车辆驾驶行为的分析方法、装置、设备及系统与流程

1.本技术属于车联网技术领域，尤其涉及一种车辆驾驶行为的分析方法、装置、设备及系统。


背景技术：

2.随着车辆的日益增多以及车辆行驶里程的增加，对于驾驶员不规范的驾驶行为进行分析及预警，可以有效降低不规范驾驶带来的安全隐患。
3.目前，在对车辆驾驶行为进行分析时，通常由设置在车端的数据采集设备获取can总线数据，设置在车端的控制器对can总线数据进行分析，以判断车辆驾驶行为是否规范。该方案中数据采集和分析计算均在车端进行，只能对单一车辆的驾驶行为进行分析，可扩展性较差。


技术实现要素：

4.本技术的实施例提供了一种车辆驾驶行为的分析方法、装置、设备及系统，进而至少在一定程度上解决了在车辆驾驶行为的分析时只能对单一车辆的驾驶行为进行分析，可扩展性差问题。
5.本技术的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本技术的实践而习得。
6.根据本技术实施例的第一方面，提供了一种车辆驾驶行为的分析方法，所述分析方法包括：
7.获取车辆的原始数据和所述原始数据对应的时间段；
8.根据所述时间段将所述原始数据划分至数据流平台内置的多个窗口，以得到各个窗口的数据；
9.根据当前窗口的数据和前一窗口的状态信息，判断车辆驾驶行为是否规范。
10.在本技术的一些实施例中，基于前述方案，所述根据当前窗口的数据和前一窗口的状态信息，判断车辆驾驶行为是否规范，包括：
11.在所述前一窗口的状态信息为在所述前一窗口内车辆驾驶行为规范的情况下，根据所述当前窗口的数据，判断所述车辆驾驶行为是否规范。
12.在本技术的一些实施例中，基于前述方案，所述原始数据包括车辆踏板位置百分比，所述根据所述当前窗口的数据，判断所述车辆驾驶行为是否规范，包括：
13.根据所述当前窗口内所述车辆踏板位置百分比的最大值和最小值，确定所述当前窗口内车辆踏板位置百分比的变化幅度；
14.在所述当前窗口内车辆踏板位置百分比的变化幅度超过预设阀值的情况下，判定所述车辆在所述时间段内存在急加速或急减速行为。
15.在本技术的一些实施例中，基于前述方案，所述车辆踏板位置百分比包括电门踏板位置百分比或制动踏板位置百分比，所述在所述当前窗口内车辆踏板位置百分比的变化
幅度超过预设阀值的情况下，判定所述车辆在所述时间段内存在急加速或急减速行为，包括：
16.在所述电门踏板位置百分比的变化幅度超过所述预设阀值的情况下，判定所述车辆在所述时间段内存在急加速行为；
17.在所述制动踏板位置百分比的变化幅度超过所述预设阀值的情况下，判定所述车辆在所述时间段内存在急减速行为。
18.在本技术的一些实施例中，基于前述方案，根据所述当前窗口内所述车辆踏板位置百分比的最大值和最小值，确定所述当前窗口内车辆踏板位置百分比的变化幅度之后，所述分析方法还包括：
19.在所述当前窗口内车辆踏板位置百分比的变化幅度不超过所述预设阀值的情况下，将所述当前窗口的状态信息设置为在所述当前窗口内所述车辆不存在急加速或急减速行为。
20.在本技术的一些实施例中，基于前述方案，所述获取车辆的原始数据和所述原始数据对应的时间段，包括：
21.从数据库获取所述原始数据和所述原始数据对应的时间段，所述原始数据和所述原始数据对应的时间段为消息队列遥测传输云服务器对所述车辆的信号数据进行解析后存储至所述数据库中的数据。
22.根据本技术实施例的第二方面，提供了一种车辆驾驶行为的分析装置，所述分析装置包括：
23.数据获取单元，用于获取车辆的原始数据和所述原始数据对应的时间段；
24.窗口划分单元，用于根据所述时间段将所述原始数据划分至数据流平台内置的多个窗口，以得到各个窗口的数据；
25.行为分析单元，用于根据当前窗口的数据和前一窗口的状态信息，判断车辆驾驶行为是否规范。
26.在本技术的一些实施例中，基于前述方案，所述行为分析单元，还用于在所述前一窗口的状态信息为在所述前一窗口内车辆驾驶行为规范的情况下，根据所述当前窗口的数据，判断所述车辆驾驶行为是否规范。
