道路交通安全问题一直是人们出行关注的重点,然而大量异常驾驶行为的存在却给道路交通带来了严重的安全隐患。相关数据显示异常驾驶行为的产生一般是由驾驶人的不良驾驶习惯所致,而有效的监督和提醒机制对于改善驾驶人的不良驾驶习惯有着重要的作用。智能手机拥有丰富的传感器资源和强大的计算能力,使得其在各个领域都得到了广泛的使用。基于以上研究背景,本文设计了一种基于Android智能手机的异常驾驶行为检测系统,提醒和监督驾驶人的异常驾驶行为,改善驾驶人的不良驾驶习惯。首先,本文研究了利用智能手机获取的行车数据中掺杂的各种噪声,分析了数据误差的来源,设计了基于椭圆滤波器的五阶IIR低通滤波算法对原始的运动传感器数据进行预处理,通过仿真实验验证了该滤波算法能够较好的消除噪声。其次,本文分析了典型的异常驾驶行为反应在加速度计和陀螺仪各个数据轴上的特征,通过实验提取了最能表征异常驾驶行为的20个特征值,并将这些特征值作为BP神经网络的输入向量,实现了异常驾驶行为的检测与分类;此外,论文针对检测中各种异常驾驶行为持续时间并不固定的问题,提出了一种基于y轴和z轴合成加速度的平均能量端点检测算法来计算候选驾驶行为事件的起止点,通过仿真实验验证了该端点检测算法的有效性。最后,本文设计和实现了基于Android智能手机的异常驾驶行为检测系统,该系统主要由检测模块、录制模块、总结模块和显示模块组成。在实验测试场景下,对该系统的性能进行了测试。测试结果表明,该系统对急加速、急减速、急转弯、紧急变道和S型行车这五种典型的异常驾驶行为具有较高的检测准确率。