CN116080664A - 驾驶员画像的生成方法、装置、计算机设备及介质 - Google Patents

Abstract

本发明实施例提供了一种驾驶员画像的生成方法、装置、计算机设备及介质，涉及车辆驾驶技术领域，其中，该方法包括：通过车载终端判断车辆为启动状态时，获取驾驶员的身份信息；通过车载终端采集所述驾驶员驾驶所述车辆过程中的驾驶相关数据；将驾驶员的身份信息、车辆的唯一标识和同一时刻采集的驾驶相关数据生成记录数据；根据所述记录数据获取所述驾驶员的行程数据，每一条所述行程数据包括同一驾驶员连续驾驶同一车辆的所有所述记录数据；根据所述行程数据统计所述驾驶员的驾驶行为信息，根据所述驾驶行为信息生成所述驾驶员的驾驶行为画像。该方案可以提高驾驶员画像的准确性。

Description

驾驶员画像的生成方法、装置、计算机设备及介质

技术领域

本发明涉及车辆驾驶技术领域，特别涉及一种驾驶员画像的生成方法、装置、计算机设备及介质。

背景技术

目前，驾驶员的驾驶行为画像的生成方法为，针对驾驶员驾驶车辆过程中所采集的行驶数据，确定驾驶员的、符合预置的报警类型的行为信息；并确定与行为信息相关联的警告信息，统计归属于驾驶员的警告信息，生成驾驶员的画像。

但是，该驾驶员的驾驶行为画像的生成方法存在缺陷，无法确定行驶数据是同一驾驶员驾驶过程中的行驶数据，这样会导致基于不同驾驶员的驾驶相关数据对某一个驾驶员生成驾驶行为画像，使得影响驾驶行为画像的准确性。

发明内容

有鉴于此，本发明实施例提供了一种驾驶员画像的生成方法，以解决现有技术中驾驶员画像不准确的技术问题。该方法包括：

通过车载终端判断车辆为启动状态时，获取驾驶员的身份信息；

通过所述车载终端采集所述驾驶员驾驶所述车辆过程中的驾驶相关数据；

将所述驾驶员的身份信息、所述车辆的唯一标识和同一时刻采集的所述驾驶相关数据生成记录数据；

根据所述记录数据获取所述驾驶员的行程数据，每一条所述行程数据包括同一驾驶员连续驾驶同一车辆的所有所述记录数据；

根据所述行程数据统计所述驾驶员的驾驶行为信息，根据所述驾驶行为信息生成所述驾驶员的驾驶行为画像。

本发明实施例还提供了一种驾驶员画像的生成装置，以解决现有技术中驾驶员画像不准确的技术问题。该装置包括：

身份信息获取模块，用于通过车载终端判断车辆为启动状态时，获取驾驶员的身份信息；

驾驶数据采集模块，用于通过所述车载终端采集所述驾驶员驾驶所述车辆过程中的驾驶相关数据；

记录数据生成模块，用于将所述驾驶员的身份信息、所述车辆的唯一标识和同一时刻采集的所述驾驶相关数据生成记录数据；

行程数据划分模块，用于根据所述记录数据获取所述驾驶员的行程数据，每一条所述行程数据包括同一驾驶员连续驾驶同一车辆的所有所述记录数据；

画像生成模块，用于根据所述行程数据统计所述驾驶员的驾驶行为信息，根据所述驾驶行为信息生成所述驾驶员的驾驶行为画像。

本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意的驾驶员画像的生成方法，以解决现有技术中驾驶员画像不准确的技术问题。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述任意的驾驶员画像的生成方法的计算机程序，以解决现有技术中驾驶员画像不准确的技术问题。

与现有技术相比，本说明书实施例采用的上述至少一个技术方案能够达到的有益效果至少包括：提出了在判断出车辆为启动状态时，获取驾驶员的身份信息，实现了动态的将车辆与驾驶员的身份信息对应关联起来或者绑定，并采集所述驾驶员驾驶所述车辆过程中的驾驶相关数据，将同一时刻采集的所述驾驶相关数据、所述驾驶员的身份信息和所述车辆的唯一标识生成记录数据，并根据所述记录数据获取所述驾驶员的行程数据，进一步实现了实时地将驾驶过程中采集的驾驶相关数据与驾驶员的身份信息和车辆的唯一标识对应关联起来，有效确保了可以建立驾驶员的身份信息与驾驶员自身驾驶的车辆信息、驾驶员自身的驾驶相关数据之间的强关联，进而获取驾驶员的行程数据，该行程数据包括同一驾驶员连续驾驶同一车辆的所述记录数据，即该驾驶员的行程数据是驾驶员本人(或该驾驶员一人)连续驾驶同一车辆产生的相关数据，基于驾驶员的行程数据统计驾驶员的驾驶行为信息，以生成驾驶员的驾驶行为画像，确保了针对每个驾驶员，可以基于每个驾驶员本人连续驾驶同一车辆的相关形成数据来对每个驾驶员生成画像，与现有技术相比，可以避免使用包括了非驾驶员本人的形成数据对驾驶员生成画像的问题，有利于提高驾驶员画像的准确性。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例提供的一种驾驶员画像的生成方法的流程图；

图2是本发明实施例提供的一种驾驶员与车辆信息绑定的流程图；

图3是本发明实施例提供的另一种驾驶员与车辆信息绑定的流程图；

图4是本发明实施例提供的一种行程切分处理的流程图；

图5是本发明实施例提供的一种用户画像处理的流程图；

图6是本发明实施例提供的一种实施上述驾驶员画像的生成方法的流程图；

图7是本发明实施例提供的一种计算机设备的结构框图；

图8是本发明实施例提供的一种驾驶员画像的生成装置的结构框图。

具体实施方式

下面结合附图对本申请实施例进行详细描述。

以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在本发明实施例中，提供了一种驾驶员画像的生成方法，如图1所示，该方法包括：