27.在本技术的一些实施例中，基于前述方案，所述原始数据包括车辆踏板位置百分比，所述行为分析单元，还用于根据所述当前窗口内所述车辆踏板位置百分比的最大值和最小值，确定所述当前窗口内车辆踏板位置百分比的变化幅度；在所述当前窗口内车辆踏板位置百分比的变化幅度超过预设阀值的情况下，判定所述车辆在所述时间段内存在急加速或急减速行为。
28.在本技术的一些实施例中，基于前述方案，所述车辆踏板位置百分比包括电门踏板位置百分比或制动踏板位置百分比，所述行为分析单元，还用于在所述当前窗口内电门踏板位置百分比的变化幅度超过所述预设阀值的情况下，判定所述车辆在所述时间段内存在急加速行为；在所述制动踏板位置百分比的变化幅度超过所述预设阀值的情况下，判定所述车辆在所述时间段内存在急减速行为。
29.在本技术的一些实施例中，基于前述方案，所述行为分析单元，还用于在所述当前窗口内车辆踏板位置百分比的变化幅度不超过所述预设阀值的情况下，将所述当前窗口的
状态信息设置为在所述当前窗口内所述车辆不存在急加速或急减速行为。
30.在本技术的一些实施例中，基于前述方案，所述数据获取单元，还用于从数据库获取所述原始数据和所述原始数据对应的时间段，所述原始数据和所述原始数据对应的时间段为消息队列遥测传输云服务器对所述车辆的信号数据进行解析后存储至所述数据库中的数据。
31.根据本技术实施例的第三方面，提供了一种车辆驾驶行为的分析设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序指令，所述处理器执行所述计算机程序指令时，实现如上述第一方面任一项所述的方法的指令。
32.根据本技术实施例的第四方面，提供了一种车辆驾驶行为的分析系统，包括：数据采集设备、消息队列遥测传输客户端、消息队列遥测传输云服务器、数据库和上述的车辆驾驶行为的分析设备；其中，
33.所述数据采集设备，用于采集车辆的信号数据，并发送所述信号数据至所述消息队列遥测传输客户端；
34.所述消息队列遥测传输客户端，用于将所述信号数据发送至所述消息队列遥测传输云服务器；
35.所述消息队列遥测传输云服务器，用于对所述信号数据进行解析，得到原始数据和所述原始数据对应的时间段，并将所述原始数据和所述原始数据对应的时间段存储至所述数据库；
36.所述数据库，用于基于所述车辆驾驶行为的分析设备的数据获取指令，将所述原始数据和所述原始数据对应的时间段发送至所述车辆驾驶行为的分析设备，以使所述车辆驾驶行为的分析设备基于所述原始数据、所述原始数据对应的时间段和数据流平台判断车辆驾驶行为是否规范。
37.在本技术的一些实施例中，基于前述方案，所述数据库为clickhouse数据库，所述数据流平台为flink平台。
38.在本技术中，通过获取车辆的原始数据和所述原始数据对应的时间段；根据所述时间段将所述原始数据划分至数据流平台内置的多个窗口，以得到各个窗口的数据；根据当前窗口的数据和前一窗口的状态信息，判断车辆驾驶行为是否规范。通过基于数据流平台对车辆的驾驶行为进行分析，解决了在车辆驾驶行为的分析时只能对单一车辆的驾驶行为进行分析，可扩展性差的问题。
39.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
40.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。显而易见地，下面描述中的附图仅仅是本技术的一些实施例，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他的附图。在附图中：
41.图1示出了一个实施例中车辆驾驶行为的分析系统的结构示意图；
42.图2示出了一个实施例中车辆驾驶行为的分析系统的数据流示意图；
43.图3示出了一个实施例中车辆驾驶行为的分析方法的流程示意图；
44.图4示出了一个实施例中车辆驾驶行为的分析装置的框图；
45.图5示出了一个实施例中数据流平台的结构示意图。
