾驶习惯模型构建模块用于根据所述历史驾驶事件数据，利用经过事先训练的神经网络，按时间维度或道路维度或车型维度或驾驶员维度生成驾驶习惯模型，可以理解的是，可以分别按时间维度、道路维度、车型维度、驾驶员维度生成多个驾驶习惯模型。应当说明的是，所述驾驶习惯模型基于历史驾驶事件数据构建，可以表征某一地点或某一时间段或某一类车型或者某一类驾驶员，道路上其他通行车辆的驾驶习惯，如“在xx路上，9：00至19：00，每小时有30至40辆大货车通过，且约60％的大货车车速超限速10％以上”、“在yy路辅道进主路处，有70％的概率发生辅道车辆不打灯突然加塞到主路车流的情况”、“在tt时段，zz路，车流量大，且80％的概率发生不打灯变道情况”等。
87.针对本发明实施例提供的驾驶行为纠正系统所实施的当前车辆的驾驶人员，首先，可以根据所述当前行驶道路数据和/或所述当前时间数据从所述驾驶习惯模型中获得其他行驶者的当前驾驶习惯模型，以确定当前通行道路上其他行驶者驾驶车辆的风格。再根据所述当前驾驶习惯模型，判断预设的标准驾驶行为模型是否安全，即判断按照标准驾
驶行为模型所确定的对驾驶行为的要求，是否能预防/主动避免其他车辆以所述当前驾驶习惯模型的进行驾驶带来的风险，如在以标准驾驶行为模型进行驾驶的情况下，是否能保持安全距离避免前方车辆的急刹、能否避免其他车辆的突然变道导致的碰撞等。当确定所述标准驾驶行为模型不安全时，根据所述当前驾驶习惯模型修改所述标准驾驶行为模型，得到当前标准驾驶行为模型，如将所述标准驾驶行为模型的最高限速调低、将与前车的车距标准要求增大等。最后，根据所述当前标准驾驶行为模型、所述当前驾驶员数据和所述当前行驶车辆数据判断当前驾驶员的驾驶行为是否安全，当所述当前驾驶员的驾驶行为不安全时，发出驾驶行为纠正警报信息，以督促驾驶员按要求纠正其驾驶行为。
88.采用该实施例的技术方案，驾驶行为纠正系统包括获取模块、驾驶习惯模型构建模块和控制处理模块；所述获取模块用于获取历史驾驶事件数据；所述驾驶习惯模型构建模块用于根据所述历史驾驶事件数据，按时间维度或道路维度或车型维度或驾驶员维度生成驾驶习惯模型；所述获取模块还用于获取当前驾驶员数据、当前行驶车辆数据、当前行驶道路数据和当前时间数据；所述控制处理模块用于：根据所述当前行驶道路数据和/或所述当前时间数据从所述驾驶习惯模型中获得其他行驶者的当前驾驶习惯模型；根据所述当前驾驶习惯模型，判断预设的标准驾驶行为模型是否安全；当确定所述标准驾驶行为模型不安全时，根据所述当前驾驶习惯模型修改所述标准驾驶行为模型，得到当前标准驾驶行为模型；根据所述当前标准驾驶行为模型、所述当前驾驶员数据和所述当前行驶车辆数据判断当前驾驶员的驾驶行为是否安全；当所述当前驾驶员的驾驶行为不安全时，发出驾驶行为纠正警报信息。通过本方案的实施，可以事先针对车辆行驶的道路上的其他车辆的驾驶习惯进行预测，修改当前车辆的驾驶员的标准驾驶行为模型，以有效避免其他车辆对当前车辆的不利影响。
89.应当知道的是，图1所示的用于智能汽车的驾驶行为纠正系统的框图仅作示意，其所示出的各模块的数量并不对本发明的保护范围进行限定。
90.在本发明一些可能的实施方式中，所述驾驶员数据包括驾驶员眼球转动数据、眼睑状态数据和头部动作信息，和驾驶员的刺激-反应时间数据、驾驶员的生理数据，以及驾驶员操作行为数据；其中，所述驾驶员操作行为数据至少包括如车间距保持数据、加速踏板踩踏数据、制动踏板踩踏数据、转向灯使用数据和方向盘转动数据；
91.所述行驶车辆数据包括车辆位置数据、车速数据、油耗/电耗数据、转向数据和车机数据(如导航、音乐使用状态)；
92.所述行驶道路数据包括道路地址数据、车道数量数据、车道行驶标识数据、路面平整度数据、弯度数据和坡度数据。
