1.一种基于综合模型检测驾驶员风险等级的方法，其特征在于，包括以下步骤：步骤一，对驾驶员的速度数据采集，得到驾驶行为序列以及驾驶员风险等级；

步骤二，反复迭代训练综合模型，确定模型各参数，得到综合模型；

步骤三，用训练出来的综合模型检测待识别的驾驶行为序列；

步骤四，将检测结果在预设时间段内统计，得到该驾驶员预设置信度下最终的风险等级判定结果。

2.根据权利要求1所述的一种基于综合模型检测驾驶员风险等级的方法，其特征在于，步骤一中，根据速度数据计算车辆的加速度数据，加速度数据的计算方法如下：vt为t时刻的速度，vt-1为t-1时刻的速度，Δt为时间间隔，根据车辆的GPS数据获得，at为t时段的平均加速度。

3.根据权利要求1所述的一种基于综合模型检测驾驶员风险等级的方法，其特征在于，步骤一中，确定驾驶行为时，首先根据驾驶员的速度数据对驾驶员的加速信息进行分析，再根据加速信息将驾驶员行为分为若干种，根据车辆内置的报警系统，采集驾驶人的报警次数，通过K-means聚类出驾驶人的风险等级。

4.根据权利要求1所述的一种基于综合模型检测驾驶员风险等级的方法，其特征在于，步骤一中，建立的综合模型包括：隐状态数目为N，隐状态集合为Q＝{q1，q2，q3}，分别对应于低风险等级、中风险等级、高风险等级；

观察状态数目M，观察状态集合为V＝{v1，v2，...v5}，分别对应于快减速、慢减速、正常驾驶、慢加速、快加速；

隐状态序列为i1，i2，...iT，观察序列为o1，o2，...oT，T为驾驶行为序列的长度；

输出概率矩阵B，B＝bj(ok)＝P(ot＝vk|it＝qj)，1≤i≤3，1≤k≤5表示t时刻的隐状态为qj时产生的观察值为vk的概率，矩阵B反应了隐状态与观察值之间的关系；

观察值转移概率矩阵C， 表示风险等级为qj的驾

驶员观察值由vk转变为vl的概率，j＝1，2，3；

初始状态分布概率为π＝{πi}，1≤i≤3，

5.根据权利要求1所述的一种基于综合模型检测驾驶员风险等级的方法，其特征在于，步骤二中，训练稳定的综合模型的方法为：将每种风险等级的驾驶员驾驶行为作为综合模型的输入，求解综合模型的模型参数。

6.根据权利要求1所述的一种基于综合模型检测驾驶员风险等级的方法，其特征在于，步骤三中，利用训练出来综合模型对驾驶行为序列进行识别，输出结果为选择概率最大的综合模型所对应的风险等级作为该驾驶行为序列的识别结果，其中，Pi为在驾驶行为序列O和模型参数λ的条件下，t时刻隐状态it为风险等级qi的概率；αt(i)是指t时刻i状态的前向概率，βt(i)是指t时刻i状态的后向概率。

7.根据权利要求1所述的一种基于综合模型检测驾驶员风险等级的方法，其特征在于，步骤四的具体方法如下：第一步，根据T长度的驾驶行为序列识别结果判断短时间段内驾驶员的风险等级，判断方法如下：其中， 为短时间内驾驶员风险等级的识别结果， 分别表示低风险等级、中风险等级和高风险等级，P1、P2、P3分别表示通过综合模型将待测驾驶行为序列识别为低风险等级、中风险等级和高风险等级的概率；

第二步，根据短时间段内驾驶员风险等级的判断结果，计算长时间内三种风险等级的数量，计算公式如下：n1是在长时间段内被识别为低风险等级的序列的数量，n2是在长时间段内被识别为中风险等级的序列数量，n3是在长时间段内被识别为高风险等级的序列的数量，n为总数，xj用作计数；

第三步，根据长时间内三种风险等级的数量，计算各风险等级的比例，计算公式如下：k1、k2、k3分别表示长时间段内低风险等级、中风险等级、高风险等级的识别比例；

第四步，用信息熵表示随机变量的不确定性，计算公式如下：令C＝1-H，表示驾驶员风险等级的置信度，C值越大，置信度越高；

第五步，在置信度为C的情况下，驾驶员长时间段内的风险等级判断方法如下：表示驾驶员长时间段风险等级识别结果，I1、I2、I3分别表示低风险等级、中风险等级和高风险等级。