驾驶绩效的评估方法、装置、电子设备及介质与流程

1.本发明涉及车辆驾驶技术领域，特别涉及一种驾驶绩效的评估方法、装置、电子设备及介质。


背景技术：

2.随着自动驾驶技术的飞速发展，而驾驶绩效评估技术是属于自动驾驶技术中的一种，现有的驾驶绩效评估技术都需要利用例如车间距离，车道位置，视觉信号，生理信号和发动机转数等多种不同的数据作为输入，然后预测出驾驶绩效分数，如此，可以通过驾驶绩效分数对目标车辆的驾驶行为进行调整，以提高自动驾驶的精确度。
3.但是，现有的驾驶绩效评估技术都需要利用例如车间距离，车道位置，视觉信号，生理信号，发动机转数，甚至需要人工进行判断的数据，例如错误反应次数等多种不同的数据，而在实际应用过程中，在获取有些数据例如人工进行判断的数据和生理信号等采集不及时，导致出现不能及时预测出的驾驶绩效分数的问题。


技术实现要素：

4.本发明实施例提供一种驾驶绩效的评估方法、装置、电子设备及介质，能够实时预测出的驾驶绩效分数，并确保预测的驾驶绩效分数的准确性。
5.本发明实施例第一方面提供一种驾驶绩效的评估方法，所述方法包括：
6.在目标车辆行驶过程中，获取目标车辆的实际车速和方向盘转角参数；
7.对所述方向盘转角参数进行预处理，得到预处理后的方向盘转角参数；
8.根据所述预处理后的方向盘转角参数，获取所述目标车辆在所述时间窗口的方向盘转角标准差；
9.基于预设的高斯混合模型，得到所述目标车辆在所述实际车速下的转角波动概率分布函数；
10.根据所述转角波动概率分布函数和所述方向盘转角标准差，确定驾驶绩效分数。
11.可选的，在获取目标车辆的实际车速和方向盘转角参数之后，所述方法包括：
12.判断所述实际车速是否不小于设定车速；
13.若所述实际车速不小于设定车速，则执行对所实际述车速和所述方向盘转角参数进行预处理的步骤。
14.可选的，所述对所述方向盘转角参数进行预处理，得到预处理后的方向盘转角参数，包括：
15.获取所述方向盘转角参数的平均方向盘转角值；
16.根据所述方向盘转角参数中的每个方向盘转角值与所述平均方向盘转角值的差值，得到所述预处理后的方向盘转角参数。
17.可选的，所述根据所述转角波动概率分布函数和所述方向盘转角标准差，确定驾驶绩效分数，包括：
18.根据所述方向盘转角标准差，获取方向盘转角的指数加权移动平均值；
19.根据所述转角波动概率分布函数和所述指数加权移动平均值，得到所述驾驶绩效分数。
20.可选的，所述根据所述方向盘转角标准差，获取方向盘转角的指数加权移动平均值，包括：
21.通过指数加权移动平均法对所述方向盘转角标准差进行处理，得到所述指数加权移动平均值。
22.可选的，在基于预设的高斯混合模型，得到所述目标车辆在所述实际车速下的转角波动概率分布函数之前，包括：
23.获取当前基准线；
24.在获取到所述基准线之后，执行基于预设的高斯混合模型，得到所述目标车辆在所述实际车速下的转角波动概率分布函数的步骤。
25.可选的，所述获取当前基准线，包括：
26.若所述目标车辆的驾驶时长不小于设定时长，且未存在已有基准线，则获取所述驾驶时长内的方向盘转角的指数加权移动平均值集，以及所述目标车辆在所述驾驶时长内的平均速度集，所述平均速度集包括所述目标车辆在所述驾驶时长内的每个时间窗口的平均速度；再根据所述指数加权移动平均值集和所述平均速度集，确定所述当前基准线；
27.若所述目标车辆的驾驶时长不小于所述设定时长，且存在所述已有基准线，则利用所述指数加权移动平均值集和所述平均速度集，对所述已有基准线进行更新，得到更新后的基准线，将所述更新后的基准线作为所述当前基准线。
28.可选的，在获取方向盘转角参数时，所述方法还包括：
29.获取所述方向盘转角参数的采样频率不小于设定频率。
30.本发明实施例第二方面还提供一种驾驶绩效的评估装置，所述装置包括：
31.车辆参数获取单元，用于在目标车辆行驶过程中，获取目标车辆的实际车速和方向盘转角参数；
32.数据预处理单元，用于对所述方向盘转角参数进行预处理，得到预处理后的方向盘转角参数；