93.可以理解的是，在本发明的实施例中，可以通过图像获取、识别技术得到驾驶员眼球转动数据、眼睑状态数据和头部动作信息等，而驾驶员的刺激-反应时间数据、驾驶员的生理数据等可以通过传感器采集相关数据(如心跳、体温、神经反应数据、血糖含量、血氧含量、呼吸频率等)，再利用采集到的数据计算而来，利用驾驶员眼球转动数据、眼睑状态数据和头部动作信息，和驾驶员的刺激-反应时间数据、驾驶员的生理数据这些数据可以准确分析出驾驶员的精神状态以及确定驾驶员是否存在不安全驾驶的动作等。
94.所述驾驶员操作行为数据至少包括如车间距保持数据、加速踏板踩踏数据、制动踏板踩踏数据、转向灯使用数据和方向盘转动数据，这些数据可以通过在车内摄像头、压力
传感器等获取原始数据并通过分析处理后得到，这些数据是驾驶员驾驶行为最直接的体现，能为确定驾驶员的驾驶行为是否安全提供准确的数据支持。
95.道路状况是对车辆安全行驶影响重大的因素之一，通过摄像头、三维测量装置、定位装置等采集设备和控制处理模块，可以采集和处理分析所述行驶道路数据。所述行驶道路数据至少包括道路地址数据、车道数量数据、车道行驶标识数据、路面平整度数据、弯度数据和坡度数据等。通过采集行驶道路数据，可以针对特殊路况随机应变地确定更准确的驾驶习惯模型。
96.在本发明一些可能的实施方式中，所述获取模块，还用于获取方向盘在回正状态下的第一图像数据；
97.所述控制处理模块，还用于对所述第一图像数据进行字符识别，根据处于水平方向的字符组确定所述方向盘的中轴线；
98.所述获取模块，还用于获取车辆在行驶状态下的方向盘的当前图像数据；
99.所述控制处理模块，还用于根据所述当前图像数据和所述第一图像数据得到所述中轴线的偏转角度，得到所述方向盘的转动角度；
100.所述获取模块，还用于获取所述方向盘转动所经过的转动时间；
101.所述控制处理模块，还用于根据所述转动角度和转动时间计算得到转动速度。
102.可以理解的是，方向盘是车辆行驶过程的核心控制部件，在本发明的实施例中，可以通过采集分析方向盘的运动图像数据来判断驾驶员对方向盘的控制是否安全。具体的是，获取方向盘在回正状态下的第一图像数据，对所述第一图像数据进行字符识别，根据处于水平方向的字符组(如车辆商标文字或图形、控制按键的标识字符等)确定水平线，再根据前述字符组(或方向盘整体)的对称性，确定垂直于水平线且均分前述字符组(或方向盘整体)的直线，即所述方向盘的中轴线。在车辆行驶过程中，实时获取车辆在行驶状态下的方向盘的当前图像数据；再根据所述当前图像数据和所述第一图像数据得到所述中轴线的偏转角度(如以方向盘的旋转中心为原点、将所述中轴线作为y轴、所述中轴线的垂直线作为x轴，建立坐标系，再通过测量相交线段的长度，结合坐标计算，可得到偏转角度)，即得到所述方向盘的转动角度；同时，可以获取所述方向盘转动所经过的转动时间(如控制一个专设的计时器进行计时)，最后，根据所述转动角度和转动时间计算得到转动速度。方向盘的转动角度和转动速度可以体现驾驶员对方向盘的控制是否安全。
103.可以理解的是，对于转动超过一周的情况，可以通过摄像头记录转动圈数，将转动圈数*360度再加上偏转角度即得到转动角度。
104.在本发明一些可能的实施方式中，所述获取模块，还用于采集行驶道路的路面图像数据；
105.所述控制处理模块，还用于从所述图像数据中识别出积水区、破损区、障碍物和尖锐物；
106.所述获取模块，还用于分别采集所述积水区、所述破损区、所述障碍物和所述尖锐物的三维数据；
107.所述控制处理模块，还用于根据所述三维数据分别计算积水区数据、破损区数据、障碍物数据和尖锐物数据；其中，所述积水区数据至少包括积水位置和积水深度，所述破损区数据至少包括破损区位置和破损程度，所述障碍物数据至少包括障碍物位置和障碍体