具体实施方式
46.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
47.此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本技术的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本技术的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本技术的各方面。
48.附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
49.附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
50.目前的车辆驾驶行为的分析系统由设置在车端的数据采集设备和控制器组成，该分析系统中分析计算逻辑与车端强耦合，当数据采集设备中采集到的数据发生变化时，控制器中的分析计算逻辑需要对应变更，可扩展性较差，并且在车端只能对单一车辆的驾驶行为进行分析，计算性能极易出现瓶颈。而本技术设计了数据采集设备、消息队列遥测传输客户端、消息队列遥测传输云服务器、数据库和车辆驾驶行为的分析设备的架构，将车端的数据采集与云端的数据处理从架构上进行分离，数据采集与分析计算逻辑互不影响，便于车端或者云端的软件单独升级，同时由于在云端采用基于数据流平台的车辆驾驶行为的分析设备进行数据分析处理，可以对大量车辆的驾驶行为进行分析，具有较好的可扩展性。
51.图1示出了一个实施例中车辆驾驶行为的分析系统的结构示意图，如图1所示，车辆驾驶行为的分析系统可以包括：数据采集设备101、消息队列遥测传输客户端102、消息队列遥测传输云服务器103、数据库104以及车辆驾驶行为的分析设备105；其中，数据采集设备101，用于采集车辆的信号数据，并发送信号数据至消息队列遥测传输客户端102；消息队列遥测传输客户端102，用于将信号数据发送至消息队列遥测传输云服务器103；消息队列遥测传输云服务器103，用于对信号数据进行解析，得到原始数据和原始数据对应的时间段，并将原始数据和原始数据对应的时间段存储至数据库104；数据库104，用于基于数据流平台105的数据获取指令，将原始数据和原始数据对应的时间段发送至车辆驾驶行为的分析设备105，车辆驾驶行为的分析设备105基于原始数据、原始数据对应的时间段和数据流平台判断车辆驾驶行为是否规范。
52.其中，数据采集设备101设置于车端，可以为基于some/ip协议的数据采集软件，以
实现基于some/ip协议采集信号数据。
53.应当理解的是，some/ip协议全称为scalable service-oriented middle ware over ip，是一种面向服务的可伸缩的协议，其面向服务在车载以太网中传输信号，相比于can信号的传输，some/ip协议具备传输更快、信号传输方式支持更多样化，例如有同步、异步等多种传输方式的特点。
54.由于some/ip协议具有较好的扩展性，可以自定义信号，通过基于some/ip协议采集信号数据，可以快速且全面地采集车端信号。
55.消息队列遥测传输客户端102也设置于车端，可以从数据采集设备101中获取车辆的信号数据。在具体实现中，可以在需要进行驾驶行为分析的车辆上均设置消息队列遥测传输客户端102和数据采集设备101，由数据采集设备101采集信号数据，并发送信号数据至消息队列遥测传输客户端102。消息队列遥测传输客户端102从对应车辆的数据采集设备101中获取信号数据后，上传至云端。
56.消息队列遥测传输云服务器103从消息队列遥测传输客户端102获取到信号数据后，对信号数据进行解析，得到原始数据和原始数据对应的时间段。
57.其中，原始数据可以是电门踏板位置百分比、制动踏板位置百分比、方向盘转向角度等数据，本实施例对此不加以限制。
