驾驶员的驾驶行为是影响道路交通安全的重要因素之一,随着智能手机的终端设备的出现和发展,从终端设备方面为驾驶行为识别的研究更为便捷。智能移动手机作为人们随身携带的终端设备,普及率、使用率较高,且终端内的嵌入式传感器种类丰富,非常适用于驾驶行为的检测识别。因此,在现有的研究基础上,本文对基于终端传感器的驾驶行为识别相关技术进行了进一步的深入研究与探索,对此本文做了以下两方面的研究:第一,提出一种基于终端传感器的水平姿态融合校准的算法。在实际中,使用终端传感器识别驾驶员的驾驶行为时,大多对于终端在车内的摆放姿态、位置等能反映车辆真实信息有严格的要求。此外,不同生产商采用的运动传感器来源不同,导致运动传感器采集的数据精确度性能差异较大,不利于使用。本文针对终端运动传感器采集的数据,分析了 5种不同型号的终端设备内置运动传感器之间的姿态差异,设计了基于终端传感器的水平姿态融合校准算法,消除了不同型号的传感器差异并提升了数据精度,实现了传感器的姿态融合和数据校准,使其更准确地表示车体的运动状态。第二,提出一种基于终端传感器的驾驶行为分类识别的算法。本文基于终端传感器的数据,分析了多种驾驶行为状态的特征,并提出了正常和危险驾驶行为的划分规则;优化并应用本文所提出的水平姿态融合校准算法,选用机器学习分类算法中训练稀疏数据效果较好的XGBoost算法,设计并实现了一种基于终端传感器的驾驶行为识别的算法。实验结果表明,本文所提出的算法成功预测识别了多种类型的驾驶行为,准确率、召回率等性能较高,具有很好的自适应性和实际应用前景。最后,本文对整体的算法框架进行优化融合,验证上述所提两个算法的鲁棒性。设计了一种流式输入的驾驶行为识别算法,优化融合上述两个算法,并进行了整体平台的联合测试。测试结果表明,算法成功地实现了基于终端传感器数据的驾驶行为流式识别的可达方案,验证了本文所提出的基于终端传感器的水平姿态融合校准算法和驾驶行为识别算法具有很好的准确性、普适性、自适应性和广阔的实际应用前景。