CN105185112A - 驾驶行为分析识别的方法及系统 - Google Patents

Abstract

本发明公开了一种驾驶行为分析识别的方法及系统，其中方法包括：建立加速度采集系统；采集机动车的三轴加速度输出值；根据所述三轴加速度输出值，绘制对应的曲线图；根据所述曲线图，建立数学模型，并获取绝对值最大的加速度及其对应的持续时间；根据绝对值最大的加速度及其对应的持续时间，分析识别对应的驾驶行为。通过上述方式，本发明能够为科学分析研究提供可靠的数据支持，以提升驾驶员规范操作，提升了客运企业的经济效益和社会效益。

Description

驾驶行为分析识别的方法及系统

技术领域

本发明涉及导航车载技术领域，尤其是涉及一种驾驶行为分析识别的方法及系统。

背景技术

驾驶行为是驾驶员在自身生理、心理的制约下，将接收到的各种复杂的车内外的环境信息，在大脑中处理过后所做出的动作反应与操作运动。目前一般常见的各种驾驶行为主要有：跟车驾驶、有跑偏驾驶、占道驾驶、疲劳驾驶、超车并道、车辆掉头转弯(包括一般转弯和紧急转弯)、加速行驶、减速行驶、匀速行驶及启动状态。

在这些驾驶行为操作过程中，依据可能出现的状态，可以分为两种不良驾驶行为。第一种是不安全的驾驶行为，主要包括超速驾驶、发动机超转、急加速、急减速、异常开关车门、空挡滑行等具体类型；另外一种是高能耗的驾驶行为，主要包括不规范怠速、档位/车速匹配不当、越级换挡和频繁刹车等具体类型。

这些驾驶行为的过程是与驾驶员的驾驶能力是密不可分的，驾驶能力的高低就直接影响着车辆的行驶，而驾驶能力就体现在具体的驾驶行为上，可见对驾驶行为的管理就显得尤为重要。

传统上对驾驶员的驾驶行为的管理方式是静态的，主要是依靠个人经验来判断，对驾驶员进行说服管理教育，或者借助GPS视频监控车辆。这些方法虽然有效，但存在着管理的盲点。例如，对驾驶员急加速、急减速、空挡滑行等行为无法监控，车辆技术状况的好坏完全掌握在驾驶员手中，对驾驶员的管理也缺乏有说服力的精准的数据支持；视频监控管理还涉及到监管员自身的水平问题，人情管理问题等。此外还经常由人工来记录、整理和分析数据，难免会产生人为误差；这样的管理方式既投入很多的人力物力，而且效果也并不好。之前的管理方式是一种比较注重结果的管理，并不注重过程的管理。而现代的精细化管理要求对过程需要进行动态定量管理，而传统的管理方法比较简单、管理相对滞后，已经不太适应汽车技术发展的新需要。

因此现在对驾驶行为应该从更多地依靠经验管理向更多地依靠科学管理转变，更多地采用人工手段管理向更多地采用信息化手段管理转变，从更多关注结果的管理向更多关注过程的管理转变，而这就需要采集高效精准的驾驶数据，归纳出驾驶行为的特征，针对这些特征设计出识别与报警的算法，进而通过硬件实现，从而有效控制不良驾驶行为。

发明内容

本发明所要解决的技术问题是：通过远程监控和识别驾驶员的不良驾驶行为，规范驾驶员的操作，从而降低了安全隐患，减少了燃油消耗，实现了科学管理和节能管理，从而提升了客运企业的经济效益和社会效益。

