1.一种适应人自混杂环境的骑行者意图辨识方法，其特征在于，包括以下步骤：

步骤S1、获取目标车骑行者的状态参数及目标车骑行者所在环境指定区域内的交通实体的状态参数；

步骤S2、根据目标车骑行者的状态参数和目标车骑行者兴趣感应区域划分规则，获取目标车骑行者每个兴趣感应子区域，以及，根据所述目标车骑行者每个兴趣感应子区域和目标车骑行者所在环境指定区域内交通实体的状态参数，获取目标车骑行者每个兴趣感应子区域内交通实体的状态参数；

步骤S3、依据预先构建的基于模糊逻辑的目标车骑行者的简约人-自交通相态辨识模型，将所述目标车骑行者及其每个兴趣感应子区域内交通实体的状态参数作为输入变量，输出目标车骑行者的简约人-自交通相态；

步骤S4、依据预先构建的基于D-S证据理论的自行车骑行者意图辨识模型，输入所述目标车骑行者的简约人-自交通相态和目标车骑行者及其每个兴趣感应子区域内交通实体的状态参数，输出目标车骑行者在人-自混行环境中的骑行意图。

2.根据权利要求1所述的适应人自混杂环境的骑行者意图辨识方法，其特征在于，步骤S1中，所述目标车骑行者的状态参数包括目标自行车的位置、当前速度、位移、加速度、前轮转角、蹬频和刹车力度；所述交通实体的状态参数包括交通实体的位置、当前速度和交通实体的类型。

3.根据权利要求1所述的适应人自混杂环境的骑行者意图辨识方法，其特征在于，步骤S2中，根据目标车骑行者的状态参数和目标车骑行者兴趣感应区域划分规则，获取目标车骑行者每个兴趣感应子区域，包括：选取目标车骑行者的第一检测框、兴趣感应区域的第二检测框；

以所述目标车骑行者的行进方向为前方，依照第一检测框和第二检测框对所述目标行人所在环境进行划分，获取所述目标行人的左前侧、正前侧、右前侧、左后侧、左次后侧、正后侧、右后侧、右次后侧8个兴趣感应子区域。

4.根据权利要求3所述的适应人自混杂环境的骑行者意图辨识方法，其特征在于，确定人-自混行路段虚拟区域的划分、自行车前轮轴与后轮轴之间的间距；根据人-自混行路段虚拟区域的划分、自行车前轮轴与后轮轴之间的间距，获取目标车骑行者的第一检测框。

5.根据权利要求4所述的适应人自混杂环境的骑行者意图辨识方法，其特征在于，在步骤S1之前还包括基于模糊逻辑的目标车骑行者的简约人-自交通相态辨识模型的构建，包括：确定模糊集合：目标车骑行者每一个兴趣感应子区域内的交通实体代表类型构成的模糊集合{行人，自行车}，目标车骑行者与其每一个子区域内的交通实体的相对距离构成的模糊集合{危险，近，中，远}，目标车骑行者与其每一个子区域内的交通实体的相对速度构成的模糊集合{负大，负小，零，正小，正大}，每个子区域对目标车骑行者产生的场强构成的模糊集合{强排斥，中排斥，弱排斥，零，弱吸引，中吸引，强吸引}；

根据所述目标车骑行者及其每一个兴趣感应子区域内的交通实体的状态参数和模糊集合的隶属度，获取每一个兴趣感应子区域的模糊集合的隶属度，以及，根据每一个兴趣感应子区域的模糊集合的隶属度和每个子区域对目标车骑行者产生的场强的模糊推理规则，获取每个子区域对目标车骑行者产生的场强；以及，根据每个子区域对目标车骑行者产生的场强和人-自交通相态约减规则，获取目标车骑行者的简约人-交通相态。

6.根据权利要求5所述的适应人自混杂环境的骑行者意图辨识方法，其特征在于，所述模糊集合{危险，近，中，远}的划分标准为：目标车骑行者与左前侧区域内的交通实体代表的相对距离从“危险”到“近”的门限值d1为：目标车骑行者与左前侧区域内的交通实体代表的相对距离从“中”到“远”的门限值d4为：从“近”到“危险”的门限值d2和从“近”到“中”的门限值d3是d1和d4的中间值；

所述模糊集合{负大，负小，零，正小，正大}的划分标准为：

目标车骑行者与左前侧区域内交通实体代表的的相对速度从“负大”到“负小”的门限值v1为：目标车骑行者与左前侧区域内交通实体代表的的相对速度从“负小”到“零”的门限值v2为：从“正大”到“正小”的门限值v4、从“正小”到“零”的门限值v3分别是门限值v1、v2的相反数；

其中， Bmax为交通实体最大制动减速度，τ为目标自行车骑行者的操作

反应时间，a0为目标车骑行者驶向左侧区域时的加速度，α0、α1、α2为待定参数。

7.根据权利要求5所述的适应人自混杂环境的骑行者意图辨识方法，其特征在于，所述每个子区域对目标车骑行者产生的场强的模糊推理规则是根据预先收集的每一个兴趣感应子区域的模糊集合的隶属度与每个子区域对目标车骑行者产生的场强的对应信息来确定的；

所述人-自交通相态约减规则是根据预先收集的每个子区域对目标车骑行者产生的场强与简约人-自交通相态的对应信息来确定的。

8.根据权利要求1所述的适应人自混杂环境的骑行者意图辨识方法，其特征在于，在步骤S1之前还包括基于D-S证据理论的自行车骑行者意图辨识模型的构建，包括：根据目标车骑行者及其每个兴趣感应子区域内交通实体的状态参数，获取人-自交通相态中表征目标车骑行者意图的特征数据和目标车骑行者的行为倾向类型；

根据人-自交通相态中表征目标车骑行者意图的特征数据、目标车骑行者的简约人-自交通相态和不同简约人-自交通相态下骑行者意图特征参数的提取规则，获取简约人-自交通相态中表征目标车骑行者意图的特征参数；

根据简约人-自交通相态中表征目标车骑行者意图的特征参数、目标车骑行者的行为倾向类型和证据集合E＝(RS、BFA、TPF、PBD)中各元素的基本概率赋值规则，获得每一个特征参数对每一种骑行意图的基本概率分配；

根据每一个特征参数对每一种骑行意图的基本概率分配和Dempster证据组合规则，获得每一证据组合对每一种骑行意图的基本概率分配；根据所述每一证据组合对每一种骑行意图的基本概率分配，进行信任度判断，将具有最大信任度的骑行意图作为目标车骑行者的骑行意图。

9.根据权利要求8所述的适应人自混杂环境的骑行者意图辨识方法，其特征在于，所述简约人-自交通相态下表征骑行者意图的特征参数是根据信息熵自适应遗传算法对人-自交通相态中表征自行车骑行者意图的特征数据进行分析和提取得到的。