33.方向盘转角参数获取单元，用于根据所述预处理后的方向盘转角参数，获取所述目标车辆在所述时间窗口的方向盘转角标准差；
34.转角波动数据获取单元，用于基于预设的高斯混合模型，得到所述目标车辆在所述实际车速下的转角波动概率分布函数；
35.驾驶绩效获取单元，用于根据所述转角波动概率分布函数和所述方向盘转角标准差，确定驾驶绩效分数。
36.可选的，所述数据预处理单元，用于获取所述方向盘转角参数的平均方向盘转角值；根据所述方向盘转角参数中的每个方向盘转角值与所述平均方向盘转角值的差值，得到所述预处理后的方向盘转角参数。
37.可选的，所述驾驶绩效获取单元，用于根据所述方向盘转角标准差，获取方向盘转角的指数加权移动平均值；根据所述转角波动概率分布函数和所述指数加权移动平均值，得到所述驾驶绩效分数。
38.可选的，所述驾驶绩效获取单元，用于通过指数加权移动平均法对所述方向盘转角标准差进行处理，得到所述指数加权移动平均值。
39.可选的，还包括：
40.基准线获取单元，用于在基于预设的高斯混合模型，得到所述目标车辆在所述实际车速下的转角波动概率分布函数之前，获取当前基准线；在获取到所述基准线之后，执行基于预设的高斯混合模型，得到所述目标车辆在所述实际车速下的转角波动概率分布函数的步骤。
41.本发明实施例第三方面提供了一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上的程序存储于存储器中，且经配置以由一个或者一个以上的处理器执行所述一个或者一个以上的程序所包含的用于进行如第一方面提供的驾驶绩效的评估方法对应的操作指令。
42.本发明实施例第四方面提供了一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机指令，该计算机指令存储在计算机可读存储介质中，且适于由处理器读取并执行，以使得具有所述处理器的计算机设备执行第一方面提供的驾驶绩效的评估方法对应的步骤。
43.本技术实施例中的上述一个或至少一个技术方案，至少具有如下技术效果：
44.基于上述技术方案，在目标车辆行驶过程中，获取目标车辆的实际车速和方向盘转角参数并进行预处理，得到所述目标车辆在时间窗口的平均方向盘转角值；再根据所述平均方向盘转角值，获取所述目标车辆在所述时间窗口的方向盘转角标准差；基于预设的高斯混合模型，得到所述目标车辆在所述实际车速下的转角波动概率分布函数；根据所述转角波动概率分布函数和所述方向盘转角标准差，确定驾驶绩效分数；由此可知，可以仅根据目标车辆的实际车速和方向盘转角参数即可确定驾驶绩效分数，而实际车速和方向盘转角参数可以通过对应的传感器实时获取，如此，在实时获取实际车速和方向盘转角参数的基础上，从而能够实时预测出的驾驶绩效分数，且由于获取的实际车速和方向盘转角参数的精确度较高，从而能够确保预测的驾驶绩效分数的准确性。
附图说明
45.图1为本技术实施例提供的一种驾驶绩效的评估方法的流程示意图；
46.图2为本技术实施例提供的一种驾驶绩效的评估方法的实现步骤图；
47.图3为本技术实施例提供的一种驾驶绩效的评估装置的方框图；
48.图4为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
49.下面结合附图对本技术实施例技术方案的主要实现原理、具体实施方式及其对应能够达到的有益效果进行详细的阐述。
50.实施例
51.请参考图1，本技术实施例提供一种驾驶绩效的评估方法，所述方法包括：
52.s101、在目标车辆行驶过程中，获取目标车辆的实际车速和方向盘转角参数；
53.s102、对所述方向盘转角参数进行预处理，得到预处理后的方向盘转角参数；
54.s103、根据所述预处理后的方向盘转角参数，获取所述目标车辆在所述时间窗口的方向盘转角标准差；
55.s104、基于预设的高斯混合模型，得到所述目标车辆在所述实际车速下的转角波动概率分布函数；
56.s105、根据所述转角波动概率分布函数和所述方向盘转角标准差，确定驾驶绩效分数。
