1.一种电子装置，其特征在于，所述电子装置包括存储器、及与所述存储器连接的处理器，所述处理器用于执行所述存储器上存储的基于用户驾驶行为的安全预警程序，所述基于用户驾驶行为的安全预警程序被所述处理器执行时实现如下步骤：A、获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；

B、根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；

C、若确定该用户的基于用户驾驶行为的安全预警值大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述服务端将所述告警信息发送至其他用户，所述告警信息携带有该用户的身份标识信息或者车辆标识信息，所述告警信息还包括对行驶状态异常的简要描述；

所述获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息的步骤，包括：

向安装在车俩中的行车记录仪发送获取路况信息以及速度信息的指令，以获取车辆中安装的行车记录仪采集的车辆行驶过程中的路况信息以及速度信息，所述路况信息包括所述车辆行驶范围内的道路路基的类型、路面的坑洼程度、道路周围建筑高矮以及道路交通情况，所述道路交通情况包括道路上行驶的车辆密集情况、人流密集情况、道路交通堵塞的程度及所述车辆行驶过程中的影像和声音，所述速度信息包括速度、加速度、角度以及角速度。

2.如权利要求1所述的电子装置，其特征在于，所述基于用户驾驶行为的安全预警模型神经网络模型，所述基于用户驾驶行为的安全预警模型包括模型的训练过程和测试过程；

所述模型的训练过程包括如下步骤：

E、采集预设次数的该用户行驶过程中的路况信息和速度信息，并将预设数量的路况信息和速度信息分为预设比例的训练样本集和测试样本集；

F、将训练样本集中的路况信息和速度信息分别代入神经网络模型，进行训练，以得到训练好的基于用户驾驶行为的安全预警模型；

G、利用所述测试样本集中的各次行驶过程中的路况信息和速度信息对所述基于用户驾驶行为的安全预警模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练样本集中训练样本的数量，重复执行上述步骤E、F、G。

3.如权利要求2所述的电子装置，其特征在于，所述模型的测试过程如下步骤：利用训练好的基于用户驾驶行为的安全预警模型对所述测试样本集中的路况信息和速度信息进行分析，以得到各次行驶过程中的基于用户驾驶行为的安全预警值；

若有出行过程中的路况信息和速度信息对应的基于用户驾驶行为的安全预警值大于预设的评分阈值，则确定本次为异常驾驶行为，针对该异常驾驶行为进行模型准确性测试；

将该异常驾驶行为对应的路况信息以及速度信息按照当前道路安全行驶规则进行分析处理，确定本次驾驶是否为异常驾驶行为；

若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为异常驾驶行为，则确定针对该驾驶行为的模型准确性测试的结果为正确，或者，若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为正常驾驶行为，则确定针对该驾驶行为的模型准确性测试的结果为错误；

若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试不通过。

4.如权利要求3所述的电子装置，其特征在于，所述当前道路安全行驶规则为从预先确定的数据中调取预先存储的当前道路行驶规则，所述异常驾驶行为包括超速行驶、违规超车、单行线逆行、大货车上路或者是非共公交车驶入公交专用道。

5.一种基于用户驾驶行为的安全预警方法，其特征在于，所述方法包括如下步骤：S1、获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；

S2、根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；

S3、若确定该用户的基于用户驾驶行为的安全预警值大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述服务端将所述告警信息发送至其他用户，所述告警信息携带有该用户的身份标识信息或者车辆标识信息，所述告警信息还包括对行驶状态异常的简要描述；

所述获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息的步骤，包括：

向安装在车俩中的行车记录仪发送获取路况信息以及速度信息的指令，以获取车辆中安装的行车记录仪采集的车辆行驶过程中的路况信息以及速度信息，所述路况信息包括所述车辆行驶范围内的道路路基的类型、路面的坑洼程度、道路周围建筑高矮以及道路交通情况，所述道路交通情况包括道路上行驶的车辆密集情况、人流密集情况、道路交通堵塞的程度及所述车辆行驶过程中的影像和声音，所述速度信息包括速度、加速度、角度以及角速度。

6.如权利要求5所述的基于用户驾驶行为的安全预警方法，其特征在于，所述基于用户驾驶行为的安全预警模型神经网络模型，所述基于用户驾驶行为的安全预警模型包括模型的训练过程和测试过程；

所述模型的训练过程包括如下步骤：

E、采集预设次数的该用户行驶过程中的路况信息和速度信息，并将预设数量的路况信息和速度信息分为预设比例的训练样本集和测试样本集；

F、将训练样本集中的路况信息和速度信息分别代入神经网络模型，进行训练，以得到训练好的基于用户驾驶行为的安全预警模型；

G、利用所述测试样本集中的各次行驶过程中的路况信息和速度信息对所述基于用户驾驶行为的安全预警模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练样本集中训练样本的数量，重复执行上述步骤E、F、G。

7.如权利要求6所述的基于用户驾驶行为的安全预警方法，其特征在于，所述模型的测试过程如下步骤：

利用训练好的基于用户驾驶行为的安全预警模型对所述测试样本集中的路况信息和速度信息进行分析，以得到各次行驶过程中的基于用户驾驶行为的安全预警值；

若有出行过程中的路况信息和速度信息对应的基于用户驾驶行为的安全预警值大于预设的评分阈值，则确定本次为异常驾驶行为，针对该异常驾驶行为进行模型准确性测试；

将该异常驾驶行为对应的路况信息以及速度信息按照当前道路安全行驶规则进行分析处理，确定本次驾驶是否为异常驾驶行为；

若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为异常驾驶行为，则确定针对该驾驶行为的模型准确性测试的结果为正确，或者，若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为正常驾驶行为，则确定针对该驾驶行为的模型准确性测试的结果为错误；

若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试不通过。

8.一种计算机可读存储介质，所述计算机可读存储介质存储有基于用户驾驶行为的安全预警程序，所述基于用户驾驶行为的安全预警程序可被至少一个处理器执行，以使所述至少一个处理器执行如权利要求5‑7中任一项所述的基于用户驾驶行为的安全预警方法的步骤。