1.一种识别驾驶行为的方法，其特征在于，包括：
获取第一运动数据；
确定前置规则，所述前置规则包括波动方差阈值；
基于所述前置规则，确定时间段；
获取所述时间段内的第二运动数据；以及
基于所述第二运动数据，识别驾驶行为。
2.根据权利要求1所述的方法，其特征在于，所述获取所述第二运动数据包括：
当所述第一运动数据触发所述前置规则准入时，获取特征数据；
基于所述特征数据，过滤所述第一运动数据；以及
当所述第一运动数据触发所述前置规则准出时，停止过滤所述第一运动数据。
3.根据权利要求2所述的方法，其特征在于，所述过滤第一运动数据包括：
基于机器学习模型及所述特征数据，过滤所述第一运动数据中不需要的信息。
4.根据权利要求3所述的方法，其特征在于，所述机器学习模型为摇晃二分类模型。
5.根据权利要求2所述的方法，其特征在于，所述特征数据包括加速度最大值、加速度最小值、加速度均值、加速度变换角度最大值、加速度变换角度最小值、加速度变换角度均值和/或沿三维坐标系三个方向上加速度最大值、沿三维坐标系三个方向上加速度最小值、沿三维坐标系三个方向上加速度均值。
6.根据权利要求1所述的方法，其特征在于，采用传感器获取第一运动数据，所述传感器包括陀螺仪、加速度传感器、全球定位系统定位传感器和/或者重力传感器。
7.根据权利要求1所述的方法，进一步包括基于所述第一运动数据判断设备是否正随着交通工具移动。
8.根据权利要求1所述的方法，其特征在于，所述第一运动数据包括线性加速度、角加速度和/或者姿态信息，所述姿态信息包括角色信息、角度信息、偏航信息和/或者俯仰信息。
9.根据权利要求1所述的方法，其特征在于，所述获取第二运动数据由处理器执行，所述传感器基于第一预设时间间隔产生第一运动数据，所述处理器基于第二预设时间间隔获取第一运动数据。
10.根据权利要求9所述的方法，其特征在于，所述处理器执行：
通过固定的采样频率或者变化的采样频率发送所述时间段内的第二运动数据、所述时间段给服务器。
11.一种识别驾驶行为的系统，所述系统包括获取模块、前置规则确定模块、时间确定模块、数据处理模块、通信模块和识别模块：
所述获取模块用于获取第一运动数据；
所述前置规则确定模块用于确定前置规则，所述前置规则包括波动方差阈值；
所述时间确定模块用于基于所述第一运动数据，确定时间段；
所述数据处理模块用于获取所述第二运动数据；
所述通信模块用于传输所述第二运动数据和所述时间段；以及
所述识别模块用于基于所述第二运动数据识别危险驾驶行为。
12.一种识别驾驶行为的装置，所述装置包括处理器，所述处理器执行识别程序，其特征在于，当所述识别程序被所述处理器执行时，所述处理器执行根据权利要求1-10任一所述的识别驾驶行为的方法。
13.一种计算机可读存储介质，所述存储介质存储计算机指令，其特征在于，当所述计算机指令被计算机执行时，所述计算机执行根据权利要求1-10任一所述的识别驾驶行为的方法。
14.一种驾驶行为检测方法，其特征在于，所述方法由移动终端执行，所述方法包括：
通过所述移动终端上的加速度传感器获取加速度数据；其中，所述加速度数据包括x轴，y轴和z轴分别对应的加速度数据ax、ay和az；
根据ax、ay和az的大小确定存在疑似危险驾驶行为的数据区间；
提取所述数据区间内的加速度数据；
对提取的所述加速度数据进行坐标变换，得到目标数据；其中，所述目标数据对应的x轴和y轴组成的平面为水平面，所述目标数据对应的z轴方向与重力方向相同；
按照预设的特征参数对所述目标数据进行特征提取；其中，所述特征参数至少包括以下之一：时域特征、频域特征或速度特征；以及
根据提取得到的所述特征确定是否存在危险驾驶行为。