58.在一个示例中，消息队列遥测传输客户端102可以基于protobuf协议对信号数据进行加密处理，消息队列遥测传输云服务器103则基于protobuf协议对信号数据进行解密处理。
59.应当理解的是，protobuf协议是google公司开发的一种数据描述语言，类似于xml能够将结构化数据序列化，可用于数据存储、通信协议等方面。它不依赖于语言和平台并且可扩展性极强。基于protobuf协议对信号数据进行加密和解密处理，可以有效提高信号数据的安全性。
60.消息队列遥测传输云服务器103得到原始数据和原始数据对应的时间段后，将原始数据和原始数据对应的时间段存储至云端的数据库104。通过在云端将数据的传输与存储分离，有利于后期数据量大时扩容，以及在云端的数据异常时及时定位故障原因。
61.在一个示例中，该数据库104可以采用clickhouse数据库。
62.应当理解的是，clickhouse数据库是一个面向列存储的分布式数据库管理系统，旨在提供高性能的数据处理和分析能力，其对于海量数据的读写支持速度在同类数据库中属于佼佼者，适用于车端信号数据多、数据量大的情况。
63.通过数据采集设备101、消息队列遥测传输客户端102、消息队列遥测传输云服务器103、数据库104可以将车端的信号数据(例如电门踏板位置百分比、方向盘转向角度等)实时采集到云端，为后续的车辆不规范驾驶行为分析打好坚实的数据基础。
64.车辆驾驶行为的分析设备105基于数据流平台进行车辆驾驶行为的分析，数据流平台可以实时处理数据流，在具体实现中，可以使用strom平台、flink平台或其它数据流平台，本实施例对此不加以限制。
65.在一个示例中，数据流平台可以采用flink平台，该平台是可水平扩展的大数据计算平台，支持实时流式计算及离线批处理，可以将车辆行程按照业务方指定的时长划分为若干时间窗口，通过自定义窗口算子来精确分析每一个时间段的不规范驾驶行为。
66.通过在云端采用支持可水平扩展的flink平台进行数据分析处理，随着车辆数量的日益膨胀，只需要动态添加计算节点以及精细化的分配执行任务槽，无需修改代码来支持车辆数据的分析业务，提高了车辆驾驶行为的分析系统的可扩展性。
67.通过上述车云分离方案，将信号数据发送到云端的消息队列遥测传输云服务器后存储至数据库，再由基于数据流平台的车辆驾驶行为的分析设备从数据库中获取数据进行分析，减少了分析计算与车端的耦合，便于车端或者云端软件的独立升级，减少了数据计算性能瓶颈，提高了车辆驾驶行为的分析系统的可扩展性。
68.图2示出了一个实施例中车辆驾驶行为的分析系统的数据流示意图，一并参照图1和图2，数据采集设备基于some/ip协议采集智能汽车的信号数据，并发送信号数据至消息队列遥测传输客户端(即mqtt客户端)；mqtt客户端获取信号数据，并将信号数据基于protobuf协议进行压缩后发送至消息队列遥测传输云服务器(即mqtt云服务器)；mqtt云服务器基于protobuf协议对接收到的数据进行解密处理，得到原始数据和原始数据对应的时间段，并将原始数据和原始数据对应的时间段存放至clickhouse数据库，flink平台从clickhouse数据库读取原始数据和原始数据对应的时间段，并根据原始数据和原始数据对应的时间段进行驾驶行为的分析，并将分析出的不规范驾驶行为的车辆存储至clickhouse数据库。
69.通过在车辆驾驶行为的分析系统中设置基于some/ip协议的数据采集设备，消息队列遥测传输客户端、消息队列遥测传输云服务器、clickhouse数据库以及基于flink平台的车辆驾驶行为的分析设备，实现了数据采集和数据处理从架构上分离，保障了车端信号数据的全面性，以及数据处理的实时性。
70.车辆驾驶行为的分析设备获取到原始数据和原始数据对应的时间段后，可以通过定制化的基于flink平台的计算程序，将程序提交到flink平台的程序控制中心，该中心会调度程序并将任务下发到各计算节点的执行槽中，每个计算节点有多个执行槽。每个执行槽可以根据程序的运行需要单独分配所需资源(例如中央处理器、内存等)，任务在计算节点执行完毕后将结果回写到clickhouse数据库中，供下一步的业务使用。