步骤S101：通过车载终端判断车辆为启动状态时，获取驾驶员的身份信息；

步骤S102：通过所述车载终端采集所述驾驶员驾驶所述车辆过程中的驾驶相关数据；

步骤S103：将所述驾驶员的身份信息、所述车辆的唯一标识和同一时刻采集的所述驾驶相关数据生成记录数据；

步骤S104：根据所述记录数据获取所述驾驶员的行程数据，每一条所述行程数据包括同一驾驶员连续驾驶同一车辆的所述记录数据；

步骤S105：根据所述行程数据统计所述驾驶员的驾驶行为信息，根据所述驾驶行为信息生成所述驾驶员的驾驶行为画像。

由图1所示的流程可知，在本发明实施例中，提出了在通过车载终端判断出车辆为启动状态时，获取驾驶员的身份信息，实现了动态的将车辆与驾驶员的身份信息对应关联起来或者绑定，并采集所述驾驶员驾驶所述车辆过程中的驾驶相关数据，将同一时刻采集的所述驾驶相关数据、所述驾驶员的身份信息和所述车辆的唯一标识生成记录数据，并根据所述记录数据获取所述驾驶员的行程数据，进一步实现了实时地将驾驶过程中采集的驾驶相关数据与驾驶员的身份信息和车辆的唯一标识对应关联起来，有效确保了可以建立驾驶员的身份信息与驾驶员自身驾驶的车辆信息、驾驶员自身的驾驶相关数据之间的强关联，进而获取驾驶员的行程数据，该行程数据包括同一驾驶员连续驾驶同一车辆的所述记录数据，即该驾驶员的行程数据是驾驶员本人(或该驾驶员一人)连续驾驶同一车辆产生的相关数据，基于驾驶员的行程数据统计驾驶员的驾驶行为信息，以生成驾驶员的驾驶行为画像，确保了针对每个驾驶员，可以基于每个驾驶员本人连续驾驶同一车辆的相关形成数据来对每个驾驶员生成画像，与现有技术相比，可以避免使用包括了非驾驶员本人的形成数据对驾驶员生成画像的问题，有利于提高驾驶员画像的准确性。

具体实施时，本申请发明人发现，针对车队运营车辆的驾驶员，每次出任务时开的车可能不是同一车辆，这样会导致同一驾驶员在不同车辆上存在驾驶数据，还可能是同一个运输任务中存在配备双驾驶员的场景，这样会导致同一车辆上存在不同驾驶员的驾驶数据，如果按照现有技术中只是基于车辆采集驾驶员在驾驶过程中的驾驶数据，并没有实时、动态的将驾驶员的身份信息与驾驶数据、车辆信息绑定，这样会导致基于车辆采集的驾驶数据可能是多个不同驾驶员的驾驶数据，即针对车辆与驾驶员多对多关系时，无法区分采集的驾驶数据是否是同一驾驶员的驾驶数据，基于这样的驾驶数据来生成驾驶员的画像没法定位到具体的驾驶员，也不能准确的生成某一个驾驶员的画像。为了解决该问题，本申请发明人提出了上述驾驶员画像的生成方法，实时、动态的将车辆信息与驾驶员身份信息绑定，并将同一时刻采集的驾驶数据与车辆信息、驾驶员身份信息绑定，以便可以区分、明确的得到每个驾驶员本人连续驾驶同一车辆的驾驶数据，以便基于每个驾驶员本人的驾驶数据为每个驾驶员准确的生成画像。上述驾驶员画像的生成方法可以用于车队驾驶员的画像生成。

具体实施时，上述车载终端可以通过车辆上的tbox或部标机等设备实现。

具体实施时，为了准确的确定出车辆的启动状态，以便动态的将车辆信息与驾驶员的身份信息绑定，在本实施例中，车载终端判断车辆为启动状态的过程可以通过以下方法实现：

获取所述车辆的CNA信号，根据CNA信号判断所述车辆为启动状态。

具体的，可以实时监听车辆的CAN信号，进而根据车辆的CAN信号来确定车辆是否为启动状态。例如，CAN信号可以包含采集时间、车辆速度、acc状态以及gps定位信息(gps定位信息可以包括经度、纬度、行驶方向等数据)等可以在仪表盘上看到或者不能看到的一些车辆状态信息。根据车辆的CAN信号来确定车辆是否为启动状态的过程可以根据CAN信号中的车辆速度来实现，上一条采集的车辆速度为0，当前采集的车辆速度大于0，则判断车辆起步，即车辆为启动状态，若当前采集的车辆速度也为0，则车辆为未启动状态。车辆启动后，车载终端会随着上电，车载终端开机初始化的时候可以去获取驾驶员信息。或者，还可以根据acc状态(即钥匙门的开关状态)来判断车辆是否为启动状态。

具体实施时，为了实现动态、准确的将车辆信息与驾驶员的身份信息绑定，在本实施例中，可以通过不同的方式来获取驾驶员的身份信息，例如，可以通过nfc读卡器来获取驾驶员的身份信息，但是，该方式会明显增加硬件成本。为了降低成本、准确的获取身份信息，本申请提出了通过dms摄像头、相机等图像采集设备来采集驾驶员的图像，进而基于图像来获取驾驶员的身份信息，例如，

采集所述驾驶员的图像(可以是驾驶员的全身图像也可以是包括某些生物特征的局部图像)，从所述图像中获取所述驾驶员的生物特征；

基于生物特征与身份信息的预存对应关系，根据采集的生物特征，确定所述驾驶员的身份信息。

具体的，基于生物特征与身份信息的预存对应关系，根据采集的生物特征，确定所述驾驶员的身份信息的过程，可以在车载终端上实现，也可以通过服务端实现，例如，采集到驾驶员的图像后，通过车载终端或者服务端将采集的图像的生物特征与预存的各个驾驶员的图像或生物特征(即上述生物特征与身份信息的预存对应关系)进行比对，得到比对成功的生物特征对应的驾驶员的身份信息，即当前的驾驶员的身份信息，车载终端存储获取的驾驶员的身份信息，实现驾驶员的身份信息与车辆的绑定。