积，所述尖锐物数据至少包括尖锐物的分布位置和尖锐程度；
108.所述控制处理模块，还用于根据所述积水区数据、所述破损区数据、所述障碍物数据和所述尖锐物数据得到所述路面平整度数据。
109.可以理解的是，为了获取更详细的路面信息以建立更精确的驾驶习惯模型，在本发明的实施例中，可以通过采集行驶道路的路面图像数据，并根据预先存储的积水区、破损区、障碍物和尖锐物的模型数据，从所述图像数据中识别出积水区、破损区、障碍物和尖锐物，再进一步分别采集所述积水区、所述破损区、所述障碍物和所述尖锐物的三维数据(如通过激光扫描装置、超声扫描装置、多目摄像装置、结构光图像采集装置等采集三维数据)，再根据预设的测量算法或者测量模型，至少计算出所述积水区的积水位置和积水深度，所述破损区位置和破损程度，所述障碍物位置和障碍体积，所述尖锐物的分布位置和尖锐程度等；根据前述涉及的所述积水区数据、所述破损区数据、所述障碍物数据和所述尖锐物数据得到所述路面平整度数据。
110.在本发明一些可能的实施方式中，所述获取模块，还用于采集所述当前驾驶员的第一人脸数据和第一头部姿势数据；
111.所述控制处理模块还用于：
112.根据所述第一人脸数据确定人眼区域，得到第一人眼图片；
113.提取第一眼动数据，并对所述第一眼动数据进行处理，得到第一眼动特征数据；
114.根据所述第一头部姿势数据和所述第一眼动特征数据输入预先设置的头部识别模型，以判断所述当前驾驶员是否存在不安全驾驶行为。
115.可以理解的是，在驾驶过程中驾驶员应当以最大的视角注视路面信息，如果驾驶员视线飘忽、注意力不集中、头部姿势不正确等，都有可能导致事故的发生，在本发明的实施例中，通过采集所述当前驾驶员的第一人脸数据和第一头部姿势数据，对所述第一人脸数据进行人眼识别，确定人眼区域，得到第一人眼图片，再提取第一眼动数据，并对所述第一眼动数据进行处理，得到第一眼动特征数据；最后根据所述第一头部姿势数据和所述第一眼动特征数据输入预先设置的头部识别模型，以判断所述当前驾驶员是否存在不安全驾驶行为。通过本实施例的方案，可以通过人眼和头部的状态准确识别出当前驾驶员是否存在不安全驾驶行为。
116.请参见图2，本发明的另一实施例提供一种用于智能汽车的驾驶行为纠正方法，所述驾驶行为纠正方法包括：
117.获取历史驾驶事件数据；
118.根据所述历史驾驶事件数据，按时间维度或道路维度或车型维度或驾驶员维度生成驾驶习惯模型；
119.获取当前驾驶员数据、当前行驶车辆数据、当前行驶道路数据和当前时间数据；
120.根据所述当前行驶道路数据和/或所述当前时间数据从所述驾驶习惯模型中获得其他行驶者的当前驾驶习惯模型；
121.根据所述当前驾驶习惯模型，判断预设的标准驾驶行为模型是否安全；
122.当确定所述标准驾驶行为模型不安全时，根据所述当前驾驶习惯模型修改所述标准驾驶行为模型，得到当前标准驾驶行为模型；
123.根据所述当前标准驾驶行为模型、所述当前驾驶员数据和所述当前行驶车辆数据
判断当前驾驶员的驾驶行为是否安全；
124.当所述当前驾驶员的驾驶行为不安全时，发出驾驶行为纠正警报信息；
125.其中，所述历史驾驶事件数据至少包括驾驶员数据、行驶车辆数据、行驶地区数据、行驶时间数据、行驶道路数据。
126.可以理解的是，可以根据道路交通相关规定的要求及道路交通安全测试数据建立针对驾驶人员的标准驾驶行为模型。
127.在实际的车辆行驶过程中，由于在天气突变、道路路面状况变化、其他驾驶人员的行车状况不可预见等因素的影响下，道路交通状况瞬息万变，有时需要以比标准驾驶行为模型更严格的标准规范驾驶人员的驾驶行为，才能有效地避免交通事故的发生。