为了解决上述技术问题，本发明采用的技术方案为：提供一种驾驶行为分析识别的方法，包括：

建立加速度采集系统；

采集机动车的三轴加速度输出值；

根据所述三轴加速度输出值，绘制对应的曲线图；

根据所述曲线图，建立数学模型，并获取绝对值最大的加速度及其对应的持续时间；

根据绝对值最大的加速度及其对应的持续时间，分析识别对应的驾驶行为。

为解决上述问题，本发明提供一种驾驶行为分析识别的系统，包括：

建立模块，用于建立加速度采集系统；

采集模块，用于采集机动车的三轴加速度输出值；

曲线模块，用于根据所述三轴加速度输出值，绘制对应的曲线图；

模型模块，用于根据所述曲线图，建立数学模型，并获取绝对值最大的加速度及其对应的持续时间；

分析识别模块，用于根据绝对值最大的加速度及其对应的持续时间，分析识别对应的驾驶行为。

本发明的有益效果在于：区别于现有技术，本发明通过建立的加速度采集系统，以采集三轴加速度输出值，并绘制曲线图，建立数学模型，一获取绝对值最大的加速度及其对应的持续时间，从而最终分析识别对应的驾驶行为，为科学分析研究提供可靠的数据支持，以提升驾驶员规范操作，提升了客运企业的经济效益和社会效益。

附图说明

图1为本发明方法实施例一的流程示意图；

图2为本发明方法实施例二的流程示意图；

图3为本发明系统实施例三的结构框图；

图4为本发明系统实施例四的结构框图；

图5为本发明具体实施例的加速度模块摆放示意图；

图6为车辆停止且发动机熄火时三轴加速度输出曲线图；

图7为车辆停止且发动机启动时三轴加速度输出曲线图；

图8为滤波后的车辆停止且发动机熄火时三轴加速度输出曲线图；

图9为滤波后的车辆停止且发动机启动时三轴加速度输出曲线图；

图10为静止-启动加速-匀速行驶-减速-停止的过程输出曲线；

图11为正常刹车实验加速度输出曲线图；

图12为急刹车实验加速度输出曲线图；

图13为右转弯状态过程示意图；

图14为正常右转弯加速度输出曲线图；

图15为向右急转弯的加速度输出曲线图；

图16为左转弯状态过程示意图；

图17为正常左转弯加速度输出曲线图；

图18为向左急转弯的加速度输出曲线图；

图19为车辆正常停放时的加速度输出曲线图；

图20为车辆正常停放时的加速度输出曲线图；

图21为车辆左翻情况下的三轴加速度输出曲线图；

图22为模拟车辆上下翻车情况下的三轴加速度输出曲线图。

具体实施方式

为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。

本发明最关键的构思在于:通过加速度采集系统采集三轴加速度输出值，以获取科学数据，为后续研究分析驾驶行为提供可靠支持。

请参照图1，本发明实施例一提供一种驾驶行为分析识别的方法，包括：

S1：建立加速度采集系统；

S2：采集机动车的三轴加速度输出值；

S3：根据所述三轴加速度输出值，绘制对应的曲线图；

S4：根据所述曲线图，建立数学模型，并获取绝对值最大的加速度及其对应的持续时间；

S5：根据绝对值最大的加速度及其对应的持续时间，分析识别对应的驾驶行为。

在加速度采集系统建立起来后，通过实验采集机动车在不同状态下的三轴加速度输出，整理并分析加速度变化规律。建立不同行驶状态与加速度的特征关系，这个为分析识别驾驶行为奠定基础。

区别于现有技术，本发明通过建立的加速度采集系统，以采集三轴加速度输出值，并绘制曲线图，建立数学模型，一获取绝对值最大的加速度及其对应的持续时间，从而最终分析识别对应的驾驶行为，为科学分析研究提供可靠的数据支持，以提升驾驶员规范操作，提升了客运企业的经济效益和社会效益。

如图2所示，在实施例一的基础上，本发明实施例二在步骤S1之后，还包括：

S11：验证加速度采集系统的有效性。

为了可以提升本发明实验的精确性，以及严谨的科学态度，在建立采集系统后，本发明实施例二对系统进行验证。具体的验证方式在下文的具体实施例中将作详细阐述。

其中，步骤S2具体为：

S21：在刹车状态下，采集机动车正常刹车以及急刹车时的三轴加速度输出值。

其中，步骤S2具体为：

S22：在转弯状态下，采集机动车正常转弯以及急转弯时的三轴加速度输出值。

其中，步骤S2具体为：

S23：在翻车状态下，采集机动车不同侧翻角度时的三轴加速度输出值。

本发明的实施例主要针对在刹车状态，转弯状态以及翻车状态下，进行科学实验，因此分别采集不同状态下，其正常行为及过激行为的实验数据，为后续的分析识别步骤提供可靠数据。