具体的，上述生物特征可以是人脸特征、虹膜、指纹等特征。

例如，通过人脸信息将驾驶员的身份信息与车辆信息绑定的具体过程如图2所示，可以包括以下步骤：

S201：车载终端启动时先进行初始化操作，并清理历史保存的驾驶员信息。

S202：监听车辆是否刚启动，或怠速启动，车辆启动后会对采集的gps次数计数，当次数为0时判断车辆为刚启动，当上一次采集的车辆速度为0，并且当前采集的车辆速度大于0时，判断车辆起步。

S203：车载终端会抓取dms疲劳驾驶摄像头的一帧图片；

S204：根据S203抓取的人脸图片请求服务端接口，获取驾驶员的身份信息，即服务端会根据预制的人脸比对服务，将抓取的人脸图片与驾驶员信息库中的人脸信息比对，当比对成功后，向车载终端返回比对到的驾驶员的身份信息，否则，返回失败。

S205：当S204获取到驾驶员的身份信息时，车载终端会将驾驶员的身份信息保存在本地，当记录不存在时新建，当已存在驾驶员的身份信息时会用新建的驾驶员的身份信息覆盖已有的驾驶员的身份信息。当获取驾驶员的身份信息失败时，会删除本地已经存在的驾驶员的身份信息。

S206：车载终端会周期性的采集驾驶相关数据并将采集的驾驶相关数据合并成一条记录数据发送到服务端，采集的驾驶相关数据可以包括采集时间、车辆速度、acc状态、车辆的gps定位数据(如经度、纬度、行驶方向等)、adas告警数据(如包含告警开始时间，告警类型等信息)、dms告警数据(如包含告警开始时间，告警类型等信息)以及驾驶员身份信息数据(如驾驶员唯一标识)。当驾驶员身份信息为空时或者服务端人脸比对失败而车载终端缓存的驾驶员身份信息是空值时，在记录数据中将驾驶员身份信息设置为空；当不存在告警信息的时候，在记录数据中将告警信息设置为空。具体的，在每个采集数据周期内，将采集的最新的一条can数据作为采集数据，Adas、dms告警在同一采集周期内可能会有多条告警记录。

例如：can数据可以每5秒采集上报一次，本上报周期内可能会有多条adas和dms告警信息，告警信息会关联到最新的can数据一起形成一条记录数据上报到服务端。

具体实施时，将驾驶员身份信息与车辆信息绑定的流程中，为了降低成本，还能准确、便捷的获取驾驶员身份信息，在本实施例中，提出了基于蓝牙标签来获取驾驶员身份信息，即用带开关或状态的蓝牙标签来将驾驶员身份信息与车辆信息绑定。例如，

采集所述车辆的蓝牙设备的蓝牙标签信息和蓝牙信号数据，其中，每个驾驶员佩戴唯一的蓝牙标签；

从所述信号数据中确定信号强度最大的蓝牙信号，确定与信号强度最大的蓝牙信号对应的蓝牙标签信息；

根据蓝牙标签信息与驾驶员身份信息的预存对应关系，得到确定出的蓝牙标签信息对应的驾驶员的身份信息。

具体实施时，根据蓝牙设备的蓝牙标签信息和蓝牙信号数据，确定出信号强度最大的蓝牙信号对应的蓝牙标签信息后，可以通过车载终端或者服务端将确定出的蓝牙标签信息与蓝牙标签信息与驾驶员身份信息的预存对应关系进行匹配，得到确定出的蓝牙标签信息对应的驾驶员的身份信息。

具体实施时，在车辆电子化信息化发展进程中，蓝牙功能是很多车机的标配。当驾驶员配备并打开电子标签时，标签会定时广播约定的鉴别信号数据。当存在双驾驶员的时候，备用驾驶员需要关闭蓝牙标签或者将蓝牙标签广播信息从驾驶状态切换到休息状态。如图3所示，下面以带开关的蓝牙标签来描述将驾驶员身份信息与车辆信息绑定的过程可以包括以下步骤：

S301：车载终端启动时先进行初始化操作，并清理历史保存的司机信息。

S302：监听车辆是否刚启动，或怠速启动，车辆启动后会对采集的gps次数计数，当次数为0时，判断车辆为刚启动，当上一次采集的车辆速度为0，并且当前采集的车辆速度大于0时，判断车辆起步。

S303：车载终端会扫描蓝牙设备列表，该蓝牙设备列表包括各个蓝牙标签的标识信息及其对应的蓝牙信号数据，并根据广播信息过滤出车队驾驶员配备的蓝牙设备的标识信息。

S304：将扫描得到的蓝牙设备列表按照蓝牙信号强度排序，车载终端默认在车头驾驶员配备的蓝牙设备的信号强度最大，遍历蓝牙设备列表，确定信号强度最大的蓝牙标签的标识信息，根据设备mac信息调用服务端接口获取与该确定出的蓝牙标签的标识信息绑定的驾驶员身份信息。

S305：当S304获取到驾驶员身份信息时，会将驾驶员身份信息保存在本地，当记录不存在时新建，当存在驾驶员身份信息时会覆盖。当获取驾驶员身份信息失败时，会删除本地已经存在的驾驶员身份信息。

S306：车载终端会周期性的采集车辆速度、acc状态、车辆的gps定位数据(如经度、纬度、行驶方向等)、adas告警数据(如包含告警开始时间，告警类型等信息)、dms告警数据(如包含告警开始时间，告警类型等信息)、采集时间以及驾驶员身份信息数据(如驾驶员唯一标识)等驾驶相关数据，并将一个周期内的驾驶相关数据合并成一条记录数据发送到服务端。当驾驶员身份信息为空时或者服务端人脸比对失败而车载终端缓存的驾驶员身份信息是空值时，在记录数据中将驾驶员身份信息设置为空；当不存在告警信息的时候，在记录数据中将告警信息设置为空。