57.本说明书实施例中一种驾驶绩效的评估方法可以应用于用户终端或服务器中，其中，用户终端例如可以是智能手机、智能手表、车载终端、平板电脑和笔记本电脑等，服务器例如可以是平板电脑、笔记本电脑和台式电脑等。
58.本说明书实施例中，目标车辆可以是电动汽车和燃油车等。
59.其中，在步骤s101中，可以在目标车辆行驶过程中，可以通过设置在目标车辆的速度传感器获取到目标车辆的实际车速，也可以通过设置在目标车辆的方向盘转角传感器获取方向盘转角参数。当然，速度传感器和方向盘传感器均与目标车辆中的can总线相连，如此，可以从can总线中获取到实际车速和方向盘转角参数。
60.具体来讲，为了使得获取的方向盘转角参数的实时性更高，可以促使获取方向盘转角参数的采样频率不小于设定频率，其中，设定频率可以由人工或设备自行设定，也可以根据实际需求设定，设定频率例如可以是10hz、15hz、20hz和30hz等，本说明书不作具体限制。
61.例如，以目标车辆为车辆a为例，a在高速路上行驶过程中，通过设置在a中的速度传感器获取到目标车辆的实际车速为100km/h，通过设置在a中的方向盘转角传感器获取方向盘转角参数，其中，方向盘转角传感器每秒采集10次，使得方向盘转角参数包含多个方向盘转角值。
62.在获取到实际车速和方向盘转角参数之后，再执行步骤s102之前，本说明书实施例还提供了一种实施方式，具体包括:判断实际车速是否不小于设定车速；若实际车速不小于设定车速，则执行步骤s102；若实际车速不小于设定车速，则禁止执行步骤s102。
63.本说明书实施例中，设定车速可以由人工或设备自行设定，也可以根据实际需求设定，设定车速例如可以是20km/h、25km/h、30km/h和40km/h等，本说明书不作具体限制。
64.此时，通过判断实际车速是否不小于设定车速，则可以确定目标车辆是否处于起步阶段；在小于设定车速时，此时实际车速过低，可以确定目标车辆处于起步阶段的概率较高；而在不小于设定车速时，此时实际车速较高，可以确定目标车辆不处于起步阶段而处于正常行车阶段的概率较高；而目标车辆在处于起步阶段时，方向盘转角参数对目标车辆的操控灵敏性影响较小，而在正常行车阶段时方向盘转角参数对目标车辆的操控灵敏性影响更大，如此，通过实际车速不小于设定车速的限制，能够使得方向盘转角参数在后续预测驾驶绩效分数的精确度得以提高。
65.在判断出实际车速不小于设定车速时，执行步骤s102。
66.在步骤s102中，为了去除路况变化对基于方向盘转角的驾驶绩效造成的影响，可以在对方向盘转角参数进行预处理时，获取方向盘转角参数的平均方向盘转角值，即，计算目标车辆在时间窗口的平均方向盘转角值；获取方向盘转角参数中的每个方向盘转角值与平均方向盘转角值的差值；根据每个方向盘转角值与平均方向盘转角值的差值，得到预处
理后的方向盘转角参数。
67.例如，以时间窗口为3s，且方向盘转角参数的采样频率为10hz，则根据当前时刻为10:15:15s，则获取10:15:13s-10:15:15s内采集的30个方向盘转角值作为方向盘转角参数；并计算30个方向盘转角值的平均方向盘转角值；再获取30个方向盘转角值中的每个方向盘转角值与平均方向盘转角值的差值作为预处理后的方向盘转角参数。此时，由于预处理后的方向盘转角参数为每个方向盘转角值与平均方向盘转角值的差值，而每个方向盘转角值与平均方向盘转角值的差值会随路况变化的变化，从而使得预处理后的方向盘转角参数能够去除路况变化对基于方向盘转角的驾驶绩效造成的影响；使得在不同道路上的方向盘转角信息可以用于比较，降低了对于使用的场景的要求，使得驾驶绩效评估方法可以在更广泛的场景中应用。
68.本说明书实施例中，在计算目标车辆在时间窗口的平均方向盘转角值时，若时间窗口为3s，此时，由于时间窗口是不断向前延伸的，如此，在当前时刻为10:15:15s时，时间窗口为10:15:13s-10:15:15s；而当前时刻延伸到10:15:16s，此时时间窗口为10:15:14s-10:15:16s。