如图3所示，本发明实施例三提供一种驾驶行为分析识别的系统100，包括：

建立模块110，用于建立加速度采集系统；

采集模块120，用于采集机动车的三轴加速度输出值；

曲线模块130，用于根据所述三轴加速度输出值，绘制对应的曲线图；

模型模块140，用于根据所述曲线图，建立数学模型，并获取绝对值最大的加速度及其对应的持续时间；

分析识别模块150，用于根据绝对值最大的加速度及其对应的持续时间，分析识别对应的驾驶行为。

如图4所示，所述系统100还包括：

验证模块160，用于验证加速度采集系统的有效性。

其中，所述采集模块120包括：

刹车单元121，用于在刹车状态下，采集机动车正常刹车以及急刹车时的三轴加速度输出值。

其中，所述采集模块120包括：

转弯单元122，用于在转弯状态下，采集机动车正常转弯以及急转弯时的三轴加速度输出值。

其中，所述采集模块120包括：

翻车单元123，用于在翻车状态下，采集机动车不同侧翻角度时的三轴加速度输出值。

为方便理解本发明的上述方法及系统，本发明提供具体的实施例对其一一进行详述。

如图5至图22所示，本发明的实验状态分为三类：

第一类：刹车，分析车辆前进方向上(即Y轴方向)的加速度输出，重点测试了急刹车状态下的加速度输出。

第二类：转弯，具体分为左转弯和右转弯，分析车辆左右方向(即X轴方向)的加速度输出，重点测试了急转弯状态下的加速度输出。

第三类：翻车。

使用时加速度模块的摆放方向如图5所示。

其中，先说明XYZ三轴加速度的方向问题：X轴的正方向为汽车前进方向的右边；Y轴的正方向为汽车的前进方向，Z轴的正方向为重力的方向。说明书附图中三轴加速度曲线图中，横坐标为采样点，间隔20ms。纵坐标为加速度值，单位为m/s2。序列1曲线为X轴曲线，序列2曲线为Y轴曲线，序列3曲线为Z轴曲线。

在建立采集系统后，为了可精确可靠地采集数据，需要对采集系统进行验证。因此本发明具体实施例做了一下如下几个实验。

1、在车辆停止时进行加速度的采集，三轴加速度的输出曲线如图6和图7所示。

图6为车辆停止且发动机熄火时三轴加速度输出曲线图；

图7为车辆停止且发动机启动时三轴加速度输出曲线图。

从图6和图7可以看出，当车辆停止时，X轴和Y轴的输出基本为零，Z轴的输出基本围绕9.8m/s2的加速度变化，这是由于芯片器件本身的误差漂移以及车身自身震动所致，特别是图7中，由于发动机的震动，相对来说输出曲线更不稳定。因此可以采用平均滤波的方法，滤波窗口为20。处理后的输出曲线如图8和图9所示。

图8为滤波后的车辆停止且发动机熄火时三轴加速度输出曲线图；

图9为滤波后的车辆停止且发动机启动时三轴加速度输出曲线图。

从图8和图6的对比以及图9和图7的对比可以看出，均值滤波能有效地过滤由于芯片自身漂移误差和车身的抖动，滤波后的输出：X轴和Y轴的输出为零，Z轴输出为9.8m/s2，符合车辆在静止状态下的输出。

2、车辆从静止状态-启动加速-匀速行驶-减速-停止的过程(直线行驶过程)。通过物理模型(其中a为加速度，V1为前一时刻的速度，V2为后一时刻的速度，时间间隔为Δt)分析可得：a＝(V2-V1)/Δt；

