1.一种基于车联网的驾驶员疲劳驾驶监测预警方法，其特征在于，包括：

同步采集驾驶参数；所述驾驶参数包括驾驶员的心电信号、握力信号、座椅压力信号以及方向盘转角信号；

对所述驾驶参数进行预处理，并分别对所述驾驶参数进行特征提取，确定特征全集；

对所述特征全集内的特征进行归一化处理，并通过序列浮动向前选择算法对所述特征全集内的特征进行筛选，确定最优特征子集；

以所述最优特征子集作为支持向量机的输入，以驾驶员的驾驶状态作为支持向量机的输出，搭建疲劳检测模型；

根据所述疲劳检测模型确定所述驾驶员的当前驾驶状态；

利用车联网技术将所述当前驾驶状态实时传输至客户端，由所述客户端的使用人员或企业进行监控。

2.根据权利要求1所述的监测预警方法，其特征在于，所述同步采集驾驶参数，具体包括：利用心电传感器采集心电信号；其中，所述心电传感器安装在方向盘边缘底侧，用于采集驾驶员指尖的心电信号；

利用压力传感器采集握力信号；其中，所述压力传感器安装在所述方向盘的边缘外侧，用于采集驾驶员掌心对方向盘的握力信号；

利用压力坐垫传感器采集座椅压力信号；其中，所述压力坐垫传感器安装在座椅中央，用于采集驾驶员对座椅压力的分布信息；

利用方向盘转角传感器采集转角信号；其中，所述方向盘转角传感器安装在转向管柱与方向盘的连接处，用于采集方向盘的转角信号。

3.根据权利要求1所述的监测预警方法，其特征在于，所述对所述驾驶参数进行预处理，并分别对所述驾驶参数进行特征提取，确定特征全集，具体包括：对所述驾驶参数进行预处理，确定预处理后的驾驶参数；

根据所述预处理后的驾驶参数构建心电信号函数x(t)、握力信号函数y(t)、座椅压力信号函数z(t)和方向盘转角信号函数h(t)；

根据所述心电信号函数x(t)、所述握力信号函数y(t)、所述座椅压力信号函数z(t)和所述方向盘转角信号函数h(t)确定特征全集；所述特征全集包括心电信号时域特征心率、RR间期的标准差、相邻RR间期差值的均方根、握力信号时频域特征、所述座椅压力信号的正常偏移中心压力点的持续时间t、方向盘转角绝对均值、方向盘转角标准差、方向盘转角下四分位值均值以及方向盘转角上四分位值均值；

其中，根据所述心电信号函数x(t)提取心电信号时域特征心率、RR间期的标准差以及相邻RR间期差值的均方根；根据所述握力信号函数y(t)提取所述握力信号的时域以及握力信号时频域特征；其中，在所述握力信号的时域提取握力信号的均值 方差Var(x)、最大值max(x)、最小值min(x)，利用时频域小波变换方法提取第i层小波系数的平方和pi、小波系数中正系数所占的比例pri、小波系数中所有正系数的和与所有负系数的绝对值的和的比率的对数值lpnri；根据所述座椅压力信号函数z(t)提取所述座椅压力信号的正常偏移中心压力点的持续时间t；根据所述方向盘转角信号函数h(t)提取方向盘转角绝对均值、方向盘转角标准差、方向盘转角下四分位值均值和方向盘转角上四分位值均值。

4.根据权利要求1所述的监测预警方法，其特征在于，所述以所述最优特征子集作为支持向量机的输入，以驾驶员的驾驶状态作为支持向量机的输出，搭建疲劳检测模型之后，还包括：将径向基核函数作为所述特征全集内的特征从原始空间向高维线性空间映射的核函数；

利用网格寻优法确定所述径向基核函数的惩罚系数以及核变量的最优变量组合；所述最优变量组合用于保证所述疲劳检测模型的识别准确率以及泛化能力。

5.根据权利要求1所述的监测预警方法，其特征在于，所述根据所述疲劳检测模型确定所述驾驶员的当前驾驶状态之后，还包括：将所述当前驾驶状态通过GPRS通讯协议传输至车联网服务器，并将所述当前驾驶状态与所述当前驾驶车辆低于距离阈值的联网车辆进行实时共享；

