1.一种跟驰场景下的旁道车辆轨迹预测方法，其特征在于，包括：获取环境历史状态参数和主车未来状态参数；所述环境历史状态参数包括主车历史状态参数、目标车辆历史状态参数、交互车辆历史状态参数；

根据所述环境历史状态参数和所述主车未来状态参数获取目标车辆的未来轨迹。

2.根据权利要求1所述的方法，其特征在于，获取环境历史状态参数和主车未来状态参数，包括：利用主车的环境感知传感器和差分全球定位系统获取主车历史状态参数；状态参数包括纵向坐标、横向坐标、纵向速度和横向速度；

根据所述主车历史状态参数获取主车未来状态参数；

利用主车的环境感知传感器分别获取目标车辆历史状态参数和交互车辆历史状态参数。

3.根据权利要求1所述的方法，其特征在于，根据所述环境历史状态参数和所述主车未来状态参数获取目标车辆的未来轨迹，包括：根据各所述环境历史状态参数分别获取各第一环境隐藏状态；

根据各所述第一环境隐藏状态获取环境联合隐藏状态；

根据所述环境联合隐藏状态获取第二环境隐藏状态；

根据所述主车未来状态参数获取主车隐藏状态；

根据所述第二环境隐藏状态和所述主车隐藏状态获取最终隐藏状态；

根据所述最终隐藏状态获取目标车辆的未来轨迹。

4.根据权利要求3所述的方法，其特征在于，根据各所述环境历史状态参数分别获取各第一环境隐藏状态，包括：分别将各所述环境历史状态参数输入各双向长短期记忆神经网络，获得各第一环境隐藏状态。

5.根据权利要求3所述的方法，其特征在于，根据各所述第一环境隐藏状态获取环境联合隐藏状态，包括：根据所述各第一环境隐藏状态获取目标车辆的注意力系数；

根据所述目标车辆的注意力系数对各所述第一环境隐藏状态进行加权，获取环境联合隐藏状态。

6.根据权利要求5所述的方法，其特征在于，通过以下公式获取环境联合隐藏状态：在上式中，exp表示以自然常数e为底的指数函数，||表示向量拼接，αm为第m辆车对目标T车辆的注意力系数，LeakyReLU为激活函数，a为转置矩阵，W为线性变换矩阵，Ho为目标车辆对应的第一环境隐藏状态，Hm为第m辆车对应的第一环境隐藏状态，N表示目标车辆周围节点，目标车辆周围节点由主车和交互车辆组成，N、m和K均为正整数，m≤N。

Hc＝σ(∑m∈NαmHm)；

在上式中，σ表示非线性激活函数，Hc为环境联合隐藏状态。

7.根据权利要求3所述的方法，其特征在于，根据所述环境联合隐藏状态获取第二环境隐藏状态，包括：利用全连接网络对所述环境联合隐藏状态和所述目标车辆对应的第一环境隐藏状态进行拼接，获取第二环境隐藏状态。

8.根据权利要求7所述的方法，其特征在于，通过以下公式获取第二环境隐藏状态：Hs＝FC(concat(Ho,Hc)；Wg)；

在上式中，Hs为第二环境隐藏状态，FC(·)表示全连接网络，Wg为全连接网络参数，Ho为目标车辆对应的第一环境隐藏状态，Hc为环境联合隐藏状态。

9.根据权利要求3所述的方法，其特征在于，根据所述第二环境隐藏状态和所述主车隐藏状态获取最终隐藏状态，包括：利用全连接网络对所述第二环境隐藏状态和所述主车隐藏状态进行拼接，获取最终隐藏状态。

10.根据权利要求3所述的方法，其特征在于，根据所述最终隐藏状态获取目标车辆的未来轨迹，包括：利用逻辑门神经网络对所述最终隐藏状态进行解码，获得目标车辆的未来轨迹和运动状态。