69.在步骤s102中，还可以对实际车速进行预处理，在对实际车速进行预处理时，可以采用滑动时间窗口的方式对实际车速进行预处理，在滑动时间窗口时，可以采用窗口不重叠的滑动方式，也可以采用部分窗口重叠的方式，例如前一时间窗口和后一时间窗口之间的重叠部分为50％，60％和70％等，下面具体以重叠部分为50％为例。例如，以时间窗口w为3秒(s)为例，时间窗口每次向右移动1.5s，计算目标车辆在每个时间窗口的平均车速。
70.本说明书实施例中，方向盘转角参数包含多个方向盘转角值，例如可以包含方向盘转角值的数量为2、4、10、20和30等数量不小于2的值。
71.在获取到预处理后的方向盘转角参数之后，执行步骤s103。
72.在步骤s103中，可以根据标准差公式或者标准差函数，对预处理后的方向盘转角参数进行处理，得到方向盘转角标准差。下面具体以标准差函数为例。
73.例如，以预处理后的方向盘转角参数为一个长度为30的一维向量为例，该一维向量用m表示包含了30个预处理后方向盘转角值，一个时间窗口内的30个预处理后方向盘转角值至被用于计算该时间窗口内的标准差，以python举例，就是调用函数numpy.std(m)，则可以得到方向盘转角标准差。
74.在获取到方向盘转角差之后，执行步骤s104。其中，步骤s104可以在s101之后且在步骤s105之前执行，此时，步骤s104可以在步骤s103之前执行，本说明书不作具体限制。
75.在步骤s104中，首先需要获取预设的高斯混合模型(gaussian mixed model，简称gmm)，在获取gmm时，可以假设车速与方向盘转角的波动符合二元高斯分布，然后使用gmm对车速和方向盘转角波动进行建模，再通过搜集日常驾驶中预处理过后的车速以及方向盘转角数据对gmm进行训练，得到训练后的gmm即为预设的gmm。
76.以及，在获取到预设的gmm之后，将实际车速输入到预设的gmm中，得到转角波动概率分布函数。具体地，可以在获取到预设的gmm之后，设定车速为实际车速后，从二维的联合概率分布函数中得到实际速度下的一维转角波动概率分布作为转角波动概率分布函数。
77.在获取到转角波动概率分布函数和方向盘转角标准差之后，执行步骤s105。
78.在步骤s105中，可以根据方向盘转角标准差，获取方向盘转角的指数加权移动平
均值；再根据转角波动概率分布函数和指数加权移动平均值，得到驾驶绩效分数。
79.具体来讲，在根据方向盘转角标准差，获取方向盘转角的指数加权移动平均值时，可以通过指数加权移动平均法对方向盘转角标准差进行处理，得到指数加权移动平均值，也可以采用其他的滑动平均法对方向盘转角标准差进行处理，得到指数加权移动平均值；其他的滑动平均法例如可以是指数滑动平均法和加权滑动平均法等，本说明书不作具体限制。
80.具体地，在获取方向盘转角标准差之后，将其用于计算指数加权滑动平均(exponentially weighted moving average,简称：ewma)，通过调节ewma的alpha参数，可以控制方向盘转角标准差对于指数加权移动平均值的影响大小，通过实验可以设置一个合适的alpha参数，使得指数加权移动平均值的精确度更高，从而使得通过指数加权移动平均值可以兼顾驾驶绩效监测的灵敏性和稳定性。
81.具体地，在获取到转角波动概率分布函数之后，可以得到转角波动平均值和转角波动标准差，如此，再根据指数加权移动平均值、转角波动平均值和转角波动标准差，得到驾驶绩效分数。
82.具体地，在获取到转角波动概率分布函数之后，获取转角波动概率分布函数的平均值作为转角波动平均值；在通过标准差公式或者标准差函数对转角波动概率分布函数进行处理，得到转角波动标准差。本说明书实施例中，获取转角波动标准差的具体实现方式可以参考步骤s103中获取方向盘转角标准差的叙述，为了说明书的简洁，在此就不再赘述了。