具体实施时，在驾驶员驾驶车辆的过程中，采集驾驶员驾驶车辆过程中的驾驶相关数据可以包括任何与驾驶有关的数据，例如，可以包括所述车辆的gps定位信息、车辆速度、acc状态、采集时间(例如，采集数据的时间点)以及告警信息(与驾驶有关的各类告警的告警开始时间，告警类型等信息，例如，adas告警数据，dms告警数据等)。

具体实施时，在驾驶员驾驶车辆的过程中，采集到上述驾驶相关数据之后，可以将所述驾驶员的身份信息、所述车辆的唯一标识和同一时刻采集的所述驾驶相关数据生成记录数据，可以是将驾驶员的整个连续驾驶过程中每个时刻采集的驾驶相关数据、所述驾驶员的身份信息和所述车辆的唯一标识生成一条记录数据，也可以按照预设第二周期，在驾驶员的整个连续驾驶过程中，将每个预设第二周期的时长内各个时刻采集的驾驶相关数据、所述驾驶员的身份信息和所述车辆的唯一标识，生成一条记录数据，即驾驶员的整个连续驾驶过程中，可以得到至少一条记录数据。例如，每条记录数据可以包括多条adas和dms告警信息，告警信息会关联到最新的can数据生成一条记录数据，can数据可以每5秒采集一次。

具体实施时，得到上述记录数据后，可以通过车载终端或车载终端之外的服务端等其他设备，将记录数据划分为每个驾驶员的行程数据，该行程数据包括同一驾驶员连续驾驶同一车辆的所述记录数据。

具体实施时，可以通过车载终端之外的服务端等其他设备实现将记录数据划分为每个驾驶员的行程数据，例如，按照第一预设周期，获取所述第一预设周期的时长内所述驾驶员的至少一条所述行程数据。

具体实施时，为了可以准确的划分出每个驾驶员的行程数据，在本实施例中，通过以下方法实现根据所述记录数据获取所述驾驶员的行程数据：

按照车辆的唯一标识，对所述记录数据分组，得到每个车辆对应的记录数据组；将每个车辆对应的记录数据组中的所述记录数据按照采集时间排序，在每个车辆对应的记录数据组中，确定同一驾驶员连续驾驶同一车辆的第一时长；将所述第一时长内的所述记录数据确定为同一驾驶员的一条行程数据。

具体实施时，为了进一步精确、有效的确定出每个驾驶员的行程数据，在本实施例中，提出了在每个车辆对应的记录数据组中，确定同一驾驶员连续驾驶同一车辆的第一时长的方法，例如，

在每个车辆对应的记录数据组中遍历各个所述记录数据，根据当前所述记录数据的数据内容判断当前所述记录数据为车辆在启动状态时采集的；

判断所述车辆是否已经存在行程数据，若是，则将已经存在的行程数据中距离当前所述记录数据的采集时间最近的所述行程数据视为当前所述行程数据；若否，则将当前所述记录数据新建为所述车辆的当前所述行程数据，继续遍历下一个所述记录数据；

在所述车辆已经存在行程数据时，在当前所述行程数据中最晚的采集时间与当前所述记录数据的采集时间之间的时间差小于预设阈值，且当前所述行程数据中的驾驶员身份信息与当前所述记录数据中的驾驶员身份信息一致时，则将当前所述记录数据加入当前所述行程数据，继续遍历下一个所述记录数据；否则，结束当前所述行程数据的划分流程，将当前所述行程数据中最晚的采集时间视为所述第一时长的结束时刻，将当前所述行程数据中最早的采集时间视为所述第一时长的开始时刻。

具体的，每个行程数据包括同一驾驶员连续驾驶同一车辆的第一时长内的所有的所述记录数据。

具体实施时，如图4所示，通过服务端来将记录数据划分为每个驾驶员的行程数据可以包括以下步骤：

S401：按预制周期(即上述第一预设周期)加载车载终端上报的包括车辆轨迹、告警数据等数据的记录数据。

S402：将数据按照车辆唯一标识对记录数据进行分组，得到每个车辆对应的记录数据组，在每个车辆对应的记录数据组中按照数据的采集时间对记录数据进行排序。

S403：遍历每个记录数据组，对每个车辆的行程数据进行划分处理。

S404：遍历每个记录数据组中的某个车的数据列表(即记录数据)时，判断该记录数据的采集时刻车辆是否为启动状态，即车辆的acc状态是否为启动状态，若否，不满足条件的话会进入步骤S408结束当前车辆的行程数据的划分流程，若是，进入步骤S405。

S405：当步骤S404条件满足时，判断是否缓存有这辆车的行程数据，若否，当不存在该车的行程数据时，进入步骤S406，新建并初始化该车的行程数据，行程上包含车辆的唯一标识vin，当前当司机信息driverid以及行程开始的时间，开始的地点，也包含车辆的最新的一个数据点的信息。若是，当已经存在该车的行程数据时，进入步骤S407。

S406：新建并初始化该车的行程数据。

S407：当该车的行程数据已经存在时，用当前的数据点(即当前记录数据)的采集时间与行程上最新的数据点的采集时间(即当前行程数据中最晚的采集时间)进行比对，得到二者的时间差，判断行程是否连续，若二者的时间差小于预设阈值30分钟，判断判断司机信息是否发生变更，即判断当前数据点的司机信息(即驾驶员身份信息)与行程上最新数据点的司机信息是否一致，若是，进入步骤S408，若否，当不满足条件时，会进入S409，结束车辆的行程信息。

S408：当S407条件符合时，用当前的数据与行程的最新信息计算两个点之间的里程与时长，并累计到行程的总里程和总时长，存在告警数据的时候会累计行程中的各类告警次数。

S409：当S404或S407条件不符合时，会结束车辆的当前行程数据的划分流程，并把当前行程数据写入到数据库中，并且清除当前行程数据的缓存数据。

具体实施时，得到驾驶员的行程数据之后，即可根据行程数据统计驾驶员的驾驶行为信息，进而生成驾驶员的的画像，例如，按照第一预设周期，根据所述第一预设周期内所述驾驶员的各条所述行程数据中所述车辆的定位信息，统计所述驾驶员的驾驶总里程；