71.其中定制化基于flink平台开发的计算程序是核心，通过定制化的计算程序可以分析车辆在某一时间段内是否存在急加速、急减速或者急转弯等行为。
72.图3示出了一个实施例中车辆驾驶行为的分析方法的流程示意图，如图3所示，车辆驾驶行为的分析方法可以包括以下步骤：
73.步骤301，获取车辆的原始数据和原始数据对应的时间段。
74.其中，原始数据可以是电门踏板位置百分比、制动踏板位置百分比、方向盘转向角度等数据，本实施例对此不加以限制。
75.具体地，可以将车辆的原始数据和原始数据对应的时间段存储至数据库中，车辆驾驶行为的分析设备从数据库中获取该原始数据和原始数据对应的时间段。
76.在一个示例中，可以基于图1的架构，通过消息队列遥测传输云服务器103对车辆的信号数据进行解析，得到原始数据和原始数据对应的时间段，并将其存储至云端的数据库104，车辆驾驶行为的分析设备105再从云端的数据库104中获取存储的数据。
77.步骤302，根据时间段将原始数据划分至数据流平台内置的多个窗口，以得到各个窗口的数据。
78.具体地，待分析的车辆的行程时间可以划分为若干时间段，可以基于数据流平台将各时间段的原始数据划分到多个窗口下，例如按照车辆踏板位置百分比对应的时间段每隔500毫秒划分窗口，窗口的滑动距离为100毫秒，当数据流平台为flink平台时，划分窗口时可以采用flink平台内置的滑动窗口接口。
79.步骤303，根据当前窗口的数据和前一窗口的状态信息，判断车辆驾驶行为是否规范。
80.其中，状态信息用于表征车辆驾驶行为是否规范，在前一窗口的状态信息为车辆驾驶行为规范的情况下，根据当前窗口的数据，判断车辆驾驶行为是否规范；在前一窗口的状态信息为车辆驾驶行为不规范的情况下，可以直接判定车辆驾驶行为不规范，不需要再根据当前窗口的数据进行判断。
81.也就是说，在对当前窗口的数据进行处理前，可以先调用前一窗口的状态信息，如果前一窗口判定出前一窗口内车辆驾驶行为规范，则当前窗口继续进行计算和判断，如果前一窗口判定出前一窗口内车辆驾驶行为不规范，则当前窗口不需要进行计算和判断。
82.通过结合前一窗口的状态信息和当前窗口的数据共同判断车辆驾驶行为是否规范，可以避免在车辆已经出现不规范驾驶行为时重复计算，提高了车辆驾驶行为的分析效率。
83.在一个示例中，原始数据包括车辆踏板位置百分比，根据当前窗口的数据，判断车辆驾驶行为是否规范，可以包括以下步骤：根据当前窗口内车辆踏板位置百分比的最大值和最小值，确定当前窗口内车辆踏板位置百分比的变化幅度；在当前窗口内车辆踏板位置百分比的变化幅度超过预设阀值的情况下，判定车辆在时间段内存在急加速或急减速行为。
84.应当理解的是，在车辆踏板位置百分比划分至各个窗口以后，需要计算每个窗口中车辆踏板位置百分比的变化幅度，并在该变化幅度超过预设阀值的情况下，判定车辆在时间段内存在急加速或急减速行为。
85.其中，变化幅度可以由最大值减去最小值后，将差值除以最大值得到，当然也可以采用其它方式得到，本实施例对此不加以限制。
86.具体地，当车辆踏板位置百分比为电门踏板位置百分比时，如果电门踏板位置百分比的变化幅度超过第一预设阀值，则可以确定车辆在时间段内存在急加速行为，如果电门踏板位置百分比的变化幅度未超过第一预设阀值，则可以确定车辆在该窗口内不存在急加速行为。
87.当车辆踏板位置百分比为制动踏板位置百分比时，如果电门踏板位置百分比的变化幅度超过第二预设阀值，则可以确定车辆在时间段内存在急减速行为，如果电门踏板位置百分比的变化幅度未超过第一预设阀值，则可以确定车辆在该窗口内不存在急减速行为。
88.也就是说，如果车辆踏板位置百分比对应的时间段中任意一个窗口判定出车辆存在急加速或急减速行为，则判定该时间段内车辆存在急加速或急减速行为。
