1.一种复杂环境的自动驾驶控制方法，其特征在于：包括以下步骤：步骤1：对目标车辆采集数据，采集的数据包括车型信息和车道标志数据，车道标志线上设有标志物（1）作为用于采集车道标志数据的定位标的；

步骤2：特征数据分离，进行目标车辆位置定位和目标车辆行驶环境定位；

步骤3：计算获得目标车辆与车道标志线的间距并计算所述间距和期望距离的差值，依据所述差值进行判断，若判定为“保持跟驰”则执行步骤6，否则执行步骤4；

步骤4：对目标行驶环境是否符合变道条件进行判断，若符合则执行变道，否则判定为“保持跟驰”执行步骤6；

步骤5：目标车辆变道，完成变道后执行步骤6；

步骤6：根据跟驰保持方法对目标车辆的行车轨迹进行调控。

2.根据权利要求1所述的一种复杂环境的自动驾驶控制方法，其特征在于：所述步骤1中采集的数据还包括360度全景测距雷达数据、视频数据和GPS定位数据；所述步骤4中所述变道条件为：在变道需求启动后同时满足GPS定位范围变道内向在线车辆最小车距大于安全阈值下限、视频视距范围内变道向在线车辆最小车距大于安全阈值下限、测距雷达测距D各方向大于安全阈值下限和采样时间周期内行车稳定性判断通过的条件。

3.根据权利要求2所述的一种复杂环境的自动驾驶控制方法，其特征在于：车道标志数据中标志物（1）的宽度记为  ；目标车辆的车型信息包括：车宽 ，是否载货以及载货极限宽度 ；根据公路等级获取的车道宽度信息  ；

360度全景测距雷达数据包括前、后、左、右、左前、右前、左后、右后八个方向的距离，记载为 ；

GPS定位数据包括目标车辆的GPS位置信息经纬度{E,N}，以目标车辆为中心，获取半径

50m内在线车辆位置信息  ， = 0,1,2... ；

据视频数据采集目标车辆视距内障碍物信息  ，  = 0,1,2...；将视距内障碍物相对于目标车辆的方位表示为  。

4.根据权利要求3所述的一种复杂环境的自动驾驶控制方法，其特征在于：所述步骤3中，计算所述差值并依据所述差值进行判断的方法如下：通过实验获得安全行驶状态下的车道标志检测装置到标志物位置的标准距离  ；

根据大数据仿真，建立样本数据库，根据样本数据库得到样本标准差: ；

其中n为参与计算的样本数，  为对应样本所得到的实测值，  为对应样本所得到的理论计算值；则得到的修正值  ；期望距离的计算式如下： ；

所述间距和期望距离的差值为：  ；

当  ≥30%，进行调控启动变道需求； 当  ≤30%，维持行车轨迹，保持跟驰。

5.根据权利要求4所述的一种复杂环境的自动驾驶控制方法，其特征在于：所述步骤3中，计算安全行驶状态下的标准距离  的方法如下：当所述车道标志检测装置的外视角为θ、分辨率为σ、安装位置高度为h、左右两侧车道标志检测装置的间距为L时，设定位于探视角中心角位置为O，以O为原点建立坐标系，坐标轴由内侧指向外侧，即内侧为负外侧为正,同时以像素作为最小单位尺度，记录标志物中心位置到O的像素数α，则有： 。

6.根据权利要求5所述的一种复杂环境的自动驾驶控制方法，其特征在于：所述步骤4中目标行驶环境是否符合变道条件的判断方法具体如下：步骤a、变道需求启动，切换目标车辆跟驰标准距,切换后目标车辆到前车的跟车车距为  ，作为变道车距安全阈值下限；

步骤b、获取目标车辆半径50m内在线车辆位置信息 ，根据目标车辆位置{E,N}，得到各在线车辆相对目标车辆距离  ,当  =0时，启动变道，否则启动下一判断条件；

步骤c、建立历史轨迹计算周期时间表  ，其中 表示最近一次测距；

步骤d、获取目标车辆视距范围内障碍物信息   = 0,1,

2...，   =-k,  ...  ,0； ，则视距内各车与目标车辆相对速度  ，当  且  时，允许变道，变道侧为符合条件的R侧，并启动下一判断条件；

步骤e、获得对应时刻的   (i=-k,…,

0)，判断当前  ； 是否满足变道条件：

当  且   ，   ， 

 ，   ， 

时允许左变道；

当  且  ，   ， 

 ，   ， 

 ；时允许右变道；

左右变道条件同时满足时，左变道优先于右变道。

7.根据权利要求6所述的一种复杂环境的自动驾驶控制方法，其特征在于：所述步骤5中的变道步骤如下：启动变道，降低轨迹保持的优先级，控制目标车辆变道，当 或  时，恢复轨迹控制优先级，并完成车道并入。

8.根据权利要求1-7中任一所述的一种复杂环境的自动驾驶控制方法，其特征在于：所述车道标志检测装置（2）为红外探视仪，所述标志物（1）为金属薄条。

9.根据权利要求1-7中任一所述的一种复杂环境的自动驾驶控制方法，其特征在于：所述车道标志检测装置（2）为合成孔径雷达，所述标志物（1）为金属薄条。