根据所述第一预设周期内所述驾驶员的各条所述行程数据中所述车辆的告警信息，统计所述驾驶员的每个告警指标的告警总次数；

根据所述驾驶员的所述驾驶总里程以及每个告警指标的告警总次数，生成所述第一预设周期内所述驾驶员的驾驶行为画像。

具体实施时，根据第一预设周期内所述驾驶员的各条所述行程数据，根据每一条所述行程数据中的采集时间统计驾驶时长，并将各条所述行程数据的驾驶时长叠加得到所述驾驶员的驾驶总时长；同理，根据每一条所述行程数据中的定位信息统计驾驶里程，并将各条所述行程数据的驾驶里程叠加得到所述驾驶员的驾驶总里程；同理，根据每一条所述行程数据中的告警信息统计每个告警指标的告警次数，并将各条所述行程数据的每个告警指标的告警次数叠加得，到所述驾驶员的每个告警指标的告警总次数。

具体实施时，上述告警指标可以是与驾驶车辆有关的各种告警信息，例如，可以根据行程数据中的adas告警信息获取车道偏离指标、车间监测告警、前车碰撞等告警指标并确定告警次数；可以根据行程数据中的dms告警信息获取闭眼、低头、打哈欠、左顾右盼、打电话、抽烟等告警指标并确定告警次数。可以根据行程数据中的数据采集时间time、车速speed和行驶方向信息等获取急加速、超速、急减速、急转弯、超速等告警指标并确定告警次数，例如，定时采集的Can数据中包含采集时间time、车速speed和行驶方向信息direction。

急加速与急减速通过以下方式确定：

根据连续两次采集的Can数据中的采集时间time和车速speed计算加速度g，g＝(speed2-speed1)/(time2-time1)，当连续n次的加速度大于阈值a时，则生成急加速告警；当连续n次的加速度小于阈值b时，则生成急减速告警。

急转弯通过以下方式确定：

根据连续两次采集的Can数据中的行驶方向信息direction计算行驶方向的变化率turnRate，turnRate＝(direction2-direction1)/(time2-time1)，当驶方向的变化率大于阈值c，则生成急转弯告警。

具体实施时，得到驾驶员的驾驶行为信息后即可生成驾驶员的驾驶行为画像，为了进一步提高画像的准确性、有效性，在本实施例中，提出了根据所述驾驶员的所述驾驶总里程以及每个告警指标的告警总次数，生成所述第一预设周期内所述驾驶员的驾驶行为画像的方法，例如，

根据所述驾驶总里程和每个告警指标的告警总次数，计算每个告警指标的百公里告警次数；

根据每个告警指标的百公里告警次数，计算每个告警指标的分数；

根据每个告警指标的告警总次数，计算每个告警指标的权重；

根据所述驾驶员的所有告警指标的权重和所有告警指标的分数，计算所述驾驶员的综合安全分数；

根据每类告警包括的各个告警指标的权重和对应告警指标的分数，计算所述驾驶员的每类告警分数；

根据所述驾驶员的所述综合安全分数、所述每类告警分数以及每个告警指标的分数，生成所述第一预设周期内所述驾驶员的驾驶行为画像。

具体实施时，在生成画像时，可以将述综合安全分数作为一级综合指标，将各类告警的告警分数作为二级综合指标，各类告警可以包括疲劳驾驶类告警、操控性告警得分、稳定性告警、分神类告警等等，疲劳驾驶类告警可以包括闭眼、低头、打哈欠等告警指标，操控性告警可以包括车道偏离指标、车间监测告警、前车碰撞等告警指标，稳定性告警可以包括急加速、急减速、急转弯、超速等告警指标，分神类告警可以包括左顾右盼、打电话、抽烟等告警指标。

具体实施时，可以通过以下公式根据每个告警指标的百公里告警次数，计算每个告警指标的分数：

score＝(1-P(K))*100.0，

其中，score为该告警指标的分数，P(k)为该告警指标的泊松分布累积概率，P(k)＝(λ^k)*(e^(-λ))/k！，λ为所述第一预设周期内多个驾驶员的该告警指标的百公里告警总次数的均值，k为该告警指标的百公里告警总次数。

例如，以闭眼的告警指标计算分数为例，第一预设周期以2022年10月份一个月为例，

1、统计10月份每个驾驶员的闭眼的百公里告警总次数。

2、计算10月份多个驾驶员(例如，车队中的多个驾驶员)的闭眼的百公里告警总次数的平均值λ。

3、10月份驾驶员A的闭眼的百公里告警总次数为k。

4、驾驶员A的闭眼的告警指标分数为：

score＝(1-P(K))*100.0＝(1-(λ^k)*(e^(-λ))/k！)*100.0，泊松分布累积概率P(k)＝(λ^k)*(e^(-λ))/k！。

具体实施时，可以通过以下公式根据每个告警指标的告警总次数，计算每个告警指标的权重：

其中，weight_j为第j个告警指标的权重，m为告警指标的总数，d_j为第j个告警指标的差异系数，

P_ij为多个驾驶员中第i个驾驶员的第j个告警指标的权重，

x_ij为第j个告警指标的告警总次数，n为驾驶员的总数。

具体实施时，如图5所示，基于每个驾驶员的行程数据对应生成每个驾驶员的驾驶行为画像的过程可以包括以下步骤：

S501：按照预设的统计周期(即上述第一预设周期)加载行程数据，并且过滤掉驾驶员信息为空的行程数据，预设的统计周期的时长可以是最近7天、最近30天，还可以按自然月、按自然周以及从运营至今的时长确定预设的统计周期的时长。