89.在车辆踏板位置百分比的变化幅度不超过预设阀值的情况下，车辆驾驶行为的分析设备还可以将当前窗口的状态信息设置为在当前窗口内车辆不存在急加速或急减速行为。
90.通过根据车辆踏板位置百分比，可以有效判断出车辆是否存在急加速或急减速行为，实现了基于数据流平台的急加速或急减速行为的分析，提高了分析效率。
91.在另一个示例中，原始数据包括方向盘转向角度，根据当前窗口的数据，判断车辆驾驶行为是否规范，可以包括以下步骤：根据当前窗口内方向盘转向角度，判断车辆在时间段内是否存在急转弯行为。
92.类似地，车辆驾驶行为的分析设备可以根据当前窗口内方向盘转向角度的最大值和最小值，确定当前窗口内方向盘转向角度的变化幅度；在当前窗口内方向盘转向角度的变化幅度超过预设阀值的情况下，判定车辆在时间段内存在急转弯行为。
93.车辆驾驶行为的分析设备还可以在当前窗口内方向盘转向角度的变化幅度不超过预设阀值的情况下，将当前窗口的状态信息设置为车辆在当前窗口内不存在急转弯行为。
94.需要说明的是，如果采用单台服务器进行车辆驾驶行为的分析，当车辆数量急剧膨胀的时候，计算性能会是瓶颈，很难去通过加计算节点等方式水平扩展，并且由于中间计算结果没有有效的缓存机制，会造成算力的浪费。
95.本实施例通过采用基于数据流平台的车辆驾驶行为的分析设备可以实现对大量车辆的驾驶行为分析，有效减少计算性能瓶颈，同时结合前一窗口的状态信息和当前窗口的数据进行驾驶行为分析，可以有效提高分析效率，避免重复计算。
96.当然，如果数据流平台采用flink平台，还可以利用flink平台的优异特性(如可水平扩展、自带中间计算结果缓存等)，通过编写可精确到毫秒级时间控制的分析程序，对车辆的各种不规范驾驶行为进行计算分析并将结果最终回写到云端。随着车辆数量的日益膨胀，只需要动态添加计算节点以及精细化的分配执行任务槽，就可以无需修改代码来支持车辆数据分析业务，进一步提高了分析的效率。
97.以下介绍本技术的装置实施例，可以用于执行本技术上述实施例中的车辆驾驶行为的分析方法。对于本技术装置实施例中未披露的细节，请参照本技术上述的车辆驾驶行为的分析方法的实施例。
98.参见图4，示出了本技术实施例中的车辆驾驶行为的分析装置的框图。
99.如图4所示，本技术实施例的车辆驾驶行为的分析装置，包括：数据获取单元401、窗口划分单元402和行为分析单元403，其中，数据获取单元401，用于获取车辆的原始数据和原始数据对应的时间段；窗口划分单元402，用于根据时间段将原始数据划分至数据流平台内置的多个窗口，以得到各个窗口的数据；行为分析单元403，用于根据当前窗口的数据和前一窗口的状态信息，判断车辆驾驶行为是否规范。
100.在本技术的一些实施例中，基于前述方案，行为分析单元403，还用于在前一窗口的状态信息为在前一窗口内车辆驾驶行为规范的情况下，根据当前窗口的数据，判断车辆驾驶行为是否规范。
101.在本技术的一些实施例中，基于前述方案，原始数据包括车辆踏板位置百分比，行为分析单元403，还用于根据当前窗口内车辆踏板位置百分比的最大值和最小值，确定当前窗口内车辆踏板位置百分比的变化幅度；在当前窗口内车辆踏板位置百分比的变化幅度超过预设阀值的情况下，判定车辆在时间段内存在急加速或急减速行为。
102.在本技术的一些实施例中，基于前述方案，车辆踏板位置百分比包括电门踏板位
置百分比或制动踏板位置百分比，行为分析单元403，还用于在当前窗口内电门踏板位置百分比的变化幅度超过预设阀值的情况下，判定车辆在时间段内存在急加速行为；在制动踏板位置百分比的变化幅度超过预设阀值的情况下，判定车辆在时间段内存在急减速行为。
103.在本技术的一些实施例中，基于前述方案，行为分析单元403，还用于在当前窗口内车辆踏板位置百分比的变化幅度不超过预设阀值的情况下，将当前窗口的状态信息设置为在当前窗口内车辆不存在急加速或急减速行为。
104.在本技术的一些实施例中，基于前述方案，数据获取单元401，还用于从数据库获取原始数据和原始数据对应的时间段，原始数据和原始数据对应的时间段为消息队列遥测传输云服务器对车辆的信号数据进行解析后存储至数据库中的数据。