在启动加速阶段：V2大于V1，上式分子大于零，因此a大于零；

在匀速行驶阶段：V2等于V1，因此a等于零；

在减速阶段：V2小于V1，上式分子小于零，因此a小于零。

因此，在整个过程中，Y轴加速度输出应该先从等于零逐渐大于零，在加完速后又变回零，匀速行驶，减速时加速度逐渐小于零，直到车辆停止，加速度回到零；X轴由于直线行驶，所以输出一直为零。实验输出曲线如图10所示，图10为静止-启动加速-匀速行驶-减速-停止的过程输出曲线。

从图中可以看出，由于驾驶车辆不能严格保证状态的一致，输出曲线会有误差，不过总体来说，基本符合物理模型的分析。

由此，对采集系统的验证也获得通过，可以进行后续的3种状态下的采集、分析识别步骤了。

一、刹车实验

在数学模型中，a(y)＝(Vy2-Vy1)/Δt；其中a(y)为加速度，Vy1为前一时刻的速度，Vy2为后一时刻的速度，时间间隔为Δt。

由于刹车减速状态下，Vy2小于Vy1，上式分子小于0，因此a(y)小于零。加速度输出随着刹车减速的幅度成正比，刹车越急，单位时间速度变化越大，加速度的输出就越大。

其中，图11所示为正常刹车实验加速度输出曲线图；

由图11可知，每次实验的曲线都有相似特点，幅值最大值在-2m/s2左右，甚至不超过-2m/s2，且刹车持续时间较长，即车辆有个缓慢的减速过程。图上的刹停时间为6秒以上：即(673-337)*20＝6720ms，甚至更长，这种刹车基本不会诱发交通事故。

而在急刹车实验中，首先将汽车加速到10m/s(36公里/小时)，然后急踩刹车，多次试验后，急刹车曲线如下图。

图12为急刹车实验加速度输出曲线图；

从图12在汽车在采样点200左右开始加速，到采样点830左右开始急踩刹车。车辆在采样点930左右停下来。在此状态下，汽车从36公里/小时的速度在差不多2秒的时间内骤停，此时车内坐着的人在安全带的保护下仍向前倾了30厘米。如果后面跟随了车辆，则极有可能发生了碰撞。

从此类急刹车实验中，可找出在急刹车状态下Y轴的加速度输出在较短时间内从零减小到负的较大值，而且刹车持续时间较短，即车辆骤停。较容易让后面跟随的车辆反应不及而发生事故。这种急刹车状态和正常刹车状态的区别是Y轴输出曲线的峰值有明显区别，在急刹车时，输出通常超过-4m/s2，且刹停的时间在2-3秒。

二、转弯实验

主要测试车辆在转弯状态下的X轴的加速度输出曲线。使用数学模型ax)＝(Vx2-Vx1)/Δt进行分析。

首先对右转弯状态，图13为右转弯状态过程示意图。

假设右转弯某一时刻车辆的速度为V1，与X轴的角度为θ，相隔时间后车辆的速度为V2，与X轴的角度为θ-ω*t。把车辆速度在X和Y轴分解得：

V_x1＝V₁*cos(θ)；

V_x2＝V₂*cos(θ-ω*t)；

当Δt趋近于零时，

由于ω，V2大于零，0<θ-ω*t<0，所以sin(θ-ω*t)也大于零，即a_x大于零。

可见当车辆在右转弯状态时，在X轴上输出的加速度是大于零的，具体数值大小和角速度ω大小成正比例关系。转弯角速度越大，a_x幅值越大。

正常右转弯和向右急转弯的加速度输出曲线图如图14和图15所示。

图15状态下车辆有尾甩和打滑的趋势。从图14和图15可以看出，都符合前面的数学模型分析，在进入右转弯状态时加速度都大于零，而且和转弯时转弯的角速度相关。但是两图除了具有右转弯时的共同特征之外，还有明显的区别。在图14，正常右转弯过弯速度较慢，角速度也较小，而且转弯时间较长，所以输出曲线幅值在2m/s2左右，过弯时间在12秒左右。在图15中，向右急转弯时过完速度快，角速度较大，所以输出曲线幅值较大，基本超过4m/s2，甚至超过5m/s2，过弯时间相对于正常右转弯少了4-5秒。

