本发明涉及共享汽车技术领域，具体涉及车辆驾驶行为的评分方法及系统。
背景技术：
基于出租车企业从“粗放型”的管理角色向“出租车司机提供服务”的角色转变的趋势，行业目标为：一切以围绕服务质量、满足乘客需求为导向，通过技术手段及运营数据的分析，把管理深入到运营过程中，变事后监管为事前预警，主动做到管理前置，让管理真正规范、标准，严密有效。传统出租车向“互联网+”的技术方向转变是未来的发展趋势。
“互联网+”是互联网思维的进一步实践成果，推动经济形态不断地发生演变，从而带动社会经济实体的生命力，为改革、创新、发展提供广阔的网络平台。通俗的说，“互联网+”就是“互联网+各个传统行业”，但这并不是简单的两者相加，而是利用信息通信技术以及互联网平台，让互联网与传统行业进行深度融合，创造新的发展生态。它代表一种新的社会形态，即充分发挥互联网在社会资源配置中的优化和集成作用，将互联网的创新成果深度融合于经济、社会各域之中，提升全社会的创新力和生产力，形成更广泛的以互联网为基础设施和实现工具的经济发展新形态。
“互联网+”出租车的技术领域中，如何科学的评价驾驶员的驾驶行为，是我们急需解决的技术难题。
技术实现要素：
针对现有技术中所存在的不足，本发明提供了车辆驾驶行为的评分方法及系统，解决了车辆驾驶行为信用评分问题。
为实现上述目的，本发明采用了如下的技术方案：车辆驾驶行为的评分方法，包括以下步骤：
s1：预设车辆驾驶信用分数值，按时间节点采集驾驶行为数据，形成时间节点集合φ以及时间节点集合对应的驾驶行为数据集合φ1；
s2：在预设时间节点段τ内，根据驾驶行为数据的事件程度、事件数量和评价模型，对车辆驾驶信用分数值进行增减，生成初始信用得分p1；
s3：随机选取一个时间节点段τ1对应驾驶行为数据，运用t1时间节点段对应驾驶行为数据中的事件程度、事件数量和评价模型，得到信用复核得分，然后根据公式：
p＝p1+p2*ξ*к；
得到最终的信用得分p，其中ξ为节点段τ与τ1的比值，τ1小于τ，
τ∈φ，τ1∈φ且
进一步的，所述驾驶行为数据包括驾驶行车记录信息数据、乘客评价信息数据和监管信息数据。
进一步的，所述驾驶行车记录信息数据的事件类型包括汽车obd数据，汽车obd数据的事件类型包括车辆平稳数据和车辆颠簸数据；监管信息数据的事件类型包括政府监管数据和公司监管数据；政府监管数据、公司监管数据和乘客评价信息数据包括正向数据和负向数据。
进一步的，所述评价模型为：
dn表示事件类型；mn表示事件类型发生的总数量；bni表示事件程度对应的事件权重系数；fni表示记录的事件次数，i为大于或等于1的整数；
所述初始信用得分p1＝dn+p，p为预设车辆驾驶信用分数值。
进一步的，所述车辆颠簸数据和负向数据对应的事件权重系数为负数，正向数据和车辆平稳数据对应的事件权重系数为正数。
相应的车辆驾驶行为的评分系统，包括：
数据采集模块，用于预设车辆驾驶信用分数值，按时间节点采集驾驶行为数据，形成时间节点集合φ以及时间节点集合对应的驾驶行为数据集合φ1；
初始信用得分评价模块，用于在预设时间节点段τ内，根据驾驶行为数据的事件程度、事件数量和评价模型，对车辆驾驶信用分数值进行增减，生成初始信用得分p1；
复核修正模块，用于随机选取一个时间节点段τ1对应驾驶行为数据，运用t1时间节点段对应驾驶行为数据中的事件程度、事件数量和评价模型，得到信用复核得分，然后根据公式：
p＝p1+p2*ξ*к；
得到最终的最终的信用得分p，其中ξ为节点段τ与τ1的比值，τ1小于τ，
τ∈φ，τ1∈φ且
进一步的，所述驾驶行为数据包括驾驶行车记录信息数据、乘客评价信息数据和监管信息数据。
进一步的，所述驾驶行车记录信息数据的事件类型包括汽车obd数据，汽车obd数据的事件类型包括车辆平稳数据和车辆颠簸数据；监管信息数据的事件类型包括政府监管数据和公司监管数据；政府监管数据、公司监管数据和乘客评价信息数据包括正向数据和负向数据。
进一步的，评价模型包括的模块为：
事件类型模块，用于记录事件类型发生的总数量；
权重系数获取模块，用于获取事件程度对应的事件权重系数；
事件次数模块，用于记录的事件次数；
评价模型运用的公式为：