S502：按照驾驶员唯一标识driverid，对每个驾驶员的形成数据进行分组统计，汇总每个驾驶员的驾驶总里程、驾驶总时长、各类告警指标的告警总次数以及各类告警指标的百公里告警次数，百公里告警次数＝告警总次数/驾驶总里程(单位公里)*100.0。一级指标为综合安全评分，二级指标为疲劳类告警得分、操控性告警得分、稳定性告警得分、分神类告警得分等。三级指标为各类具体的告警指标的评分，具体的，操控性告警包括的告警指标可以是车道偏离指标、车间监测告警、前车碰撞等，稳定性告警包括的告警指标可以是急加速、急减速、急转弯、超速等，驾驶疲劳类告警包括的告警指标可以是闭眼、低头、打哈欠等，分神类告警包括的告警指标可以是左顾右盼、打电话、抽烟等。

S503：统计每个告警指标的百公里告警次数的最大值，最小值，均值以及标准差。根据熵权法计算每个告警指标的权重，具体步骤为对每个告警指标的百公里告警次数进行极差归一化处理，正向告警指标＝(当前值-最小值)/(最大值-最小值)；反向告警指标＝(最大值-当前值)/(最大值-最小值)，然后遍历计算各个告警指标的差异系数和各个告警指标的权重weigh，最后并验证权重正确，即指各个告警指标的权重之和是否为1。

S504:相同统计时间内的，单位里程内的告警数可以用泊松分布来描述,相同统计时间内，相同驾驶里程中，对于反向告警指标，告警次数越少得分越高。对于正向告警指标，次数越多得分越高。通过泊松分布的累积概率计算各基础指标的评分,每个驾驶员当前告警指标的泊松分布累积概率P(k)＝(λ

^k)*(e^(-λ))/k！，λ为多个驾驶员的该告警指标的百公里告警总次数的均值,k为该告警指标的百公里告警总次数；该告警指标的得分score＝(1-P(K))*100.0。

S505：计算每个驾驶员的一级指标综合安全得分，遍历所有的告警指标的得分(由步骤S504计算的指标分数)与指标权重(由步骤S503计算的指标权重)相乘并求和得到指标综合安全总分。二级指标为疲劳驾驶类告警的得分，由基础指标闭眼、低头、打哈欠等构成，

score(疲劳驾驶类告警得分)＝(score(闭眼)*weight(闭眼)+score(低头)*weight(低头)+score(打哈欠)*weight(打哈欠))/(weight(闭眼)+weight(低头)+weight(打哈欠))。

操控性告警得分由车道偏离指标、车间监测告警、前车碰撞等基础指标组成，稳定性告警得分由急加速、急减速、急转弯、超速构成，分神类告警得分由左顾右盼、打电话、抽烟等指标构成。具体计算过程参照上面疲劳驾驶类告警得分的计算公式进行计算。

S506：根据步骤S502统计数据和步骤S505每个告警指标得分数据，具体包括统计周期类驾驶员的驾驶总里程，驾驶总时长，各个告警指标的总告警次数、各个告警指标的百公里告警次数以及各个告警指标的得分，二级指标疲劳得分，操控性得分，稳定性得分，分神得分，一级综合指标等结果绘制驾驶员驾驶行为画像。

具体实施时，在实现上述驾驶员画像的生成方法的过程中，可以通过车载终端和服务端的交互来实现，例如，车载终端采集到驾驶员的记录数据后，将记录数据发送给服务端，由服务端来将记录数据划分为每个驾驶员的行程数据，进而基于行程数据统计每个驾驶员的驾驶行为信息，生成每个驾驶员的驾驶行为画像。

具体实施时，上述服务端除了可以将记录数据划分为每个驾驶员的行程数据，还可以运行有预置的管理服务，例如，协议解析服务，车辆信息管理，驾驶员信息管理支持RFID阅读器读取身份卡片后录入系统，人脸特征提取服务，人脸比对服务，以及任务调度服务。

具体实施时，上述驾驶员画像的生成方法通过车载终端和服务端交互实现的过程如图6所示，包括以下步骤：

S601：车辆与驾驶员信息动态绑定，车载终端实时监听车辆CAN信号，当司车辆启动或者怠速起步时会通过车辆内预设的监控摄像头进行人脸识别，获取司机人脸身份信息；根据人脸识别到的人脸身份信息调用服务端接口和服务端录入的驾驶员身份信息进行比对，若比对成功，则给车载终端返回比对到的驾驶员身份信息，若比对失败，则返回失败信息。

S602：车载终端按照固定周期采集车辆gps位置,车辆状态等can数据，以及adas,dms等告警数据，将can数据、告警数据并附带上车辆唯一标识车架号vin,sim卡信息,司机信息以采集时间,周期性的生成记录数据并实时上报给服务端。

S603：服务端接受到数据后会进行数据存储，每日凌晨加载前一天的轨迹数据进行行程数据切分，计算行程数据中的指标数据。将轨迹数据按照车辆分组，按照gps采集时间进行排序。当车辆启动后初始化并开始行程，行驶中累计行程的时长，里程，各类告警次数，当车辆熄火或者司机信息变更时行程结束。每个行程数据上包含车辆唯一标识以及司机唯一标识，开始时间地点，结束时间地点，以及总里程，总时长，行程中各类adas告警次数，dms告警次数等数据。

S604：按预置统计周期统计司机各个告警指标的百公里告警次数以及指标权重，最后计算各级指标的分数。一级指标为综合安全评分，二级指标为疲劳得分，操控性得分，稳定性得分，分神得分。三级指标为各类具体的告警类型指标评分，具体分类为操控性得分基础指标包括车道偏离指标，车间监测告警，前车碰撞，稳定性得分基础指标包括急加速，急减速，急转弯，超速，驾驶疲劳基础指标包括闭眼，低头，打哈欠，分神基础指标包括左顾右盼，打电话，抽烟等。

在本实施例中，提供了一种计算机设备，如图7所示，包括存储器701、处理器702及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意的驾驶员画像的生成方法。

具体的，该计算机设备可以是计算机终端、服务器或者类似的运算装置。

在本实施例中，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述任意的驾驶员画像的生成方法的计算机程序。

具体的，计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机可读存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读存储介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