128.在本发明的实施例中，所述历史驾驶事件数据至少包括驾驶员数据、行驶车辆数据、行驶地区数据、行驶时间数据、行驶道路数据；所述驾驶习惯模型构建模块用于根据所述历史驾驶事件数据，利用经过事先训练的神经网络，按时间维度或道路维度或车型维度或驾驶员维度生成驾驶习惯模型，可以理解的是，可以分别按时间维度、道路维度、车型维度、驾驶员维度生成多个驾驶习惯模型。应当说明的是，所述驾驶习惯模型基于历史驾驶事件数据构建，可以表征某一地点或某一时间段或某一类车型或者某一类驾驶员，道路上其他通行车辆的驾驶习惯，如“在xx路上，9：00至19：00，每小时有30至40辆大货车通过，且约60％的大货车车速超限速10％以上”、“在yy路辅道进主路处，有70％的概率发生辅道车辆不打灯突然加塞到主路车流的情况”、“在tt时段，zz路，车流量大，且80％的概率发生不打灯变道情况”等。
129.针对本发明实施例提供的驾驶行为纠正系统所实施的当前车辆的驾驶人员，首先，可以根据所述当前行驶道路数据和/或所述当前时间数据从所述驾驶习惯模型中获得其他行驶者的当前驾驶习惯模型，以确定当前通行道路上其他行驶者驾驶车辆的风格。再根据所述当前驾驶习惯模型，判断预设的标准驾驶行为模型是否安全，即判断按照标准驾驶行为模型所确定的对驾驶行为的要求，是否能预防/主动避免其他车辆以所述当前驾驶习惯模型的进行驾驶带来的风险，如在以标准驾驶行为模型进行驾驶的情况下，是否能保持安全距离避免前方车辆的急刹、能否避免其他车辆的突然变道导致的碰撞等。当确定所述标准驾驶行为模型不安全时，根据所述当前驾驶习惯模型修改所述标准驾驶行为模型，得到当前标准驾驶行为模型，如将所述标准驾驶行为模型的最高限速调低、将与前车的车距标准要求增大等。最后，根据所述当前标准驾驶行为模型、所述当前驾驶员数据和所述当前行驶车辆数据判断当前驾驶员的驾驶行为是否安全，当所述当前驾驶员的驾驶行为不安全时，发出驾驶行为纠正警报信息，以督促驾驶员按要求纠正其驾驶行为。
130.采用该实施例的技术方案，通过获取历史驾驶事件数据，根据所述历史驾驶事件数据生成驾驶习惯模型；获取当前驾驶员数据、当前行驶车辆数据、当前行驶道路数据和当前时间数据；根据所述当前行驶道路数据和/或所述当前时间数据从所述驾驶习惯模型中获得其他行驶者的当前驾驶习惯模型；根据所述当前驾驶习惯模型，判断预设的标准驾驶行为模型是否安全；当确定所述标准驾驶行为模型不安全时，根据所述当前驾驶习惯模型修改所述标准驾驶行为模型，得到当前标准驾驶行为模型；根据所述当前标准驾驶行为模型、所述当前驾驶员数据和所述当前行驶车辆数据判断当前驾驶员的驾驶行为是否安全；当所述当前驾驶员的驾驶行为不安全时，发出驾驶行为纠正警报信息。通过本方案的实施，
可以事先针对车辆行驶的道路上的其他车辆的驾驶习惯进行预测，修改当前车辆的驾驶员的标准驾驶行为模型，以有效避免其他车辆对当前车辆的不利影响。
131.在本发明一些可能的实施方式中，所述驾驶员数据包括驾驶员眼球转动数据、眼睑状态数据和头部动作信息，和驾驶员的刺激-反应时间数据、驾驶员的生理数据，以及驾驶员操作行为数据；其中，所述驾驶员操作行为数据至少包括如车间距保持数据、加速踏板踩踏数据、制动踏板踩踏数据、转向灯使用数据和方向盘转动数据；
132.所述行驶车辆数据包括车辆位置数据、车速数据、油耗/电耗数据、转向数据和车机数据(如导航、音乐使用状态)；
133.所述行驶道路数据包括道路地址数据、车道数量数据、车道行驶标识数据、路面平整度数据、弯度数据和坡度数据。