其次，再对左转弯状态进行分析，图16为左转弯状态过程示意图；

假设左转弯某一时刻车辆的速度为V1，与X轴的角度为θ，相隔时间后车辆的速度为V2，与X轴的角度为θ+ω*t。把车辆速度在X和Y轴分解得：

V_x1＝V₁*cos(θ)

V_x2＝V₂*cos(θ+ω*t)

当Δt趋近于零时，

由于，V2大于零，90°<(θ+ω*t)<180°，所以也sin(θ+ω*t)大于零，即a_x小于零。

可见当车辆在左转弯状态时，在X轴上输出的加速度是小于零的，具体数值大小和角速度ω大小成正比例关系。转弯角速度越大，a_x的绝对值幅值越大。

正常左转弯和向左急转弯的加速度输出曲线图如图17和图18所示。

图18为连续向左急转弯转圈的情况，此状态下车辆有甩尾和打滑的趋势。从图17和图18可以看出，都符合前面的数学模型分析，在进入左转弯状态时加速度ax都小于零，而且和转弯时转弯的角速度相关。和右转弯情况相同，两图除了具有左转弯时的共同特征之外，还有明显的区别。在图17中，左转弯是加速度ax的值由于正常左转弯过弯速度较慢，角速度也较小，而且转弯时间较长，所以输出曲线幅值在-2m/s2左右。在图18中，向左急转弯时过弯速度快，角速度较大，所以输出曲线幅值较大，基本超过-4m/s2，甚至-5m/s2以下。

从两个转弯实验的对比分析可以看出，在急转弯状态下，车辆在X轴方向的加速度输出值都会在较短的时间内上升的较大的幅值，且在转弯期间维持一定的时间，这与正常转弯状态下的输出具有明显区别。

三、翻车实验

当车辆在正常情况下静止时加速度传感器的XYZ三轴的输出情况如图19所示。图19为车辆正常停放时的加速度输出曲线图。

从图19可以看出，此时Z轴输出大约为9.8m/s2，X轴和Y轴基本等于零。当车辆向右侧翻时，通过向右竖起传感器模拟，此时传感器输出曲线图如图20所示，图20为车辆正常停放时的加速度输出曲线图。

在图20中，左上图所示为正常停放，右上图所示为向右侧翻30°，左下图为向右侧翻60°，右下图为向右侧翻90°。从4个图的对比可以看出，随着侧翻角度的增大，X轴输出从零位置逐渐减小，最后到大约-10m/s2。而Z轴则从9.8m/s2逐渐减小到趋近于零。

当车辆向左侧翻时，通过向左竖起传感器模拟，此时传感器输出如图21所示。图21为车辆左翻情况下的三轴加速度输出曲线图。

在图21中，左上图为正常停放，右上图为向左侧翻30°，左下图为向左侧翻60°，右下图为向左侧翻90°。从4个图的对比可以看出，随着侧翻角度的增大，X轴输出从零位置逐渐增大，最后到大约10m/s2。而Z轴则从9.8m/s2逐渐减小到趋近于零。