根据所述当前驾驶状态对突发情况进行监测；所述突发情况包括当前驾驶车辆与联网车辆的距离小于安全距离、交通事故或驾驶员突发急性病。

6.一种基于车联网的驾驶员疲劳驾驶监测预警系统，其特征在于，包括：

驾驶参数采集模块，用于同步采集驾驶参数；所述驾驶参数包括驾驶员的心电信号、握力信号、座椅压力信号以及方向盘转角信号；

特征全集确定模块，用于对所述驾驶参数进行预处理，并分别对所述驾驶参数进行特征提取，确定特征全集；

最优特征子集确定模块，用于对所述特征全集内的特征进行归一化处理，并通过序列浮动向前选择算法对所述特征全集内的特征进行筛选，确定最优特征子集；

疲劳检测模型搭建模块，用于以所述最优特征子集作为支持向量机的输入，以驾驶员的驾驶状态作为支持向量机的输出，搭建疲劳检测模型；

当前驾驶状态确定模块，用于根据所述疲劳检测模型确定所述驾驶员的当前驾驶状态；

传输模块，用于利用车联网技术将所述当前驾驶状态实时传输至客户端，由所述客户端的使用人员或企业进行监控。

7.根据权利要求6所述的监测预警系统，其特征在于，所述驾驶参数采集模块具体包括：心电信号采集单元，用于利用心电传感器采集心电信号；其中，所述心电传感器安装在方向盘边缘底侧，用于采集驾驶员指尖的心电信号；

握力信号采集单元，用于利用压力传感器采集握力信号；其中，所述压力传感器安装在所述方向盘的边缘外侧，用于采集驾驶员掌心对方向盘的握力信号；

座椅压力信号采集单元，用于利用压力坐垫传感器采集座椅压力信号；其中，所述压力坐垫传感器安装在座椅中央，用于采集驾驶员对座椅压力的分布信息；

转角信号采集单元，用于利用方向盘转角传感器采集转角信号；其中，所述方向盘转角传感器安装在转向管柱与方向盘的连接处，用于采集方向盘的转角信号。

8.根据权利要求6所述的监测预警系统，其特征在于，所述特征全集确定模块具体包括：预处理后的驾驶参数确定单元，用于对所述驾驶参数进行预处理，确定预处理后的驾驶参数；

函数构建单元，用于根据所述预处理后的驾驶参数构建心电信号函数x(t)、握力信号函数y(t)、座椅压力信号函数z(t)和方向盘转角信号函数h(t)；

特征全集确定单元，用于根据所述心电信号函数x(t)、所述握力信号函数y(t)、所述座椅压力信号函数z(t)和所述方向盘转角信号函数h(t)确定特征全集；所述特征全集包括心电信号时域特征心率、RR间期的标准差、相邻RR间期差值的均方根、握力信号时频域特征、所述座椅压力信号的正常偏移中心压力点的持续时间t、方向盘转角绝对均值、方向盘转角标准差、方向盘转角下四分位值均值以及方向盘转角上四分位值均值；

其中，根据所述心电信号函数x(t)提取心电信号时域特征心率、RR间期的标准差以及相邻RR间期差值的均方根；根据所述握力信号函数y(t)提取所述握力信号的时域以及握力信号时频域特征；其中，在所述握力信号的时域提取握力信号的均值 方差Var(x)、最大值max(x)、最小值min(x)，利用时频域小波变换方法提取第i层小波系数的平方和pi、小波系数中正系数所占的比例pri、小波系数中所有正系数的和与所有负系数的绝对值的和的比率的对数值lpnri；根据所述座椅压力信号函数z(t)提取所述座椅压力信号的正常偏移中心压力点的持续时间t；根据所述方向盘转角信号函数h(t)提取方向盘转角绝对均值、方向盘转角标准差、方向盘转角下四分位值均值和方向盘转角上四分位值均值。

9.根据权利要求6所述的监测预警系统，其特征在于，还包括：

径向基核函数确定模块，用于将径向基核函数作为所述特征全集内的特征从原始空间向高维线性空间映射的核函数；

最优变量组合确定模块，用于利用网格寻优法确定所述径向基核函数的惩罚系数以及核变量的最优变量组合；所述最优变量组合用于保证所述疲劳检测模型的识别准确率以及泛化能力。

10.根据权利要求6所述的监测预警系统，其特征在于，还包括：

共享模块，用于将所述当前驾驶状态通过GPRS通讯协议传输至车联网服务器，并将所述当前驾驶状态与所述当前驾驶车辆低于距离阈值的联网车辆进行实时共享；

监测模块，用于根据所述当前驾驶状态对突发情况进行监测；所述突发情况包括当前驾驶车辆与联网车辆的距离小于安全距离、交通事故或驾驶员突发急性病。