134.可以理解的是，在本发明的实施例中，可以通过图像获取、识别技术得到驾驶员眼球转动数据、眼睑状态数据和头部动作信息等，而驾驶员的刺激-反应时间数据、驾驶员的生理数据等可以通过传感器采集相关数据(如心跳、体温、神经反应数据、血糖含量、血氧含量、呼吸频率等)，再利用采集到的数据计算而来，利用驾驶员眼球转动数据、眼睑状态数据和头部动作信息，和驾驶员的刺激-反应时间数据、驾驶员的生理数据这些数据可以准确分析出驾驶员的精神状态以及确定驾驶员是否存在不安全驾驶的动作等。
135.所述驾驶员操作行为数据至少包括如车间距保持数据、加速踏板踩踏数据、制动踏板踩踏数据、转向灯使用数据和方向盘转动数据，这些数据可以通过在车内摄像头、压力传感器等获取原始数据并通过分析处理后得到，这些数据是驾驶员驾驶行为最直接的体现，能为确定驾驶员的驾驶行为是否安全提供准确的数据支持。
136.道路状况是对车辆安全行驶影响重大的因素之一，通过摄像头、三维测量装置、定位装置等采集设备和控制处理模块，可以采集和处理分析所述行驶道路数据。所述行驶道路数据至少包括道路地址数据、车道数量数据、车道行驶标识数据、路面平整度数据、弯度数据和坡度数据等。通过采集行驶道路数据，可以针对特殊路况随机应变地确定更准确的驾驶习惯模型。
137.在本发明一些可能的实施方式中，所述方向盘转动数据的获取方法包括：
138.获取方向盘在回正状态下的第一图像数据；
139.对所述第一图像数据进行字符识别，根据处于水平方向的字符组确定所述方向盘的中轴线；
140.获取车辆在行驶状态下的方向盘的当前图像数据；
141.根据所述当前图像数据和所述第一图像数据得到所述中轴线的偏转角度，得到所述方向盘的转动角度；
142.获取所述方向盘转动所经过的转动时间；
143.根据所述转动角度和转动时间计算得到转动速度。
144.可以理解的是，方向盘是车辆行驶过程的核心控制部件，在本发明的实施例中，可以通过采集分析方向盘的运动图像数据来判断驾驶员对方向盘的控制是否安全。具体的是，获取方向盘在回正状态下的第一图像数据，对所述第一图像数据进行字符识别，根据处于水平方向的字符组(如车辆商标文字或图形、控制按键的标识字符等)确定水平线，再根据前述字符组(或方向盘整体)的对称性，确定垂直于水平线且均分前述字符组(或方向盘
整体)的直线，即所述方向盘的中轴线。在车辆行驶过程中，实时获取车辆在行驶状态下的方向盘的当前图像数据；再根据所述当前图像数据和所述第一图像数据得到所述中轴线的偏转角度(如以方向盘的旋转中心为原点、将所述中轴线作为y轴、所述中轴线的垂直线作为x轴，建立坐标系，再通过测量相交线段的长度，结合坐标计算，可得到偏转角度)，即得到所述方向盘的转动角度；同时，可以获取所述方向盘转动所经过的转动时间(如控制一个专设的计时器进行计时)，最后，根据所述转动角度和转动时间计算得到转动速度。方向盘的转动角度和转动速度可以体现驾驶员对方向盘的控制是否安全。
145.可以理解的是，对于转动超过一周的情况，可以通过摄像头记录转动圈数，将转动圈数*360度再加上偏转角度即得到转动角度。
146.在本发明一些可能的实施方式中，所述路面平整度数据的获取方法包括：
147.采集行驶道路的路面图像数据，并从所述图像数据中识别出积水区、破损区、障碍物和尖锐物；
148.分别采集所述积水区、所述破损区、所述障碍物和所述尖锐物的三维数据；
149.根据所述三维数据分别计算积水区数据、破损区数据、障碍物数据和尖锐物数据；其中，所述积水区数据至少包括积水位置和积水深度，所述破损区数据至少包括破损区位置和破损程度，所述障碍物数据至少包括障碍物位置和障碍体积，所述尖锐物数据至少包括尖锐物的分布位置和尖锐程度；
150.根据所述积水区数据、所述破损区数据、所述障碍物数据和所述尖锐物数据得到所述路面平整度数据。