当车辆底朝天翻车时，通过翻转传感器模拟，此时传感器输出如图22所示，图22为模拟车辆上下翻车情况下的三轴加速度输出曲线图。

在图22中，左图为正常停放，右图为上下翻车。通过对比可以看出上下翻车后XY轴的输出不变，Z轴正负相反，正常停放时输出为一个g，而翻车时输出约为负的一个g。

从模拟实验可以看出，在侧翻车状态下Z轴的输出接近于零，判断左翻还是右翻则进一步处理X轴的加速度。而在上下翻转状态下Z轴的输出接近于-9.8m/s2。

此时，上述对3种状态下的加速度输出值数据进行了采集，并绘制对应的曲线图，同时建立对应数学模型，并进行定量分析不同驾驶行为的状态。一下将对不同的驾驶行为进行识别。

结合上述进行的刹车和转弯实验中，分别对刹车状态中采集的前进方向加速度输出峰值范围和转弯状态中采集的车辆左右方向加速度输出峰值范围进行统计。具体如表1及表2所示：

表1不同状况前进方向加速度输出峰值范围

从表1中可以看出，正常刹车状况下前进方向加速度峰值主要集中在0到-2.5m/s2之间，很大一部分刹车是轻微刹车，当遇到红灯或公交车进站停车时，前进方向加速度的峰值相对较大，但一般不超过-4m/s2。而在故意急刹车中，前进方向加速度峰值基本超过-4m/s2。

表2不同状况左右方向加速度输出峰值范围

从表2中可以看出，正常左转弯的加速度峰值主要集中在-1.5m/s2和1.5m/s2之间，因为道路系统中基本所有的右转车道都需要停红灯，且转弯速度较慢。而右转车道则可以直接转弯，速度相对左转弯来说较大，所以输出主要集中在1.5m/s2到3m/s2之间。故意急转弯的加速度峰值的绝对值基本大于5m/s2。

一、针对急刹车的识别：

在正常的车辆行驶过程中，经常会遇到红灯，三叉路口而进行正常减速甚至刹停。在这状态下的加速度ay输出的绝对值较小，基本低于2.5m/s2，很多时候都不超过1m/s2。

而在急刹车实验中，车辆从36公里每小时的时速在两秒内刹停，在此状态下经常发生在驾驶员发现有突发事故或者操作失误，此时后面跟随的车辆如果没及时反应而采取措施，很容易发生碰撞事故。从实验中的数据统计分析，此状态下的加速度ay输出的绝对值在刹车制动的短时间内迅速增大，而且在数值上超过-4m/s2。

本发明具体实施例采用3个等级的分级标准来表示刹车的危险程度，具体分级标准如表3所示。

表3刹车状态下的等级

-1.5<ay<0	忽略
		-2.5<ay<-1.5	等级1
-4<ay<-2.5	等级2
		ay<-4	等级3

[0156]其中标准的设定依据为：对于实验中正常刹车情况下的较大输出设定为等级1，表示当前状态为正常刹车，但刹车幅度较大，轻微的刹车则忽略；把实验中的急刹车加速度输出设定为等级3，表示当前的刹车状态很危险，很容易造成事故；然后把等级1和等级3之间的输出设定为等级2，车辆在此状态下具有一定的危险性，需要注意。

二、针对转弯的识别

在正常的车辆行驶过程中，最常出现的是向右转弯且转弯时速度较快，相对于左转弯危险性较高，因为通常情况下右转弯不用停红灯，而左转弯需要停红灯，因此转弯速度较慢。在正常转弯状态下的加速度ax输出的绝对值较小，正常情况下低于2m/s2，而在急转弯状态实验下，由于车辆过弯速度快，转向角速度较大，所以加速度ax输出的绝对值较大，且在进入转弯状态后，加速度值在较短时间内迅速增大，在车辆有甩尾和打滑趋势时的加速度绝对值输出超过5m/s2。

采用3个等级的分级标准来表示转弯的危险程度，具体分级标准表4(其中，整数代表右转，负数代表左转)所示。

表4转弯状态下的等级

-1.5<ax<1.5	忽略
		1.5<ax<3	右转等级1
3<ax<5	右转等级2
		5<ax	右转等级3
-3<ax<-1.5	左转等级1
		-5<ax<-3	左转等级2
ax<-5	左转等级3

标准的设定依据为：对于加速度在-1.5<ax<1.5之间的状态，基本是处在车辆换道、道路不平整摇晃和缓慢的转弯状态。

把车辆在正常转弯状态下的加速度输出在1.5<|ax|<3范围的值设定为等级1，表示正常转弯，但幅度有点大；在急转弯试验中，以车辆有甩尾和打滑趋势时的加速度输出5m/s

