1.一种基于风险场模型的自动驾驶汽车个性化碰撞分级预警方法，其特征在于，该方法包括：车辆对周围环境进行感知，得到感知信息；根据获取的感知信息构建行车风险场模型；

采用行车风险场模型计算车辆用户的行车风险，得到行车风险综合指数曲线；具体包括：根据行车风险场模型计算车辆纵向行驶风险；对计算出的纵向行驶风险进行标准化和归一化处理；根据归一化后的纵向行驶风险计算风险场时间变化率指数UTi,j；对纵向行驶风险和风险场时间变化率指数进行整合，得到行车风险综合指数曲线；计算车辆纵向行驶风险的表达式为：其中，Au表示不确定常数；Mu表示道路中物体u的等效质量；Du表示物体所在位置处的道路条件因子；ru＝(x‑xu，y‑yu)表示物体周围各位置(x，y)到物体所在位置(xu，yu)的距离矢量；λ1为位置梯度指数；λ2为大于0的修正系数，用于修正速度对驾驶风险的影响；vu表示运动物体速度， 表示物体速度方向与ru形成的夹角，顺时针方向为正；Cu表示道路曲率因子，±表示车辆拐弯方向，+表示车辆拐弯方向为左，‑表示车辆拐弯方向为右，ψu为速度vu与x轴的夹角；

计算风险场时间变化率指数UTi,j的公式为：

其中，UV为行车风险场， 为车辆间距对时间的微分，FLKi_j障碍物车辆j对i施加的势场力，vj表示车辆j的行驶速度，vi表示车辆i的行驶速度， 表示速度vj与横坐标的夹角， 表示vi与横坐标的夹角；

行车风险综合指数曲线为：

UR(FLK,i,j,UTi,j)＝ηFLK,i,j+(1‑η)UTi,j其中，η为权重系数；

根据行车风险综合指数曲线设置三个级别的预警阈值；具体包括：基于行车风险综合指数曲线确定风险场影响的最远距离、车辆行驶风险指数曲线最大曲率位置和最大值位置，该三个级别阈值分别为：D1＝argmin(UR)

D2＝argmin(KF)

D3＝argmax(UR)

其中，D1是1级碰撞警告阈值，UR表示行车风险综合指数，UR”表示为UR的二阶导数，UR'表示为UR的一阶导数，D2是第2级警告阈值，D3是第3级警告阈值，KF是曲线最大曲率值；

根据三个级别的预警阈值计算车辆的期望距离和期望速度，并根据期望距离和期望速度对自动驾驶车辆进行分级预警。

2.根据权利要求1所述的一种基于风险场模型的自动驾驶汽车个性化碰撞分级预警方法，其特征在于，车辆对周围环境进行感知包括：采用主动传感器和被动传感器对环境信息进行感知，得到感知信息；所述感知信息包括障碍车辆信息和环境信息，其中障碍车辆信息包括障碍车辆的运动状态、质量和体积；环境信息包括道路能见度、道路曲率、道路坡度和道路附着系数。

3.根据权利要求1所述的一种基于风险场模型的自动驾驶汽车个性化碰撞分级预警方法，其特征在于，构建的行车风险场模型为：其中，Qu表示不确定常数；Mu表示道路中物体u的等效质量；Ru表示物体所在位置处的道路条件因子；ru＝(x‑xu，y‑yu)表示物体周围各位置(x，y)到物体所在位置(xu，yu)的距离矢量；λ1为位置梯度指数；λ2为大于0的修正系数，用于修正速度对驾驶风险的影响；vu表示运动物体速度， 表示物体速度方向与ru形成的夹角，顺时针方向为正；Cu表示道路曲率因子，±表示车辆拐弯方向，+表示车辆拐弯方向为左，‑表示车辆拐弯方向为右。

4.根据权利要求1所述的一种基于风险场模型的自动驾驶汽车个性化碰撞分级预警方法，其特征在于，计算车辆的期望距离和期望速度为：Δd＝dr‑df‑hv1‑D

Δv＝v2‑v1

其中，dr表示前车位置，df表示后车位置，v2表示前车速度，v1表示后车速度，D表示计算的警告阈值，h表示时间车间距。

5.一种基于风险场模型的自动驾驶汽车个性化碰撞分级预警系统，该系统用于执行权利要求1～4任意一种所述基于风险场模型的自动驾驶汽车个性化碰撞分级预警方法，其特征在于，该系统包括：数据获取模块、交通状况评估模块、预警系统以及控制系统；

所述数据获取模块用于获取车辆的环境信息，所述感知信息包括障碍车辆信息和环境信息，其中障碍车辆信息包括障碍车辆的运动状态、质量和体积；环境信息包括道路能见度、道路曲率、道路坡度和道路附着系数；

所述交通状况评估模块包括行车风险计算模块、行车风险综合指数曲线构建模块以及预警阈值计算模块；

所述行车风险计算模块用于计算车辆用户的行车风险，即根据数据获取模块获取的环境信息构建行车风险场模型，并根据车风险场模型计算车辆用户的行车风险；

所述行车风险综合指数曲线构建模块根据车辆用户的行车风险构建行车风险综合指数曲线；

所述预警阈值计算模块根据车风险综合指数曲线计算三个级别的预警值；

所述预警系统用于获取三个级别的预警值，并根据三个级别的预警值计算车辆的期望距离和期望速度；

所述控制系统根据车辆的期望距离和期望速度对车辆的速度进行控制。