基于同一发明构思，本发明实施例中还提供了一种驾驶员画像的生成装置，如下面的实施例所述。由于驾驶员画像的生成装置解决问题的原理与驾驶员画像的生成方法相似，因此驾驶员画像的生成装置的实施可以参见驾驶员画像的生成方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图8是本发明实施例的驾驶员画像的生成装置的一种结构框图，如图8所示，该装置包括：

身份信息获取模块801，用于通过车载终端判断车辆为启动状态时，获取驾驶员的身份信息；

驾驶数据采集模块802，用于通过所述车载终端采集所述驾驶员驾驶所述车辆过程中的驾驶相关数据；

记录数据生成模块803，用于将所述驾驶员的身份信息、所述车辆的唯一标识和同一时刻采集的所述驾驶相关数据生成记录数据；

行程数据划分模块804，用于根据所述记录数据获取所述驾驶员的行程数据，每一条所述行程数据包括同一驾驶员连续驾驶同一车辆的所有所述记录数据；

画像生成模块805，用于根据所述行程数据统计所述驾驶员的驾驶行为信息，根据所述驾驶行为信息生成所述驾驶员的驾驶行为画像。

在一个实施例中，行程数据划分模块，用于按照车辆的唯一标识，对所述记录数据分组，得到每个车辆对应的记录数据组；将每个车辆对应的记录数据组中的所述记录数据按照采集时间排序，在每个车辆对应的记录数据组中，确定同一驾驶员连续驾驶同一车辆的第一时长；将所述第一时长内的所述记录数据确定为同一驾驶员的一条行程数据。

在一个实施例中，行程数据划分模块，还用于在每个车辆对应的记录数据组中遍历各个所述记录数据，根据当前所述记录数据的数据内容判断当前所述记录数据为车辆在启动状态时采集的；判断所述车辆是否已经存在行程数据，若是，则将已经存在的行程数据中距离当前所述记录数据的采集时间最近的所述行程数据视为当前所述行程数据；若否，则将当前所述记录数据新建为所述车辆的当前所述行程数据，继续遍历下一个所述记录数据；在所述车辆已经存在行程数据时，在当前所述行程数据中最晚的采集时间与当前所述记录数据的采集时间之间的时间差小于预设阈值，且当前所述行程数据中的驾驶员身份信息与当前所述记录数据中的驾驶员身份信息一致时，则将当前所述记录数据加入当前所述行程数据，继续遍历下一个所述记录数据；否则，结束当前所述行程数据的划分流程，将当前所述行程数据中最晚的采集时间视为所述第一时长的结束时刻，将当前所述行程数据中最早的采集时间视为所述第一时长的开始时刻。

在一个实施例中，画像生成模块，还用于按照第一预设周期，根据所述第一预设周期内所述驾驶员的各条所述行程数据中所述车辆的定位信息，统计所述驾驶员的驾驶总里程；根据所述第一预设周期内所述驾驶员的各条所述行程数据中所述车辆的告警信息，统计所述驾驶员的每个告警指标的告警总次数；根据所述驾驶员的所述驾驶总里程以及每个告警指标的告警总次数，生成所述第一预设周期内所述驾驶员的驾驶行为画像。

在一个实施例中，画像生成模块，还用于根据所述驾驶总里程和每个告警指标的告警总次数，计算每个告警指标的百公里告警次数；根据每个告警指标的百公里告警次数，计算每个告警指标的分数；根据每个告警指标的告警总次数，计算每个告警指标的权重；根据所述驾驶员的所有告警指标的权重和所有告警指标的分数，计算所述驾驶员的综合安全分数；根据每类告警包括的各个告警指标的权重和对应告警指标的分数，计算所述驾驶员的每类告警分数；根据所述驾驶员的所述综合安全分数、所述每类告警分数以及每个告警指标的分数，生成所述第一预设周期内所述驾驶员的驾驶行为画像。

本发明实施例实现了如下技术效果：提出了在判断出车辆为启动状态时，获取驾驶员的身份信息，实现了动态的将车辆与驾驶员的身份信息对应关联起来或者绑定，并采集所述驾驶员驾驶所述车辆过程中的驾驶相关数据，将同一时刻采集的所述驾驶相关数据、所述驾驶员的身份信息和所述车辆的唯一标识生成记录数据，并根据所述记录数据获取所述驾驶员的行程数据，，进一步实现了实时地将驾驶过程中采集的驾驶相关数据与驾驶员的身份信息和车辆的唯一标识对应关联起来，有效确保了可以建立驾驶员的身份信息与驾驶员自身驾驶的车辆信息、驾驶员自身的驾驶相关数据之间的强关联，进而获取驾驶员的行程数据，该行程数据包括同一驾驶员连续驾驶同一车辆的所述记录数据，即该驾驶员的行程数据是驾驶员本人(或该驾驶员一人)连续驾驶同一车辆产生的相关数据，基于驾驶员的行程数据统计驾驶员的驾驶行为信息，以生成驾驶员的驾驶行为画像，确保了针对每个驾驶员，可以基于每个驾驶员本人连续驾驶同一车辆的相关形成数据来对每个驾驶员生成画像，与现有技术相比，可以避免使用包括了非驾驶员本人的形成数据对驾驶员生成画像的问题，有利于提高驾驶员画像的准确性。

显然，本领域的技术人员应该明白，上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (12)