等级2为分界，|ax|>5的范围设定为等级3，表示当前的转弯状态危险性高，很容易造成交通事故；然后把介于等级1和等级3之间的状态设定为等级2，表示当前状态具有一定的危险性，需要注意。

三、针对翻车的识别

翻车状态指发生事故之后，车辆侧翻或者底朝天时，能提醒周围的车辆注意，并且系统能识别和自动告知控制中心。由于翻车状态不同于前面的刹车和转弯状态，翻车是在事故发生之后，此时车辆处于静止状态，加速度传感器三轴输出值通常稳定，所以识别较为简单。

在翻车情况下，加速度传感器Z轴的输出值az的值和侧翻的角度成反比，加速度传感器X轴的输出值ax的绝对值和侧翻的角度成正比，采用侧翻30°时的|ax|＝4m/s2和az＝9m/s2值作为分界，正常状态下az的值是在9.8m/s2处上下波动的，如果检测到持续一段时间az<9m/s2，则认为车辆已经侧翻了，再进一步分析ax和az判断车辆是侧翻还是上下翻转了，当ax大于4m/s2时，车辆向左侧翻；当ax小于-4m/s2时，车辆向右侧翻；当az小于-6m/s2时，车辆上下翻转；由于车辆翻车之后状态不会再变，所以程序检测到翻车状态时，将停留在翻车状态而不再读取加速度传感器的值，除非重新启动系统。

以上所述仅为本发明的实施例，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同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种驾驶行为分析识别的方法，其特征在于，包括：

建立加速度采集系统；

采集机动车的三轴加速度输出值；

根据所述三轴加速度输出值，绘制对应的曲线图；

根据所述曲线图，建立数学模型，并获取绝对值最大的加速度及其对应的持续时间；

根据绝对值最大的加速度及其对应的持续时间，分析识别对应的驾驶行为。

2.根据权利要求1所述驾驶行为分析识别的方法，其特征在于，建立加速度采集系统之后，还包括：

验证加速度采集系统的有效性。

3.根据权利要求1所述驾驶行为分析识别的方法，其特征在于，采集机动车的三轴加速度输出值的步骤具体为：

在刹车状态下，采集机动车正常刹车以及急刹车时的三轴加速度输出值。

4.根据权利要求1所述驾驶行为分析识别的方法，其特征在于，采集机动车的三轴加速度输出值的步骤具体为：

在转弯状态下，采集机动车正常转弯以及急转弯时的三轴加速度输出值。

5.根据权利要求1所述驾驶行为分析识别的方法，其特征在于，采集机动车的三轴加速度输出值的步骤具体为：

在翻车状态下，采集机动车不同侧翻角度时的三轴加速度输出值。

6.一种驾驶行为分析识别的系统，其特征在于，包括：

建立模块，用于建立加速度采集系统；

采集模块，用于采集机动车的三轴加速度输出值；

曲线模块，用于根据所述三轴加速度输出值，绘制对应的曲线图；

模型模块，用于根据所述曲线图，建立数学模型，并获取绝对值最大的加速度及其对应的持续时间；

分析识别模块，用于根据绝对值最大的加速度及其对应的持续时间，分析识别对应的驾驶行为。

7.根据权利要求6所述驾驶行为分析识别的系统，其特征在于，还包括：

验证模块，用于验证加速度采集系统的有效性。

8.根据权利要求6所述驾驶行为分析识别的系统，其特征在于，所述采集模块包括：

刹车单元，用于在刹车状态下，采集机动车正常刹车以及急刹车时的三轴加速度输出值。

9.根据权利要求6所述驾驶行为分析识别的系统，其特征在于，所述采集模块包括：

转弯单元，用于在转弯状态下，采集机动车正常转弯以及急转弯时的三轴加速度输出值。

10.根据权利要求6所述驾驶行为分析识别的系统，其特征在于，所述采集模块包括：

翻车单元，用于在翻车状态下，采集机动车不同侧翻角度时的三轴加速度输出值。