本发明涉及安全驾驶，具体为一种基于不同sp司机行为进行风险司机识别方法及系统。
背景技术：
1、随着网约车行业的高速发展，区别于普通出租车由国有企业统一管理，网约车注册方便灵活，大量的网约车司机为人们日常出行提供了极大的便利。与此同时，由于网约车司机的素质、技术等良莠不齐，网约车交通安全事故频发，因此需要规范网约车司机的驾驶行为，对司机的驾驶行为进行风险评估。
2、现有技术中，公开号为“cn115620267a”的一种司机驾驶行为分析方法、系统、设备及可存储介质，方法包括采集司机在车辆驾驶时的头部图像数据和肢体动作图像数据，识别司机的各种驾驶行为，对司机的各种驾驶行为进行评分，并依据权重对各种驾驶行为的评分进行计算，得到综合评分，依据综合评分进行司机驾驶行为分类；通过采集司机在车辆驾驶时的头部图像数据和肢体动作图像数据，并依据头部图像数据和肢体动作图像数据识别出司机的各种驾驶行为，能够有效提高司机驾驶行为的识别准确率，同时，通过对司机的各种驾驶行为进行评分，并依据权重对各种驾驶行为的评分进行计算，得到综合评分，依据综合评分进行司机驾驶行为分类，能够实现对司机驾驶行为进行分类的效果，进而达到对风险司机的识别和预警。
3、但现有技术仍存在较大缺陷，如：现有技术在对司机的驾驶行为进行分析时，采用的方法为对司机的驾驶行为进行独立分析并评分，而未考虑到司机在进行驾驶行为时的车况运行状态，如在车速正常、与前方车辆间的车距较长的车况运行状态下，司机单手驾驶的风险较低，而在车速较快、与前方车辆间的车距较短的车况运行状态下，司机单手驾驶的风险较高，但在上述现有技术中并未考虑到这一因素，会使得对司机的综合评分不准确，易出现误报警而增加司机的不便、或者不报警而造成安全驾驶隐患的问题。
技术实现思路
1、本发明的目的在于提供一种基于不同sp司机行为进行风险司机识别方法及系统，以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：
3、一种基于不同sp司机行为进行风险司机识别方法，包括如下步骤：
4、s1，实时获取司机在采集时段下的疲劳闭眼次数、疲劳闭眼时间、单手驾驶时间、接打电话时间和低头驾驶时间，以及该采集时段内多个采集时刻下的车辆速度、与前方车辆间的车距；
5、s2，计算疲劳闭眼时间、单手驾驶时间、接打电话时间、以及低头驾驶时间与采集时段时长的比值，并结合疲劳闭眼次数，生成时段风险系数；
6、s3，结合车辆速度、与前方车辆间的车距、以及该采集时刻是否存在疲劳闭眼驾驶、是否存在单手驾驶、是否存在接打电话、以及是否存在低头驾驶的信息，生成瞬间风险系数；
7、s4，根据时段风险系数、瞬间风险系数，生成综合风险系数；
8、s5，将综合风险系数和综合风险阈值进行对比，在综合风险系数大于综合风险阈值时，将司机认定为风险司机。
9、进一步的，将所述疲劳闭眼次数标定为n1，将所述疲劳闭眼时间标定为t1，将所述单手驾驶时间标定为t2，将所述接打电话时间标定为t3，将所述低头驾驶时间标定为t4，将第i个采集时刻的所述车辆速度标定为vi，将第i个采集时刻的所述与前方车辆间的车距标定为li，将时段风险系数标定为fxsd，将第i个采集时刻的瞬间风险系数标定为fxsji，将综合风险系数标定为fxzh，i表示不同采集时刻的编号，且i＝1、2、3、……、m，且m表示采集时段内采集时刻的总个数，且m≥5,m∈n+。
10、进一步的，计算疲劳闭眼时间、单手驾驶时间、接打电话时间、以及低头驾驶时间与采集时段时长的比值，并结合疲劳闭眼次数，生成时段风险系数的具体逻辑为：
11、s21，将疲劳闭眼时间、单手驾驶时间、接打电话时间、以及低头驾驶时间分别与采集时段时长相除，生成疲劳闭眼时长占比、单手驾驶时长占比、接打电话时长占比、以及低头驾驶时长占比，计算公式如下：
12、
13、其中，t表示采集时段时长，bz1表示疲劳闭眼时长占比，bz2表示单手驾驶时长占比，bz3表示接打电话时长占比，bz4表示低头驾驶时长占比；
14、s22，将疲劳闭眼次数除以采集时段时长以获取单位时间疲劳闭眼次数，并将单位时间疲劳闭眼次数与单位时间疲劳闭眼次数阈值相除，生成疲劳闭眼次数比值，对疲劳闭眼次数比值进行赋值，生成处于0-1之间、且与疲劳闭眼次数比值正相关的疲劳闭眼次数影响值；