15.根据权利要求14所述的方法，其特征在于，通过所述移动终端上的所述加速度传感器获取加速度数据的步骤，包括：
当所述移动终端激活驾驶行为检测功能时，通过所述移动终端上的所述加速度传感器获取所述加速度数据。
16.根据权利要求15所述的方法，其特征在于，所述方法还包括：
如果所述移动终端启动导航功能和/或通过网约车平台接受服务请求，激活所述驾驶行为检测功能。
17.根据权利要求14所述的方法，其特征在于，根据ax、ay和az的大小确定存在疑似危险驾驶行为的数据区间的步骤，包括：
根据ax、ay和az计算总加速度；
统计所述总加速度大于设定阈值的连续个数；以及
若所述连续个数大于设定个数，将连续的所述总加速度对应的加速度数据区间确定为所述存在疑似危险驾驶行为的数据区间。
18.根据权利要求17所述的方法，其特征在于，根据ax、ay和az计算所述总加速度，包括：
根据 计算总加速度，
或者，根据a＝ax+ay+az，计算总加速度。
19.根据权利要求14所述的方法，其特征在于，对提取的所述加速度数据进行坐标变换的步骤，包括：
对提取的所述加速度数据进行高通滤波，提取出低频的加速度数据；
将所述低频的加速度数据的方向作为重力方向；
根据所述重力方向与az方向间的角度构造旋转矩阵；以及
将提取的所述加速度数据乘以所述旋转矩阵，实现所述加速度数据的坐标变换。
20.根据权利要求19所述的方法，其特征在于，所述将提取的所述加速度数据乘以所述旋转矩阵的步骤之后，所述方法还包括：
通过奇异值分解方法，将坐标变换后的ax或ay的方向调整至当前驾驶方向。
21.根据权利要求14所述的方法，其特征在于，按照预设的特征参数对所述目标数据进行特征提取的步骤，包括：
如果所述特征参数包括时域特征，计算沿每个坐标轴的最大加速度、沿每个坐标轴的最小加速度、沿每个坐标轴的平均加速度、或沿每个坐标轴的加速度方差；
如果所述特征参数包括频域特征，通过短时傅里叶变换将所述目标数据转换为频域数据，计算所述频域数据对应的频域特征；以及
如果所述特征参数包括速度特征，沿每个坐标轴方向对所述目标数据进行积分，根据积分结果确定沿每个坐标轴的速度最大值、沿每个坐标轴的速度最小值、或沿每个坐标轴的速度终值。
22.根据权利要求21所述的方法，其特征在于，确定所述频域数据对应的频域特征的步骤，包括：
计算所述频域数据对应的高频能量值、低频能量值和低频持续时长。
23.根据权利要求14所述的方法，其特征在于，根据提取得到的所述特征确定是否存在危险驾驶行为的步骤，包括：
将提取得到的所述特征输入所述移动终端上的决策树模型；以及
输出包含是否存在危险驾驶行为的决策结果；其中，所述决策树模型是预先根据所述危险驾驶行为对应的特征参数训练得到的。
24.根据权利要求14所述的方法，其特征在于，所述方法还包括：
用于在存在危险驾驶行为的情况下，保存所述危险驾驶行为对应的加速度数据。
25.根据权利要求24所述的方法，其特征在于，所述方法还包括：
按照设定的周期，向指定服务器发送保存的所述加速度数据；或者
如果保存的所述加速度数据达到设定量，向指定服务器发送保存的所述加速度数据。
26.一种驾驶行为检测装置，其特征在于，所述装置由移动终端执行，所述装置包括：
获取模块，用于通过所述移动终端上的加速度传感器获取加速度数据；其中，所述加速度数据包括x轴、y轴和z轴分别对应的加速度数据ax、ay和az；
第一确定模块，用于根据ax、ay和az的大小确定存在疑似危险驾驶行为的数据区间；
数据提取模块，用于提取所述数据区间内的所述加速度数据；
坐标变换模块，用于对提取的所述加速度数据进行坐标变换，得到目标数据；其中，所述目标数据对应的x轴和y轴组成的平面为水平面，所述目标数据对应的z轴方向与重力方向相同；
