1.一种驾驶行为评分方法，其特征在于，包括以下步骤：获取待评分行程的车辆行驶数据，其中，所述车辆行驶数据包括多个指标项的报警参数值；

根据每个指标项的报警参数值确定每个指标项的第一评分；

对每个指标项的第一评分进行加权求和，以得到所述待评分行程的第一评分结果；

根据预先训练的神经网络模型和每个指标项的报警参数值确定所述待评分行程的状态类型；

根据预设评分调整标准和所述状态类型对所述待评分行程的第一评分结果和每个指标项的第一评分进行调整，以生成所述待评分行程的第二评分结果和每个指标项的第二评分，作为对所述驾驶行为的评分结果。

2.如权利要求1所述的方法，其特征在于，所述根据预设评分调整标准和所述状态类型对所述待评分行程的第一评分结果和每个指标项的第一评分进行调整，以生成所述待评分行程的第二评分结果和每个指标项的第二评分，包括：在所述状态类型为第一类型时，判断所述待评分行程的第一评分结果是否大于预设阈值；

如果是，则生成第一随机数，并将所述预设阈值与第一随机数的差值作为调整后的所述待评分行程的第二评分结果，其中，所述第一随机数的范围为大于0且小于1；

将所述待评分行程的第一评分结果和第二评分结果之间的差值，作为第一评分差值；

根据所述第一评分差值和每个指标项的权重分别确定每个指标项的第一中间分数；

将每个指标项的第一评分与第一中间分数的差值作为每个指标项的第二评分。

3.如权利要求2所述的方法，其特征在于，所述根据预设评分调整标准和所述状态类型对所述待评分行程的第一评分结果和每个指标项的第一评分进行调整，以生成所述待评分行程的第二评分结果和每个指标项的第二评分，包括：在所述状态类型为第二类型时，判断所述待评分行程的第一评分结果是否小于所述预设阈值；

如果是，则生成第二随机数，并将所述预设阈值与第二随机数的和作为调整后的所述待评分行程的第二评分结果，其中，所述第二随机数的范围为大于0且小于1；

将所述待评分行程的第一评分结果和第二评分结果之间的差值，作为第二评分差值；

根据所述第二评分差值和每个指标项的权重分别确定每个指标项的第二中间分数；

将每个指标项的第一评分与第二中间分数的和作为每个指标项的第二评分。

4.如权利要求1-3中任一项所述的方法，其特征在于，所述根据每个指标项的报警参数值确定每个指标项的第一评分，包括：根据预设特征模型和每个指标项的报警参数值，确定每个指标项的危险驾驶概率、安全驾驶概率和权重；

根据每个指标项的危险驾驶概率和安全驾驶概率分别确定每个指标项的安全倾向性概率；

根据每个指标项的安全倾向性概率分别确定每个指标项的第一评分；

所述对每个指标项的第一评分进行加权求和，以得到所述待评分行程的第一评分结果，包括：根据每个指标项的第一评分和权重计算所述待评分行程的第一评分结果。

5.如权利要求4所述的方法，其特征在于，在所述获取待评分行程的车辆行驶数据之前，还包括：根据是否发生碰撞对车辆样本行驶数据进行划分，以得到发生碰撞事件的发生碰撞报警数据集和未发生碰撞事件的未发生碰撞报警数据集，其中，所述车辆样本行驶数据包括真实碰撞信息和多个样本指标项的样本指标报警数据；

针对所述发生碰撞事件，根据所述发生碰撞报警数据集中的车辆样本行驶数据计算每个样本指标项的第一平均值和第一标准差；

针对所述未发生碰撞事件，根据所述未发生碰撞报警数据集中的车辆样本行驶数据计算每个样本指标项的第二标准差和第二平均值；

根据所述车辆样本行驶数据中每个样本指标项的第一标准差、第一平均值、第二标准差和第二平均值和真实碰撞信息，建立所述预设特征模型。

6.如权利要求5所述的方法，其特征在于，所述根据所述车辆样本行驶数据中每个样本指标项的第一标准差、第一平均值、第二标准差和第二平均值和真实碰撞信息，建立所述预设特征模型，包括：根据所述车辆样本行驶数据中每个样本指标项的第一标准差、第一平均值、第二标准差和第二平均值确定每个样本指标项的危险驾驶概率和安全驾驶概率；

根据每个样本指标项的危险驾驶概率与安全驾驶概率确定每个样本指标项的碰撞预测结果；

根据所述真实碰撞信息和每个样本指标项的碰撞预测结果，确定每个样本指标项的碰撞预测准确度；

根据每个样本指标项的碰撞预测准确度分别计算每个样本指标的权重。

7.如权利要求6所述的方法，其特征在于，所述根据所述真实碰撞信息和每个样本指标项的碰撞预测结果，确定每个样本指标项的碰撞预测准确度，包括：根据每个样本指标项的碰撞预测结果和所述真实碰撞信息生成每个样本指标项的混淆矩阵；

根据每个样本指标项的混淆矩阵分别确定每个样本指标项的碰撞预测准确度。

8.如权利要求5-7中任一项所述的方法，其特征在于，还包括：每间隔预设时间段采集所述车辆样本行驶数据；

根据所述车辆样本行驶数据更新所述预设特征模型和所述预先训练的神经网络模型。

9.如权利要求8所述的方法，其特征在于，所述根据预设特征模型和每个指标项的报警参数值，确定每个指标项的危险驾驶概率、安全驾驶概率，包括：根据每个指标项的报警参数值、所述预设特征模型中的所述第一标准差和所述第一平均值计算每个指标项的安全驾驶概率；

根据每个指标项的报警参数值、所述预设特征模型中的所述第二标准差和所述第二平均值计算计算每个指标项的危险驾驶概率。

10.一种驾驶行为评分装置，其特征在于，包括：

获取模块，用于获取待评分行程的车辆行驶数据，其中，所述车辆行驶数据包括多个指标项的报警参数值；

第一确定模块，用于根据每个指标项的报警参数值确定每个指标项的第一评分；

求和模块，用于对每个指标项的第一评分进行加权求和，以得到所述待评分行程的第一评分结果；

第二确定模块，用于根据预先训练的神经网络模型和每个指标项的报警参数值确定所述待评分行程的状态类型；

生成模块，用于根据预设评分调整标准和所述状态类型对所述待评分行程的第一评分结果和每个指标项的第一评分进行调整，以生成所述待评分行程的第二评分结果和每个指标项的第二评分，作为对所述驾驶行为的评分结果。