83.在根据指数加权移动平均值、转角波动平均值和转角波动标准差，得到驾驶绩效分数时，若指数加权移动平均值用ewma_1表示，转角波动平均值用baseline_mean表示，转角波动标准差用baseline_sd表示，且驾驶绩效分数用z-score，则可以确定z-score＝(ewma_1-baseline_mean)/baseline_sd，其中，当驾驶绩效分数即z-score大于0时，说明当前驾驶绩效相较于该驾驶员的正常表现较差，且数值越大说明表现越差；当驾驶绩效分数即z-score小于0时，说明当前驾驶绩效相较于该驾驶员的正常表现较好。
84.如此，在获取到指数加权移动平均值的精确度较高的基础上，而且使用gmm对车速和转角波动的2d联合正态分布进行建模，能够精准区分不同车速下方向盘转角波动的模式不同，使得通过gmm获取的转角波动概率分布函数的准确度也会较高，如此，使得通过指数加权移动平均值和转角波动概率分布函数计算得到的驾驶绩效分数的精确度也会随之提高。
85.本说明书另一实施例中，在执行步骤s104之前，还需获取当前基准线；以及在获取到基准线之后，再执行步骤s104。
86.在具体实施过程中，在获取当前基准线时，若目标车辆的驾驶时长不小于设定时长，且未存在已有基准线，则获取驾驶时长内的方向盘转角的指数加权移动平均值集，以及目标车辆在驾驶时长内的平均速度集，平均速度集包括目标车辆在驾驶时长内的每个时间窗口的平均速度；再根据指数加权移动平均值集和平均速度集，确定当前基准线；若目标车辆的驾驶时长不小于设定时长，且存在已有基准线，则利用指数加权移动平均值集和平均速度集，对已有基准线进行更新，得到更新后的基准线，将更新后的基准线作为当前基准线。
87.其中，在获取驾驶时长内的方向盘转角的指数加权移动平均值集时，若驾驶时长
较长，可以从驾驶时长中选取距离当前时刻较近的一段时长内的方向盘转角的指数加权移动平均值集作为指数加权移动平均值集，例如驾驶时长为30min，则可以取最近10min内的指数加权移动平均值集作为指数加权移动平均值集。
88.本说明书实施例中，设定时长可以由人工或设备自行设定，也可以根据实际需求设定，设定时长例如可以是8分钟(min)、9min、10min和12min等，本说明书不作具体限制。
89.具体地，在获取到方向盘转角标准差之后，判断当前目标车的驾驶时长是否达到设定时长例如10min，在驾驶时长刚好达到10min时，若不存在已有基准线baseline1，则使用前10分钟缓存的所有(ewma，m_speed)用于估算gmm模型中的参数值，作为当前基准线baseline2。若已存在baseline1，则使用前10分钟缓存的所有(ewma，m_speed)用于更新baseline1，将更新后的baseline1作为baseline2。此处的baseline1除了基于单个用户的历史数据进行设定以外，也可以依据从大量不同驾驶者采集到的数据进行估算。还可以根据实际的驾驶绩效的下游使用目的来对baseline1的设定策略做选取，例如使用基于population的baseline1，或者是基于单个用户的历史数据的baseline1，或者二者的结合(使用population baseline1作为初始值，再通过单个目标用户的历史数据进行对baseline1的定制化更新调整)。此时，既可基于整个驾驶人群的数据，也可基于同一驾驶员的历史驾驶数据设定驾驶绩效评估的baseline1，进行个人定制化的驾驶绩效评估，无需参考组对照，并且会随着驾驶数据的累积变得更加准确。
90.在获取到当前基准线之后，执行步骤s104时，根据当前基准线和gmm模型，得到目标车辆在实际车速下的转角波动概率分布函数，再根据转角波动概率分布函数，得到转角波动平均值baseline_mean和转角波动标准差baseline_sd，如此，可以根据指数加权移动平均值、baseline_mean和baseline_sd，得到驾驶绩效分数。若指数加权移动平均值用ewma_1表示，且驾驶绩效分数用z-score，则可以确定z-score＝(ewma_1-baseline_mean)/baseline_sd，其中，当驾驶绩效分数即z-score大于0时，说明当前驾驶绩效相较于该驾驶员的正常表现较差，且数值越大说明表现越差；当驾驶绩效分数即z-score小于0时，说明当前驾驶绩效相较于该驾驶员的正常表现较好。当然，也可以是(ewma_1-baseline_mean)/baseline_sd与权重的乘积作为z-score，本说明书不作具体限制。