特征提取模块，用于按照预设的特征参数对所述目标数据进行特征提取；其中，所述特征参数至少包括以下之一：时域特征、频域特征和速度特征；以及
第二确定模块，用于根据提取得到的所述特征确定是否存在危险驾驶行为。
27.根据权利要求26所述的装置，其特征在于，所述获取模块用于：
当所述移动终端激活驾驶行为检测功能时，通过移动终端上的所述速度传感器获取所述加速度数据。
28.根据权利要求27所述的装置，其特征在于，所述装置还包括：
激活模块，用于在所述移动终端启动导航功能和/或通过网约车平台接受服务订单的情况下，激活所述驾驶行为检测功能。
29.根据权利要求26所述的装置，其特征在于，所述第一确定模块包括：
计算单元，用于根据ax、ay和az计算总加速度；
统计单元，用于统计所述总加速度大于设定阈值的连续个数；以及
确定单元，用于在所述连续个数大于设定个数的情况下，将连续的所述总加速度对应的加速度数据区间确定为疑似危险驾驶行为的数据区间。
30.根据权利要求29所述的装置，其特征在于，所述计算单元用于：
根据 计算总加速度，
或者，根据a＝ax+ay+az，计算总加速度。
31.根据权利要求26所述的装置，其特征在于，所述坐标变换模块用于：
对提取的所述加速度数据进行高通滤波，提取出低频的加速度数据；
将所述低频的加速度数据的方向作为重力方向；
根据所述重力方向与az方向间的角度构造旋转矩阵；以及
将提取的所述加速度数据乘以所述旋转矩阵，实现所述加速度数据的坐标变换。
32.根据权利要求31所述的装置，其特征在于，所述装置还包括：
调整模块，用于通过奇异值分解装置，将坐标变换后的ax或ay的方向调整至当前驾驶方向。
33.根据权利要求26所述的装置，其特征在于，所述特征提取模块用于：
如果所述特征参数包括时域特征，计算沿每个坐标轴的最大加速度、沿每个坐标轴的最小加速度、沿每个坐标轴的平均加速度、或沿每个坐标轴的加速度方差；
如果所述特征参数包括频域特征，通过短时傅里叶变换将所述目标数据转换为频域数据，计算所述频域数据对应的频域特征；以及
如果所述特征参数包括速度特征，沿每个坐标轴方向对所述目标数据进行积分，根据积分结果确定沿每个坐标轴的速度最大值、沿每个坐标轴的速度最小值、或沿每个坐标轴的速度终值。
34.根据权利要求33所述的装置，其特征在于，所述特征提取模块还用于：
计算所述频域数据对应的高频能量值、低频能量值和低频持续时长。
35.根据权利要求26所述的装置，其特征在于，所述第二确定模块用于：
将提取得到的所述特征输入所述移动终端上的决策树模型；以及
输出包含是否存在危险驾驶行为的决策结果；其中，所述决策树模型是预先根据所述危险驾驶行为对应的特征参数训练得到的。
36.根据权利要求26所述的装置，其特征在于，所述装置还包括：
保存模块，用于在存在危险驾驶行为的情况下，保存所述危险驾驶行为对应的加速度数据。
37.根据权利要求36所述的装置，其特征在于，所述装置还包括：
第一发送模块，用于按照预定的周期，向指定服务器发送保存的所述加速度数据；或者第二发送模块，用于在保存的所述加速度数据达到预定的量的情况下，向指定服务器发送保存的所述加速度数据。
38.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当网络侧设备执行时，所述处理器与所述存储器之间通过总线通信，其特征在于，当所述机器可读指令被所述处理器执行时，所述处理器执行根据权利要求26-37任一所述的方法。