1.一种驾驶员画像的生成方法，其特征在于，包括：

通过车载终端判断车辆为启动状态时，获取驾驶员的身份信息；

通过所述车载终端采集所述驾驶员驾驶所述车辆过程中的驾驶相关数据；

将所述驾驶员的身份信息、所述车辆的唯一标识和同一时刻采集的所述驾驶相关数据生成记录数据；

根据所述记录数据获取所述驾驶员的行程数据，每一条所述行程数据包括同一驾驶员连续驾驶同一车辆的所述记录数据；

根据所述行程数据统计所述驾驶员的驾驶行为信息，根据所述驾驶行为信息生成所述驾驶员的驾驶行为画像。

2.如权利要求1所述的驾驶员画像的生成方法，其特征在于，根据所述记录数据获取所述驾驶员的行程数据，包括：

按照车辆的唯一标识，对所述记录数据分组，得到每个车辆对应的记录数据组；

将每个车辆对应的记录数据组中的所述记录数据按照采集时间排序，在每个车辆对应的记录数据组中，确定同一驾驶员连续驾驶同一车辆的第一时长；

将所述第一时长内的所述记录数据确定为同一驾驶员的一条行程数据。

3.如权利要求2所述的驾驶员画像的生成方法，其特征在于，在每个车辆对应的记录数据组中，确定同一驾驶员连续驾驶同一车辆的第一时长，包括：

在每个车辆对应的记录数据组中遍历各个所述记录数据，根据当前所述记录数据的数据内容判断当前所述记录数据为车辆在启动状态时采集的；

判断所述车辆是否已经存在行程数据，若是，则将已经存在的行程数据中距离当前所述记录数据的采集时间最近的所述行程数据视为当前所述行程数据；若否，则将当前所述记录数据新建为所述车辆的当前所述行程数据，继续遍历下一个所述记录数据；

在所述车辆已经存在行程数据时，在当前所述行程数据中最晚的采集时间与当前所述记录数据的采集时间之间的时间差小于预设阈值，且当前所述行程数据中的驾驶员身份信息与当前所述记录数据中的驾驶员身份信息一致时，则将当前所述记录数据加入当前所述行程数据，继续遍历下一个所述记录数据；否则，结束当前所述行程数据的划分流程，将当前所述行程数据中最晚的采集时间视为所述第一时长的结束时刻，将当前所述行程数据中最早的采集时间视为所述第一时长的开始时刻。

4.如权利要求1所述的驾驶员画像的生成方法，其特征在于，根据所述行程数据统计所述驾驶员的驾驶行为信息，根据所述驾驶行为信息生成所述驾驶员的驾驶行为画像，包括：

按照第一预设周期，根据所述第一预设周期内所述驾驶员的各条所述行程数据中所述车辆的定位信息，统计所述驾驶员的驾驶总里程；

根据所述第一预设周期内所述驾驶员的各条所述行程数据中所述车辆的告警信息，统计所述驾驶员的每个告警指标的告警总次数；

根据所述驾驶员的所述驾驶总里程以及每个告警指标的告警总次数，生成所述第一预设周期内所述驾驶员的驾驶行为画像。

5.如权利要求4所述的驾驶员画像的生成方法，其特征在于，根据所述驾驶员的所述驾驶总里程以及每个告警指标的告警总次数，生成所述第一预设周期内所述驾驶员的驾驶行为画像，包括：

根据所述驾驶总里程和每个告警指标的告警总次数，计算每个告警指标的百公里告警次数；

根据每个告警指标的百公里告警次数，计算每个告警指标的分数；

根据每个告警指标的告警总次数，计算每个告警指标的权重；

根据所述驾驶员的所有告警指标的权重和所有告警指标的分数，计算所述驾驶员的综合安全分数；

根据每类告警包括的各个告警指标的权重和对应告警指标的分数，计算所述驾驶员的每类告警分数；

根据所述驾驶员的所述综合安全分数、所述每类告警分数以及每个告警指标的分数，生成所述第一预设周期内所述驾驶员的驾驶行为画像。

6.如权利要求5所述的驾驶员画像的生成方法，其特征在于，通过以下公式根据每个告警指标的百公里告警次数，计算每个告警指标的分数：

score＝(1-P(K))*100.0，

其中，score为该告警指标的分数，P(k)为该告警指标的泊松分布累积概率，P(k)＝(λ^k)*(e^(-λ))/k！，λ为所述第一预设周期内多个驾驶员的该告警指标的百公里告警总次数的均值，k为该告警指标的百公里告警总次数。

7.如权利要求5所述的驾驶员画像的生成方法，其特征在于，通过以下公式根据每个告警指标的告警总次数，计算每个告警指标的权重：

其中，weight_j为第j个告警指标的权重，m为告警指标的总数，d_j为第j个告警指标的差异系数，

P_ij为多个驾驶员中第i个驾驶员的第j个告警指标的权重，

x_ij为第j个告警指标的告警总次数，n为驾驶员的总数。

8.如权利要求1至7中任一项所述的驾驶员画像的生成方法，其特征在于，获取所述驾驶员的身份信息，包括：

采集所述驾驶员的图像，从所述图像中获取所述驾驶员的生物特征；

基于生物特征与身份信息的预存对应关系，根据采集的生物特征，确定所述驾驶员的身份信息。

9.如权利要求1至7中任一项所述的驾驶员画像的生成方法，其特征在于，获取所述驾驶员的身份信息，包括：

采集所述车辆的蓝牙设备的蓝牙标签信息和蓝牙信号数据，其中，每个驾驶员佩戴唯一的蓝牙标签；

从所述信号数据中确定信号强度最大的蓝牙信号，确定与信号强度最大的蓝牙信号对应的蓝牙标签信息；

根据蓝牙标签信息与驾驶员身份信息的预存对应关系，得到确定出的蓝牙标签信息对应的驾驶员的身份信息。

10.一种驾驶员画像的生成装置，其特征在于，包括：

身份信息获取模块，用于通过车载终端判断车辆为启动状态时，获取驾驶员的身份信息；

驾驶数据采集模块，用于通过所述车载终端采集所述驾驶员驾驶所述车辆过程中的驾驶相关数据；

记录数据生成模块，用于将所述驾驶员的身份信息、所述车辆的唯一标识和同一时刻采集的所述驾驶相关数据生成记录数据；

行程数据划分模块，用于根据所述记录数据获取所述驾驶员的行程数据，每一条所述行程数据包括同一驾驶员连续驾驶同一车辆的所有所述记录数据；

画像生成模块，用于根据所述行程数据统计所述驾驶员的驾驶行为信息，根据所述驾驶行为信息生成所述驾驶员的驾驶行为画像。

11.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的驾驶员画像的生成方法。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至9中任一项所述的驾驶员画像的生成方法的计算机程序。

Images