105.基于同一发明构思，本技术实施例还提供了一种车辆驾驶行为的分析设备，参考图5，示出了本技术实施例中的车辆驾驶行为的分析设备的结构示意图，车辆驾驶行为的分析设备包括一个或多个存储器1204、一个或多个处理器1202及存储在存储器1204上并可在处理器1202上运行的至少一条计算机程序(计算机程序指令)，处理器1202执行计算机程序时实现如前的方法。
106.其中，在图5中，总线架构(用总线1200来代表)，总线1200可以包括任意数量的互联的总线和桥，总线1200将包括由处理器1202代表的一个或多个处理器和存储器1204代表的存储器的各种电路链接在一起。总线1200还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口1205在总线1200和接收器1201和发送器1203之间提供接口。接收器1201和发送器1203可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器1202负责管理总线1200和通常的处理，而存储器1204可以被用于存储处理器1202在执行操作时所使用的数据。
107.基于同一发明构思，本技术实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有至少一条计算机程序指令，至少一条计算机程序指令由处理器加载并执行以实现如前的方法所执行的操作。
108.本文中所描述的功能可在硬件、由处理器执行的软件、固件或其任何组合中实施。如果在由处理器执行的软件中实施，那么可将功能作为一或多个指令或代码存储于计算机可读媒体上或经由计算机可读媒体予以传输。其它实例及实施方案在本技术及所附权利要求书的范围及精神内。举例来说，归因于软件的性质，上文所描述的功能可使用由处理器、硬件、固件、硬连线或这些中的任何者的组合执行的软件实施。此外，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。
109.在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
110.所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，作为控制装
置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。
111.所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介质中。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介质中，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所述方法的全部或部分步骤。而前述的存储介质包括：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计算机程序指令的介质。
112.以上所述仅为本技术的实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。

技术特征：
1.一种车辆驾驶行为的分析方法，其特征在于，所述分析方法包括：获取车辆的原始数据和所述原始数据对应的时间段；根据所述时间段将所述原始数据划分至数据流平台内置的多个窗口，以得到各个窗口的数据；根据当前窗口的数据和前一窗口的状态信息，判断车辆驾驶行为是否规范。2.根据权利要求1所述的车辆驾驶行为的分析方法，其特征在于，所述根据当前窗口的数据和前一窗口的状态信息，判断车辆驾驶行为是否规范，包括：在所述前一窗口的状态信息为在所述前一窗口内车辆驾驶行为规范的情况下，根据所述当前窗口的数据，判断所述车辆驾驶行为是否规范。3.