39.一种计算机可读介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，当所述计算机程序被处理器执行时，所述处理器执行根据权利要求26-37任一所述的方法。
40.一种系统，包括：
用于存储一组指令的存储介质；和
与所述存储介质通信地耦合的处理器，执行所述一组指令以：
从与司机驾驶的车辆相关的传感器获取驾驶数据；
基于所述驾驶数据，确定目标时段；
基于所述驾驶数据，获取所述目标时段内的目标数据；以及
基于所述目标数据，确定所述司机的危险驾驶行为的存在。
41.根据权利要求40所述的系统，其特征在于，所述驾驶数据包括加速度信息、速度信息、位置信息、时间信息或姿态信息中的至少一个。
42.根据权利要求40或41所述的系统，还包括陀螺仪、加速度传感器、全球定位系统(GPS)传感器或重力传感器中的至少一个，其中所述处理器使用所述陀螺仪、所述加速度传感器、所述全球定位系统(GPS)传感器或所述重力传感器中的至少一个，以获取所述驾驶数据。
43.根据权利要求40-42中任一项所述的系统，其特征在于，基于所述驾驶数据确定所述目标时段，所述处理器用于：
确定对应于至少两个时间点的所述驾驶数据的至少两个波动方差；以及
响应于确定所述至少两个波动方差大于方差阈值，确定所述目标时段为包含所述至少两个时间点的时段。
44.根据权利要求40-43中任一项所述的系统，其特征在于，基于所述驾驶数据，获取所述目标时段内的所述目标数据，所述处理器用于：
在所述目标时段期间确定与所述驾驶数据相关的特征数据；以及
通过基于所述特征数据和机器学习模型从所述驾驶数据中滤除无关数据来确定所述目标时段内的所述目标数据。
45.根据权利要求40-44中任一项所述的系统，其特征在于，基于所述驾驶数据，确定所述目标时段，所述处理器用于：
识别时段，对应于其中至少两个时间点的至少两个总加速度中的每一个大于加速度阈值；以及
响应于确定所述至少两个总加速度的个数大于计数阈值，确定所述时段为所述目标时段。
46.根据权利要求40-45中任一项所述的系统，其特征在于，基于所述驾驶数据，获取所述目标时段内的所述目标数据，所述处理器用于：
从所述驾驶数据获取所述目标时间内的加速度数据；
在所述加速度数据上执行坐标转换；以及
基于变换的加速度数据，获取所述目标时段内的所述目标数据。
47.根据权利要求46所述的系统，其特征在于，在所述加速度数据上执行所述坐标转换，所述处理器用于：
通过对所述目标时段内的所述加速度数据进行高通滤波，提取低频加速度数据；
指定所述低频加速度数据的方向作为重力方向；
基于所述重力方向和z轴加速度方向之间的角度确定旋转矩阵；以及
基于所述旋转矩阵对所述加速度数据执行所述坐标变换。
48.根据权利要求47所述的系统，其特征在于，所述处理器用于：
在所述坐标变换之后，基于奇异值分解法(SVD)，将x轴加速度或y轴加速度的方向调整为与所述司机相关联的车辆的行驶方向。
49.根据权利要求40-48中任一项所述的系统，其特征在于，基于所述目标数据，识别所述司机的所述危险驾驶行为的所述存在，所述处理器用于：
提取一个或以上与所述目标数据相关联的特征参数，其所述一个或一个以上特征参数包括时域特征、频域特征或速度特征中的至少一个；以及
基于所述一个或以上特征参数，识别所述危险驾驶行为的所述存在。
50.根据权利要求49所述的系统，其特征在于，所述一个或以上特征参数包含所述时域特征，提取所述一个或以上与所述目标数据相关联的特征参数，所述处理器用于：
提取所述包括沿每个坐标轴的最大加速度、沿每个坐标轴的最小加速度、沿每个坐标轴的平均加速度、或沿每个坐标轴的加速度方差的时域特征。
