概述
通过车载设备、用户手机和穿戴设备的传感器，获取车辆和驾驶员相关数据，通过数据分析模型和大数据实时计算等手段，对驾驶行为和驾驶技术进行实时监测和智能评估，对于交通事故减少、驾驶技术提升，以及UBI定价等方面，都有重要的参考价值。从社会环境和经济价值上看，降低行车事故发生率，降低车辆保费和燃油成本，这些方面都是积极正面的。
相关方分析
-
车厂
通过IVI、TBOX、C-Link、OBD、ADAS等终端数据采集并上传云端分析，使汽车具备实时驾驶行为分析与安全行车提示、精确燃油经济性分析、节能驾驶指导等功能。为车厂提供车联网大数据服务，提升用户对产品更省油、更安全的品牌认知。
-
保险
通过精准的驾驶行为分析，将车主数据从原始的理赔数据向驾驶数据迁移拓展，为保险公司提供新的保费计算参数，助力保险公司重构精算模型，降低理赔风险，提高车险盈利，增强用户粘性。
-
车队
驾驶行为分析为车队员工的绩效及工作质量管理提供新的方式，促进车队盈利能力提升，员工驾驶技术提升，降低车队的保费支出。
-
个人
通过手机和穿戴设备传感器的数据采集，获取车辆行驶状态和驾驶员状态，包括车辆速度、加速度、驾驶员心率和心律状态、语言情感状态等信息，通过多种手段，包括分析车辆状态、驾驶员情绪（愤怒和极度悲伤时心率快且心律不稳）、NLP情感分析（sentiment analysis）等对个人驾驶行为进行多维度个性化分析，引导驾驶人改善驾驶行为，降低行车风险。
危险驾驶行为
| 行为 | 说明 | 标准 |
|---|---|---|
| 急加速（Harsh acceleration） | 一级加速：每秒时速差>10KM/h；二级加速：>8KM/h; 三级加速：>6KM/h，持续2秒以上 | |
| 急减速（Harsh braking） | 一级减速：每秒时速差>10KM/h；二级减速：>8KM/h; 三级减速：>6KM/h，持续2秒以上 | |
| 频繁刹车（Frequent braking） | ||
| 超速行驶（Speeding） | 一级超速：超过道路限速50%以上；二级超速：超过20%以上；三级超速：超过10%以上 | |
| 高速转弯（Harsh high speed turning） | 车辆重心高低影响不同转弯角度下最大转弯车速 | |
| 慢速行驶（Slow driving） | 行驶速度低于道路最低限速，常见于高速道路 | |
| 频繁停车（Frequent stopping） | ||
| 疲劳驾驶（Fatigued driving） | 通过穿戴设备CPC（ CardioPulmonary Coupling心肺耦合图谱）分析，达到类似EEG（ Electroencephalogram脑电波）分析的效果，判断驾驶员疲劳程度 |
车辆检测方法
-
急加减速、超速/慢速行驶
周期性采集车辆经纬度，从地图信息中获取车辆位置所在路段限速，在给定时间窗内判断急加减速和超速/慢速行驶行为次数。
-
疲劳驾驶检测
传统的基于车辆行为的疲劳驾驶检测较为简单，主要通过驾驶时间、方向盘转动频率、踩刹车和油门的频率等方式，另外，可借助前置摄像头，检测前方道路状况的单调性，间接估计驾驶员疲劳程度。此类方法通常精度不高，且欠缺灵敏度。
驾驶员检测方法
-
生理状态检测
目前在穿戴设备可检测的生理状态包括心率、心律和心电信号。心率和心律会反应一个人的生理情况和情绪情况，例如驾驶员瞌睡时，心率下降心律稳定；当愤怒或者悲伤时，心率提高心律不稳等等。甚至可以通过某些穿戴设备的CPC分析功能，提供更详细精确的生理状况分析。
-
面部图像识别
通过采集驾驶员面部特征变化来判断疲劳，主要包括瞳孔大小、眨眼频率、眼睛转动速度、眼睛闭合度、闭眼时间占比等等，通过简单的逻辑回归算法或者复杂的卷积神经网络（CNN），都可以做到判断驾驶员是否疲劳。缺点是需要较多的训练数据，而且摄像头对准驾驶员脸部会给驾驶员带来心理不适感。
-
语音识别(speech recognition)和情感分析(sentiment analysis)
具有危险驾驶行为的驾驶员通常伴随着严重的路怒症的，并且不吐不快，不骂不爽。通过对驾驶员的说话语音识别和情感分析，可以获知当前驾驶员的情绪状态。通过递归神经网络（RNN）和迁移学习（transfer learning）等手段，检测驾驶员情绪状态。
总结
驾驶行为分析包含多种行为内容和检测手段，根据使用场景的不同，以及硬件条件的不同，各种行为内容会有不同的权重，最终的驾驶行为打分可能根据不同的驾驶行为以线性函数(linear function)方式展示，也有可能以高阶多项式函数（high-degree polynomial function）方式展示，并无标准的公式可供套用。