15、其中，单位时间疲劳闭眼次数、以及疲劳闭眼次数比值的计算公式为：
16、
17、其中，bz5表示单位时间疲劳闭眼次数，tth1表示单位时间疲劳闭眼次数阈值，bz6表示疲劳闭眼次数比值；
18、s23，结合疲劳闭眼时长占比、单手驾驶时长占比、接打电话时长占比、低头驾驶时长占比、以及疲劳闭眼次数影响值，生成时段风险系数，计算公式如下：
19、fxsd＝λ1*bz1+λ2*bz2+λ3*bz3+λ4*bz4+λ5*f(n1)
20、其中，将所述疲劳闭眼次数影响值标定为f(n1)，λ1、λ2、λ3、λ4、λ5均为预设比例系数，且λ1+λ2+λ3+λ4+λ5＝1，且0<λ2<λ3<λ4<λ1≤λ5<1。
21、进一步的，所述疲劳闭眼次数影响值f(n1)的赋值标准如下：
22、当满足bz6≤1时，疲劳闭眼次数影响值f(n1)＝0；
23、当满足1<bz6≤2时，疲劳闭眼次数影响值f(n1)＝0.1；
24、当满足2<bz6≤3时，疲劳闭眼次数影响值f(n1)＝0.3；
25、当满足3<bz6≤5时，疲劳闭眼次数影响值f(n1)＝0.5；
26、当满足5<bz6≤10时，疲劳闭眼次数影响值f(n1)＝0.8；
27、当满足bz6<10时，疲劳闭眼次数影响值f(n1)＝1。
28、进一步的，结合车辆速度、与前方车辆间的车距、以及该采集时刻是否存在疲劳闭眼驾驶、是否存在单手驾驶、是否存在接打电话、以及是否存在低头驾驶的信息，生成瞬间风险系数的具体逻辑为；
29、s31，根据车辆速度计算安全车距，并将与前方车辆间的车距除以安全车距以生成行驶风险系数，对行驶风险系数进行赋值，生成位于0-1之间、且与行驶风险系数正相关的行驶风险影响值；
30、其中，安全车距和行驶风险系数的计算公式为：
31、
32、其中，laqi表示第i个采集时刻的安全车距，τ为预设比例系数，且τ>1，fxxsi表示第i个采集时刻的行驶风险系数；
33、s32，将车辆速度除以限速速度，生成车速风险系数，对车速风险系数进行赋值，生成位于0-1之间、且与车速风险系数正相关的车速风险影响值；
34、其中，车速风险系数的计算公式为：
35、
36、其中，fxcsi表示第i个采集时刻的车速风险系数，v0表示限速速度；
37、s33，将第i个采集时刻是否存在疲劳闭眼驾驶标定为a1i，且存在疲劳闭眼驾驶时令a1i＝1，且不存在疲劳闭眼驾驶时令a1i＝0，将第i个采集时刻是否存在单手驾驶标定为a2i，且存在单手驾驶时令a2i＝1，且不存在单手驾驶时令a2i＝0，将第i个采集时刻是否存在接打电话标定为a3i，且存在接打电话时令a3i＝1，且不存在接打电话时令a3i＝0，将第i个采集时刻是否存在低头驾驶标定为a4i，且存在低头驾驶时令a4i＝1，且不存在低头驾驶时令a4i＝0；
38、s34，根据行驶风险影响值、车速风险影响值、a1i、a2i、a3i、以及a4i，生成瞬间风险系数，计算公式如下：
39、
40、其中，将车速风险影响值标定为f(fxcsi)，α1、α2均为预设比例系数，且α1+α2＝1，且0<α2<α1<1。
41、进一步的，所述行驶风险影响值f(fxxsi)的赋值标准如下：
42、当满足fxxsi<1时，行驶风险影响值f(fxxsi)＝0；
43、当满足1≤fxxsi<1.2时，行驶风险影响值f(fxxsi)＝0.1；
44、当满足1.2≤fxxsi<1.5时，行驶风险影响值f(fxxsi)＝0.3；
45、当满足1.5≤fxxsi<2时，行驶风险影响值f(fxxsi)＝0.5；
46、当满足2≤fxxsi<3时，行驶风险影响值f(fxxsi)＝0.8；
47、当满足fxxsi≥3时，行驶风险影响值f(fxxsi)＝1。
48、进一步的，所述车速风险影响值f(fxcsi)的赋值标准如下：
49、当满足fxxsi<1时，车速风险影响值f(fxcsi)＝0；
50、当满足1≤fxcsi<1.2时，车速风险影响值f(fxcsi)＝0.1；
51、当满足1.2≤fxcsi<1.4时，车速风险影响值值f(fxcsi)＝0.3；