51.根据权利要求49或50所述的系统，其特征在于，所述一个或以上特征参数包含所述频域特征，提取所述一个或以上与所述目标数据相关联的特征参数，所述处理器用于：
通过对所述目标数据进行傅立叶变换，确定所述目标数据对应的频域特征数据；以及提取所述包括高频能量值、低频能量值或低频时长中的至少一个的频域特征。
52.根据权利要求49-51中任一项所述的系统，其特征在于，所述一个或以上特征参数包含所述速度特征，提取所述一个或以上与所述目标数据相关联的特征参数，所述处理器用于：
提取所述包括通过在所述目标数据上执行积分得到的沿每个坐标轴的速度最大值、沿每个坐标轴的速度最小值、或沿每个坐标轴的速度中值的速度特征。
53.根据权利要求49-52中任一项所述的系统，其特征在于，基于所述一个或以上特征参数，识别所述危险驾驶行为的所述存在，所述处理器用于：
使用训练后的识别模型，根据所述一个或以上特征参数，识别所述危险驾驶行为的所述存在。
54.根据权利要求40-53中任一项所述的系统，其特征在于，所述处理器用于：
根据预设频率获取所述与由所述司机驾驶的所述车辆相关联的所述驾驶数据。
55.根据权利要求40-54中任一项所述的系统，其特征在于，与所述车辆相关联的所述传感器包括与所述车辆相关联的终端设备的传感器。
56.一种在计算设备上实现的方法，包括至少一个处理器、至少一个存储介质、以及连接到网络的通信平台，所述方法包括：
从与司机驾驶的车辆相关的传感器获取驾驶数据；
基于所述驾驶数据确定目标时段；
基于所述驾驶数据，获取所述目标时段内的目标数据；以及
基于所述目标数据，识别所述司机的危险驾驶行为的存在。
57.根据权利要求56所述的方法，其中所述驾驶数据包括加速度信息、速度信息、位置信息、时间信息或姿态信息中的至少一个。
58.根据权利要求56或57所述的方法，还包括使用陀螺仪、加速度传感器、全球定位系统(GPS)传感器或重力传感器中的至少一个来获取所述驾驶数据。
59.根据权利要求56-58中任一项所述的方法，其特征在于，所述基于所述驾驶数据，确定所述目标时段包括：
确定对应于至少两个时间点的所述驾驶数据的至少两个波动方差；以及
响应于确定所述至少两个波动方差大于方差阈值，确定所述目标时段为包含所述至少两个时间点的时段。
60.根据权利要求56-59中任一项所述的方法，其特征在于，所述根据所述驾驶数据，获取所述目标时段内的所述目标数据包括：
在所述目标时段期间确定与所述驾驶数据相关的特征数据；以及
通过基于所述特征数据和机器学习模型从所述驾驶数据中滤除无关数据来确定所述目标时段内的所述目标数据。
61.根据权利要求56-60中任一项所述的方法，其特征在于，所述基于所述驾驶数据，确定所述目标时段包括：
识别时段，对应于其中至少两个时间点的至少两个总加速度中的每一个大于加速度阈值；以及
响应于确定所述至少两个总加速度的个数大于计数阈值，确定所述时段为所述目标时段。
62.根据权利要求56-61中任一项所述的方法，其特征在于，所述基于所述驾驶数据，获取所述目标时段内的所述目标数据包括：
从所述驾驶数据中所述目标获取加速度数据时；
在所述加速度数据上执行坐标转换；和
基于变换的加速度数据，获取所述目标时段内的所述目标数据。
63.根据权利要求62所述的方法，其特征在于，所述在所述加速度数据上执行所述坐标转换包括：
通过对所述目标时段内的所述加速度数据进行高通滤波，提取低频加速度数据；
指定所述低频加速度数据的方向作为重力方向；
基于所述重力方向和z轴加速度方向之间的角度确定旋转矩阵；以及
基于所述旋转矩阵对所述加速度数据执行所述坐标变换。
64.根据权利要求63所述的方法，其特征在于，所述方法还包括：