dn表示事件类型；mn表示事件类型发生的总数量；bni表示事件程度对应的事件权重系数；fni表示记录的事件次数，i为大于或等于1的整数；
所述初始信用得分p1＝dn+p，p为预设车辆驾驶信用分数值。
进一步的，评价模型包括的模块中所述车辆颠簸数据和负向数据对应的事件权重系数为负数，正向数据和车辆平稳数据对应的事件权重系数为正数。
车辆平稳数据和车辆颠簸数据分别为abs传感数据和变速器传感器数据。
相比于现有技术，本发明具有如下有益效果：本发明用科学的算法评价车辆驾驶人的驾驶行为，为“互联网+”出租车的发展，奠定技术基础；本发明设置了一般数据采集节点段τ和特殊时间节点段τ1的数据采集和评价，使评价方法更合理，利用数据中ξ，ξ为节点段τ与τ1的比值的概率权重，使得整个数据得到综合的利用，是评价的结果更准确。
具体实施方式
实施列1
本发明所述的一种车辆驾驶行为的评分方法，包括以下步骤：
s1：预设车辆驾驶信用分数值，按时间节点采集驾驶行为数据，形成时间节点集合φ以及时间节点集合对应的驾驶行为数据集合φ1；
s2：在预设时间节点段τ内，根据驾驶行为数据的事件程度、事件数量和评价模型，对车辆驾驶信用分数值进行增减，生成初始信用得分p1；
s3：随机选取一个时间节点段τ1对应驾驶行为数据，运用t1时间节点段对应驾驶行为数据中的事件程度、事件数量和评价模型，得到信用复核得分，然后根据公式：
p＝p1+p2*ξ*к；
得到最终的最终的信用得分p，其中ξ为节点段τ与τ1的比值，τ1小于τ，
τ∈φ，τ1∈φ且
进一步的，所述驾驶行为数据包括驾驶行车记录信息数据、乘客评价信息数据和监管信息数据。
进一步的，所述驾驶行车记录信息数据的事件类型包括汽车obd数据，汽车obd数据的事件类型包括车辆平稳数据和车辆颠簸数据；监管信息数据的事件类型包括政府监管数据和公司监管数据；政府监管数据、公司监管数据和乘客评价信息数据包括正向数据和负向数据。
进一步的，所述评价模型为：
dn表示事件类型；mn表示事件类型发生的总数量；bni表示事件程度对应的事件权重系数；fni表示记录的事件次数，i为大于或等于1的整数；
所述初始信用得分p1＝dn+p，p为预设车辆驾驶信用分数值。
进一步的，所述车辆颠簸数据和负向数据对应的事件权重系数为负数，正向数据和车辆平稳数据对应的事件权重系数为正数。
实施列2
在实施例1的基础上，p为预设车辆驾驶信用分数值为100，采集的时间为30天，预设时间节点段τ为第1天到第10天，k为0.5；
前10天中的记录的数据为：车辆平稳数据和车辆颠簸数据分别100次和20次；政府监管数据正向数据和负向数据的次数为别为80次和40次；乘客评价信息数据的正向数据和负向数据分别为70次和50次；公司监管数据的正向数据和负向数据分别为60次和60次；
后20天中τ1为1天，ξ计算得出为10，随机抽取的一天的记录的数据为：车辆平稳数据和车辆颠簸数据分别20次和2次；政府监管数据正向数据和负向数据的次数为别为18次和4次；乘客评价信息数据的正向数据和负向数据分别为15次和7次；公司监管数据的正向数据和负向数据分别为10次和12次；
30天中驾驶行为很好的驾驶人，在随机产生的1天的数据好的概率会增加，修正后的信用分会增加的概率会增加，相应驾驶行为差的人修正后的信用分减少的概率会增加，更符合评分的科学性。
信用评分结束后，然后按照从高到低的进行排名，按照排名从高到低依次设有五星到一星的驾驶员称号，依次的人数占总人数的10％、15％、40％、15％和10％。
五星驾驶员，获得100％的增收项目奖励。并能够使用远程回场程序、远程在线学习。在出租车服务点享受五星优惠服务。无需实地返场。
四星驾驶员，获得80％的增收奖励。并能够使用远程回场程序，远程在线学习。在出租车服务点享受四星优惠服务。每月实地返场一次。
三星驾驶员，获得60％的增收奖励。并能够使用远程回场程序，远程在线学习。每月实地返场两次。
两星驾驶员，获得20％的增收奖励。不能使用远程回场程序和远程在线学习服务。每月实地返场四次。
一星驾驶员，不获得增收奖励。不能使用远程回场程序和远程在线学习服务。每月实地返场四次，并且停车学习。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。