52、当满足1.4≤fxcsi<1.6时，车速风险影响值f(fxcsi)＝0.5；
53、当满足1.6≤fxcsi<2时，车速风险影响值f(fxcsi)＝0.8；
54、当满足fxcsi≥2时，车速风险影响值f(fxcsi)＝1。
55、进一步的，所述综合风险系数的计算公式如下：
56、
57、其中，表示m个瞬间风险系数的平均值，fxsjmax表明m个瞬间风险系数的最大值，fxsjmin表示m个瞬间风险系数的最小值，β1、β2、β3均为预设比例系数，且β1+β2+β3＝1，且0<β3<β2<β1<1。
58、一种基于不同sp司机行为进行风险司机识别系统，用于上述的基于不同sp司机行为进行风险司机识别方法，包括：
59、数据获取模块，用于实时获取司机在采集时段下的疲劳闭眼次数、疲劳闭眼时间、单手驾驶时间、接打电话时间和低头驾驶时间，以及该采集时段内多个采集时刻下的车辆速度、与前方车辆间的车距；
60、时段风险系数计算模块，用于计算疲劳闭眼时间、单手驾驶时间、接打电话时间、以及低头驾驶时间与采集时段时长的比值，并结合疲劳闭眼次数，生成时段风险系数；
61、瞬间风险系数计算模块，用于结合车辆速度、与前方车辆间的车距、以及该采集时刻是否存在疲劳闭眼驾驶、是否存在单手驾驶、是否存在接打电话、以及是否存在低头驾驶的信息，生成瞬间风险系数；
62、综合风险系数计算模块，用于根据时段风险系数、瞬间风险系数，生成综合风险系数；
63、风险司机识别模块，用于将综合风险系数和综合风险阈值进行对比，在综合风险系数大于综合风险阈值时，将司机认定为风险司机。
64、与现有技术相比，本发明的有益效果是：
65、本发明的基于不同sp司机行为进行风险司机识别方法及系统，通过将车辆速度、与前方车辆间的车距、疲劳闭眼、单手驾驶、接打电话、低头驾驶相结合以生成瞬间风险系数，以此充分考虑司机在进行驾驶行为时的车况运行状态，并将瞬间风险系数和时段风险系数相结合生成综合风险系数，再通过综合风险系数识别风险司机，提高了对风险司机识别的精准性，避免出现误报警而增加司机的不便、或者不报警而造成安全驾驶隐患的问题。
1.一种基于不同sp司机行为进行风险司机识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于不同sp司机行为进行风险司机识别方法，其特征在于：将所述疲劳闭眼次数标定为n1，将所述疲劳闭眼时间标定为t1，将所述单手驾驶时间标定为t2，将所述接打电话时间标定为t3，将所述低头驾驶时间标定为t4，将第i个采集时刻的所述车辆速度标定为vi，将第i个采集时刻的所述与前方车辆间的车距标定为li，将时段风险系数标定为fxsd，将第i个采集时刻的瞬间风险系数标定为fxsji，将综合风险系数标定为fxzh，i表示不同采集时刻的编号，且i＝1、2、3、……、m，且m表示采集时段内采集时刻的总个数，且m≥5,m∈n+。
3.根据权利要求2所述的基于不同sp司机行为进行风险司机识别方法，其特征在于：计算疲劳闭眼时间、单手驾驶时间、接打电话时间、以及低头驾驶时间与采集时段时长的比值，并结合疲劳闭眼次数，生成时段风险系数的具体逻辑为：
4.根据权利要求3所述的基于不同sp司机行为进行风险司机识别方法，其特征在于：所述疲劳闭眼次数影响值f(n1)的赋值标准如下：
5.根据权利要求2所述的基于不同sp司机行为进行风险司机识别方法，其特征在于：结合车辆速度、与前方车辆间的车距、以及该采集时刻是否存在疲劳闭眼驾驶、是否存在单手驾驶、是否存在接打电话、以及是否存在低头驾驶的信息，生成瞬间风险系数的具体逻辑为；
6.根据权利要求5所述的基于不同sp司机行为进行风险司机识别方法，其特征在于：所述行驶风险影响值f(fxxsi)的赋值标准如下：
7.根据权利要求5所述的基于不同sp司机行为进行风险司机识别方法，其特征在于：所述车速风险影响值f(fxcsi)的赋值标准如下：
8.根据权利要求2所述的基于不同sp司机行为进行风险司机识别方法，其特征在于：所述综合风险系数的计算公式如下：
9.一种基于不同sp司机行为进行风险司机识别系统，用于上述权利要求1-8任意一项所述的基于不同sp司机行为进行风险司机识别方法，其特征在于，包括：