91.在实际应用过程中，参见图2，本技术实施例提供一种驾驶绩效的评估方法的具体实现步骤包括：
92.a1、数据获取：在该步骤中需要从车身信号中获取车速与方向盘转角，例如从can总线获取，其中方向盘转角的采样频率需要达到一定采样频率，例如10hz。
93.a2、判断车速是否大于30km/h；若不大于，则执行步骤a1；
94.a3、数据预处理：判断车速大于30km/h后，进入预处理步骤，在该步骤中去除路况变化对基于方向盘转角的驾驶绩效造成的影响。具体实现方式可以分为以下两个个子步骤：1)计算一段时间窗口w内的平均方向盘转角值m_swm，例如w＝3s；2)将该段时间内的所有方向盘转角值减去在上一子步骤中得到的平均值m。在滑动窗口时，本发明采用百分之五十的重叠，以w＝3s为例，窗口每次向右移动1.5s；3)计算一段时间窗口w内的平均速度m_speed
95.a4、计算窗口内swm的sd：在上一步得到的预处理后的方向盘转角值，计算一个窗口内的方向盘转角标准差(sd)。例如w＝3s，采样频率为10hz，则需要计算30个方向盘转角
采样值的标准差。
96.a5、计算sd的ewma：在上一步骤得到窗口内的方向盘转角标准差后，将其用于计算指数加权滑动平均(exponentially weighted moving average,ewma)，通过调节ewma的alpha参数，可以控制当前窗口内的sd对于均值的影响大小，合理设置此参数可以兼顾驾驶绩效监测的灵敏性和稳定性。在此步骤中会计算两个由不同参数alpha定义的ewma，较小的alpha参数对应的ewma会变化的更快更灵敏，可以理解为该ewma在进行滑动平均时包含了更少的单个窗口内的sd，较大的alpha参数对应的ewma会变化的更慢更稳定，可以理解为该ewma在进行滑动平均时包含了更多的单个窗口内的sd。缓存该ewma和对应窗口内的平均速度(ewma，m_speed)用作后续baseline设置及更新。
97.a6、是否存在baseline：判断是否存在已有基准线；
98.a7、驾驶时长是否不小于10min；若小于10min，则返回执行a1-a5；若不小于10min，则执行步骤a7；
99.a8、设置/更新baseline：在步骤a4步得到的sd的ewma_1后，判断当前此次驾驶时长是否达到10min，在驾驶时长刚好达到10min时，若不存在baseline，则使用前10分钟缓存的所有(ewma，m_speed)用于估算gmm模型中的参数值，作为baseline。若已存在baseline，则使用前10分钟缓存的所有(ewma，m_speed)用于更新baseline。此处的baseline除了基于单个用户的历史数据进行设定以外，也可以依据从大量不同驾驶者采集到的数据进行估算(步骤4中缓存的(ewma，m_speed)，这样可以得到一个基于整个population(总体)采样的估算出来的baseline。可以根据实际的驾驶绩效的下游使用目的来对baseline的设定策略做选取，例如使用基于population的baseline，或者是基于单个用户的历史数据的baseline，或者二者的结合(使用population baseline作为初始值，再通过单个目标用户的历史数据进行对baseline的定制化更新调整)；
100.a9、计算驾驶绩效：判断baseline存在以后，即已有车速与转角波动的gmm模型及其参数，设定车速为当前车速后，从二维的联合概率分布函数中得到当前速度下的一维转角波动概率分布。基于该分布(转角波动的baseline_mean与baseline_sd)，将上一步得到的sd的ewma_1值用于计算z-score,i.e.,(ewma_1-baseline_mean)/baseline_sd，得到驾驶绩效，其中z-score,i.e表示实时的驾驶绩效。当驾驶绩效大于0时，说明当前驾驶绩效相较于该驾驶员的正常表现较差，且数值越大说明表现越差，当驾驶绩效小于0时，说明当前驾驶绩效相较于该驾驶员的正常表现较好。