151.可以理解的是，为了获取更详细的路面信息以建立更精确的驾驶习惯模型，在本发明的实施例中，可以通过采集行驶道路的路面图像数据，并根据预先存储的积水区、破损区、障碍物和尖锐物的模型数据，从所述图像数据中识别出积水区、破损区、障碍物和尖锐物，再进一步分别采集所述积水区、所述破损区、所述障碍物和所述尖锐物的三维数据(如通过激光扫描装置、超声扫描装置、多目摄像装置、结构光图像采集装置等采集三维数据)，再根据预设的测量算法或者测量模型，至少计算出所述积水区的积水位置和积水深度，所述破损区位置和破损程度，所述障碍物位置和障碍体积，所述尖锐物的分布位置和尖锐程度等；根据前述涉及的所述积水区数据、所述破损区数据、所述障碍物数据和所述尖锐物数据得到所述路面平整度数据。
152.在本发明一些可能的实施方式中，所述驾驶行为纠正方法还包括：
153.采集所述当前驾驶员的第一人脸数据和第一头部姿势数据；
154.根据所述第一人脸数据确定人眼区域，得到第一人眼图片；
155.提取第一眼动数据，并对所述第一眼动数据进行处理，得到第一眼动特征数据；
156.根据所述第一头部姿势数据和所述第一眼动特征数据输入预先设置的头部识别模型，以判断所述当前驾驶员是否存在不安全驾驶行为。
157.可以理解的是，在驾驶过程中驾驶员应当以最大的视角注视路面信息，如果驾驶员视线飘忽、注意力不集中、头部姿势不正确等，都有可能导致事故的发生，在本发明的实施例中，通过采集所述当前驾驶员的第一人脸数据和第一头部姿势数据，对所述第一人脸数据进行人眼识别，确定人眼区域，得到第一人眼图片，再提取第一眼动数据，并对所述第一眼动数据进行处理，得到第一眼动特征数据；最后根据所述第一头部姿势数据和所述第
一眼动特征数据输入预先设置的头部识别模型，以判断所述当前驾驶员是否存在不安全驾驶行为。通过本实施例的方案，可以通过人眼和头部的状态准确识别出当前驾驶员是否存在不安全驾驶行为。
158.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本技术所必须的。
159.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
160.在本技术所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
161.上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
162.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
163.上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本技术各个实施例上述方法的全部或部分步骤。而前述的存储器包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
164.本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：read-only memory，简称：rom)、随机存取器(英文：random access memory，简称：ram)、磁盘或光盘等。
165.以上对本技术实施例进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。
166.虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本
发明的精神和范围内，可轻易想到变化或替换，均可作各种更动与修改，包含上述不同功能、实施步骤的组合，包含软件和硬件的实施方式，均在本发明的保护范围。