在所述坐标变换之后，基于奇异值分解法(SVD)，将x轴加速度或y轴加速度的方向调整为与所述司机相关联的车辆的行驶方向。
65.根据权利要求56-64中任一项所述的方法，其特征在于，所述基于所述目标数据，识别所述司机的所述危险驾驶行为的所述存在包括：
提取一个或以上与所述目标数据相关联的特征参数，其所述一个或一个以上特征参数包括时域特征、频域特征或速度特征中的至少一个；以及
根据所述一个或以上特征参数，识别所述危险驾驶行为的所述存在。
66.根据权利要求65所述的方法，其特征在于，所述一个或以上特征参数包含所述时域特征，以及所述提取所述一个或以上与所述目标数据相关联的特征参数包括：
提取所述包括沿每个坐标轴的最大加速度、沿每个坐标轴的最小加速度、沿每个坐标轴的平均加速度、或沿每个坐标轴的加速度方差的时域特征。
67.根据权利要求65或66所述的方法，所述一个或以上特征参数包含所述频域特征，以及所述提取所述一个或以上与所述目标数据相关联的特征参数包括：
通过对所述目标数据进行傅立叶变换，确定所述目标数据对应的频域特征数据；以及提取所述包括高频能量值、低频能量值或低频时长中的至少一个的频域特征。
68.根据权利要求65-67中任一项所述的方法，所述一个或以上特征参数包含所述速度特征，以及所述提取所述一个或以上与所述目标数据相关联的特征参数包括：
提取所述包括通过在所述目标数据上执行积分得到的沿每个坐标轴的速度最大值、沿每个坐标轴的速度最小值、或沿每个坐标轴的速度中值的速度特征。
69.根据权利要求65-68中任一项所述的方法，其特征在于，所述基于所述一个或以上特征参数，识别所述危险驾驶行为的所述存在包括：
使用训练后的识别模型，根据所述一个或以上特征参数，识别所述危险驾驶行为的所述存在。
70.根据权利要求56-69中任一项所述的方法，其特征在于，所述方法还包括：
根据预设频率获取所述与由所述司机驾驶的所述车辆相关联的所述驾驶数据。
71.根据权利要求56-70中任一项所述的方法，其特征在于，与所述车辆相关联的所述传感器包括与所述车辆相关联的终端设备的传感器。
72.一种系统，包括：
获取模块，被配置为从与司机驾驶的车辆相关的传感器获取驾驶数据；
目标时段确定模块，被配置为基于所述驾驶数据确定目标时段；
目标数据确定模块，被配置为基于所述驾驶数据，获取所述目标时段内的目标数据；以及
识别模块，被配置为基于所述目标数据，识别所述司机的危险驾驶行为的存在。
73.根据权利要求72所述的系统，其中所述驾驶数据包括加速度信息、速度信息、位置信息、时间信息或姿态信息中的至少一个。
74.根据权利要求72或73所述的系统，还包括陀螺仪、加速度传感器、全球定位系统(GPS)传感器或重力传感器中的至少一个，其中所述处理器使用所述陀螺仪、所述加速度传感器、所述全球定位系统(GPS)传感器或所述重力传感器中的至少一个，以获取所述驾驶数据。
75.根据权利要求72-74中任一项所述的系统，其特征在于，基于所述驾驶数据，确定所述目标时段，所述目标时段确定模块被配置为：
确定对应于至少两个时间点的所述驾驶数据的至少两个波动方差；以及
响应于确定所述至少两个波动方差大于方差阈值，确定所述目标时段为包含所述至少两个时间点的时段。
76.根据权利要求72-75中任一项所述的系统，其特征在于，基于所述驾驶数据，获取所述目标时段内的所述目标数据，所述目标数据确定模块被配置为：
在所述目标时段期间确定与所述驾驶数据相关的特征数据；以及
通过基于所述特征数据和机器学习模型从所述驾驶数据中滤除无关数据来确定所述目标时段内的所述目标数据。
77.根据权利要求72-76中任一项所述的系统，其特征在于，基于所述驾驶数据，确定所述目标时段，所述目标时段确定模块被配置为：