根据权利要求2所述的车辆驾驶行为的分析方法，其特征在于，所述原始数据包括车辆踏板位置百分比，所述根据所述当前窗口的数据，判断所述车辆驾驶行为是否规范，包括：根据所述当前窗口内所述车辆踏板位置百分比的最大值和最小值，确定所述当前窗口内车辆踏板位置百分比的变化幅度；在所述当前窗口内车辆踏板位置百分比的变化幅度超过预设阀值的情况下，判定所述车辆在所述时间段内存在急加速或急减速行为。4.根据权利要求3所述的车辆驾驶行为的分析方法，其特征在于，所述车辆踏板位置百分比包括电门踏板位置百分比或制动踏板位置百分比，所述在所述当前窗口内车辆踏板位置百分比的变化幅度超过预设阀值的情况下，判定所述车辆在所述时间段内存在急加速或急减速行为，包括：在所述电门踏板位置百分比的变化幅度超过所述预设阀值的情况下，判定所述车辆在所述时间段内存在急加速行为；在所述制动踏板位置百分比的变化幅度超过所述预设阀值的情况下，判定所述车辆在所述时间段内存在急减速行为。5.根据权利要求3所述的车辆驾驶行为的分析方法，其特征在于，所述根据所述当前窗口内所述车辆踏板位置百分比的最大值和最小值，确定所述当前窗口内车辆踏板位置百分比的变化幅度之后，所述分析方法还包括：在所述当前窗口内车辆踏板位置百分比的变化幅度不超过所述预设阀值的情况下，将所述当前窗口的状态信息设置为在所述当前窗口内所述车辆不存在急加速或急减速行为。6.根据权利要求5所述的车辆驾驶行为的分析方法，其特征在于，所述获取车辆的原始数据和所述原始数据对应的时间段，包括：从数据库获取所述原始数据和所述原始数据对应的时间段，所述原始数据和所述原始数据对应的时间段为消息队列遥测传输云服务器对所述车辆的信号数据进行解析后存储至所述数据库中的数据。7.一种车辆驾驶行为的分析装置，其特征在于，所述分析装置包括：数据获取单元，用于获取车辆的原始数据和所述原始数据对应的时间段；窗口划分单元，用于根据所述时间段将所述原始数据划分至数据流平台内置的多个窗口，以得到各个窗口的数据；行为分析单元，用于根据当前窗口的数据和前一窗口的状态信息，判断车辆驾驶行为
是否规范。8.一种车辆驾驶行为的分析设备，包括处理器和存储器，其特征在于，所述存储器存储有能够被所述处理器执行的计算机程序指令，所述处理器执行所述计算机程序指令时，实现如权利要求1至6中任一所述的方法的指令。9.一种车辆驾驶行为的分析系统，其特征在于，包括：数据采集设备、消息队列遥测传输客户端、消息队列遥测传输云服务器、数据库和根据权利要求8所述的车辆驾驶行为的分析设备；其中，所述数据采集设备，用于采集车辆的信号数据，并发送所述信号数据至所述消息队列遥测传输客户端；所述消息队列遥测传输客户端，用于将所述信号数据发送至所述消息队列遥测传输云服务器；所述消息队列遥测传输云服务器，用于对所述信号数据进行解析，得到原始数据和所述原始数据对应的时间段，并将所述原始数据和所述原始数据对应的时间段存储至所述数据库；所述数据库，用于基于所述车辆驾驶行为的分析设备的数据获取指令，将所述原始数据和所述原始数据对应的时间段发送至所述车辆驾驶行为的分析设备，以使所述车辆驾驶行为的分析设备基于所述原始数据、所述原始数据对应的时间段和数据流平台判断车辆驾驶行为是否规范。10.根据权利要求9所述的车辆驾驶行为的分析系统，其特征在于，所述数据库为clickhouse数据库，所述数据流平台为flink平台。

技术总结
本申请公开了一种车辆驾驶行为的分析方法、装置、设备及系统，该车辆驾驶行为的分析方法包括以下步骤：获取车辆的原始数据和所述原始数据对应的时间段；根据所述时间段将所述原始数据划分至数据流平台内置的多个窗口，以得到各个窗口的数据；根据当前窗口的数据和前一窗口的状态信息，判断车辆驾驶行为是否规范。其中，通过基于数据流平台对车辆的驾驶行为进行分析，解决了在车辆驾驶行为的分析时只能对单一车辆的驾驶行为进行分析，可扩展性差的问题。题。题。


技术研发人员：陈兀
受保护的技术使用者：岚图汽车科技有限公司
技术研发日：2023.07.14
技术公布日：2023/9/23