101.a10、是否熄火：在计算驾驶绩效之后，判断是否熄火，若未熄火，则重复执行a1-a8；若已熄火，则结束上述流程。
102.本技术实施例中的上述一个或至少一个技术方案，至少具有如下技术效果：
103.基于上述技术方案，在目标车辆行驶过程中，获取目标车辆的实际车速和方向盘转角参数并进行预处理，得到所述目标车辆在时间窗口的平均方向盘转角值；再根据所述平均方向盘转角值，获取所述目标车辆在所述时间窗口的方向盘转角标准差；基于预设的高斯混合模型，得到所述目标车辆在所述实际车速下的转角波动概率分布函数；根据所述转角波动概率分布函数和所述方向盘转角标准差，确定驾驶绩效分数；由此可知，可以仅根据目标车辆的实际车速和方向盘转角参数即可确定驾驶绩效分数，而实际车速和方向盘转角参数可以通过对应的传感器实时获取，如此，在实时获取实际车速和方向盘转角参数的
基础上，从而能够实时预测出的驾驶绩效分数，且由于获取的实际车速和方向盘转角参数的精确度较高，从而能够确保预测的驾驶绩效分数的准确性。
104.针对上述实施例提供一种驾驶绩效的评估方法，本技术实施例还对应提供一种驾驶绩效的评估装置，请参考图3，该装置包括：
105.车辆参数获取单元301，用于在目标车辆行驶过程中，获取目标车辆的实际车速和方向盘转角参数；
106.数据预处理单元302，用于对所述方向盘转角参数进行预处理，得到预处理后的方向盘转角参数；
107.方向盘转角参数获取单元303，用于根据所述预处理后的方向盘转角参数，获取所述目标车辆在所述时间窗口的方向盘转角标准差；
108.转角波动数据获取单元304，用于基于预设的高斯混合模型，得到所述目标车辆在所述实际车速下的转角波动概率分布函数；
109.驾驶绩效获取单元305，用于根据所述转角波动概率分布函数和所述方向盘转角标准差，确定驾驶绩效分数。
110.在一种可选的实施方式中，所述装置还包括：
111.判断单元，用于在获取目标车辆的实际车速和方向盘转角参数之后，判断所述实际车速是否不小于设定车速；若所述实际车速不小于设定车速，则执行对所实际述车速和所述方向盘转角参数进行预处理的步骤。
112.在一种可选的实施方式中，数据预处理单元302，用于根据所述平均方向盘转角值，获取所述目标车辆在所述时间窗口的方向盘转角标准差；根据所述方向盘转角参数中的每个方向盘转角值与所述平均方向盘转角值的差值，得到所述预处理后的方向盘转角参数。
113.在一种可选的实施方式中，驾驶绩效获取单元305，用于根据所述方向盘转角标准差，获取方向盘转角的指数加权移动平均值；根据所述转角波动概率分布函数和所述指数加权移动平均值，得到所述驾驶绩效分数。
114.在一种可选的实施方式中，驾驶绩效获取单元305，用于通过指数加权移动平均法对所述方向盘转角标准差进行处理，得到所述指数加权移动平均值。
115.在一种可选的实施方式中，所述装置还包括：
116.基准线获取单元，用于在基于预设的高斯混合模型，得到所述目标车辆在所述实际车速下的转角波动概率分布函数之前，获取当前基准线；在获取到所述基准线之后，执行基于预设的高斯混合模型，得到所述目标车辆在所述实际车速下的转角波动概率分布函数的步骤。
117.在一种可选的实施方式中，所述基准线获取单元，用于若所述目标车辆的驾驶时长不小于设定时长，且未存在已有基准线，则获取所述驾驶时长内的方向盘转角的指数加权移动平均值集，以及所述目标车辆在所述驾驶时长内的平均速度集，所述平均速度集包括所述目标车辆在所述驾驶时长内的每个时间窗口的平均速度；再根据所述指数加权移动平均值集和所述平均速度集，确定所述当前基准线；若所述目标车辆的驾驶时长不小于所述设定时长，且存在所述已有基准线，则利用所述指数加权移动平均值集和所述平均速度集，对所述已有基准线进行更新，得到更新后的基准线，将所述更新后的基准线作为所述当
前基准线。
118.在一种可选的实施方式中，车辆参数获取单元301，用于在获取方向盘转角参数时，获取所述方向盘转角参数的采样频率不小于设定频率。
119.关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
120.图4是根据一示例性实施例示出的一种用于驾驶绩效的评估方法的电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
121.参照图4，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/展现(i/o)的接口812，传感器组件814，以及通信组件816。
122.处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理部件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
123.存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
124.电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
125.多媒体组件808包括在所述电子设备800和用户之间的提供一个展现接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
126.音频组件810被配置为展现和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于展现音频信号。
127.i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
128.传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
129.通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信部件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
130.在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
131.在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由电子设备800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
132.此外，需要说明的是：本技术实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或者计算机程序可以包括计算机指令，该计算机指令可以存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器可以执行该计算机指令，使得该计算机设备执行前文图1所对应实施例中驾驶绩效的评估方法的描述，因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本技术所涉及的计算机程序产品或者计算机程序实施例中未披露的技术细节，请参照本技术方法实施例的描述。
133.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本技术旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
134.应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制
135.以上所述仅为本发明的较佳实施例，并不用以限制本发明，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。