识别时段，对应于其中至少两个时间点的至少两个总加速度中的每一个大于加速度阈值；以及
响应于确定所述至少两个总加速度的个数大于计数阈值，确定所述时段为所述目标时段。
78.根据权利要求72-77中任一项所述的系统，其特征在于，基于所述驾驶数据，获取所述目标时段内的所述目标数据，所述目标数据确定模块被配置为：
从所述驾驶数据获取所述目标时间内的加速度数据；
在所述加速度数据上执行坐标转换；以及
基于变换的加速度数据，获取所述目标时段内的所述目标数据。
79.根据权利要求78所述的系统，其特征在于，在所述加速度数据上执行所述坐标转换，所述目标数据确定模块被配置为：
通过对所述目标时段内的所述加速度数据进行高通滤波，提取低频加速度数据；
指定所述低频加速度数据的方向作为重力方向；
基于所述重力方向和z轴加速度方向之间的角度确定旋转矩阵；以及
基于所述旋转矩阵对所述加速度数据执行所述坐标变换。
80.根据权利要求79所述的系统，其中所述目标数据确定模块进一步被配置为：
在所述坐标变换之后，基于奇异值分解法(SVD)，将x轴加速度或y轴加速度的方向调整为与所述司机相关联的车辆的行驶方向。
81.根据权利要求72-80中任一项所述的系统，其特征在于，基于所述目标数据，识别所述司机的所述危险驾驶行为的所述存在，所述识别模块被配置为：
提取一个或以上与所述目标数据相关联的特征参数，其所述一个或一个以上特征参数包括时域特征、频域特征或速度特征中的至少一个；以及
基于所述一个或以上特征参数，识别所述危险驾驶行为的所述存在。
82.根据权利要求81所述的系统，其特征在于，所述一个或以上特征参数包含所述时域特征，提取所述一个或以上与所述目标数据相关联的特征参数，所述识别模块被配置为：
提取所述包括沿每个坐标轴的最大加速度、沿每个坐标轴的最小加速度、沿每个坐标轴的平均加速度、或沿每个坐标轴的加速度方差的时域特征。
83.根据权利要求81或82所述的系统，其特征在于，所述一个或以上特征参数包含所述频域特征，提取所述一个或以上与所述目标数据相关联的特征参数，所述识别模块被配置为：
通过对所述目标数据进行傅立叶变换，确定所述目标数据对应的频域特征数据；以及提取所述包括高频能量值、低频能量值或低频时长中的至少一个的频域特征。
84.根据权利要求81-83中任一项所述的系统，其特征在于，所述一个或以上特征参数包含所述速度特征，提取所述一个或以上与所述目标数据相关联的特征参数，所述识别模块被配置为：
提取所述包括通过在所述目标数据上执行积分得到的沿每个坐标轴的速度最大值、沿每个坐标轴的速度最小值、或沿每个坐标轴的速度中值的速度特征。
85.根据权利要求81-84中任一项所述的系统，其特征在于，所述基于所述一个或以上特征参数，识别所述危险驾驶行为的所述存在，所述识别模块被配置为：
使用训练后的识别模型，根据所述一个或以上特征参数，识别所述危险驾驶行为的所述存在。
86.根据权利要求72-85中任一项所述的系统，其中所述获取模块被配置为：
根据预设频率获取所述与所述由所述司机驾驶的车辆相关联的所述驾驶数据。
87.根据权利要求72-86中任一项所述的系统，其特征在于，与所述车辆相关联的所述传感器包括与所述车辆相关联的终端设备的传感器。
88.一种非暂时性计算机可读介质，包括可执行指令，当由至少一个处理器执行时，指示所述至少一个处理器执行方法，所述方法包括：
从与司机驾驶的车辆相关的传感器获取驾驶数据；
基于所述驾驶数据，确定目标时段；
基于所述驾驶数据，获取所述目标时段内的目标数据；以及
基于所述目标数据，确定所述司机的危险驾驶行为的存在。