1.一种危险等级在线识别的自适应MPC车辆轨迹跟踪控制方法，其特征在于，包括以下步骤：

步骤S1：获取被控车辆的车辆参考轨迹；

步骤S2：建立三自由度车辆动力学模型；

步骤S3：获取被控车辆的车辆状态信息；

步骤S4：基于车辆状态信息识别当前被控车辆的总体危险等级；

步骤S5：以被控车辆的总体危险等级和横向误差作为蚂蚁算法的输入变量自适应调节预测时域和目标函数的状态误差权重系数；

步骤S6：根据三自由度车辆动力学模型和参考轨迹建立MPC轨迹跟踪控制器，并将预测时域和状态误差权重系数赋予MPC轨迹跟踪控制器，MPC轨迹跟踪控制器以车辆参考轨迹为参考信息对被控车辆的车辆状态信息进行滚动优化，得到自适应MPC车辆轨迹。

2.根据权利要求1所述的危险等级在线识别的自适应MPC车辆轨迹跟踪控制方法，其特征在于，在步骤S2中，建立惯性坐标系并根据车辆在x轴、y轴以及z轴的受力建立力学平衡方程，基于魔术公式轮胎模型获取车辆前后轮的纵向刚度和侧偏刚度，将车辆前后轮的纵向刚度和侧偏刚度代入到力学平衡方程中建立三自由度车辆动力学模型。

3.根据权利要求2所述的危险等级在线识别的自适应MPC车辆轨迹跟踪控制方法，其特征在于,将三自由度车辆动力学模型用状态空间方程表示为非线性动力学状态方程，并基于非线性动力学状态方程通过泰勒展开转化为线性状态方程，再采用前向欧拉法离散化得到离散化后的线性状态方程。

4.根据权利要求1所述的危险等级在线识别的自适应MPC车辆轨迹跟踪控制方法，其特征在于,在步骤S4中，获取其他车辆的车辆状态信息作为数据集，基于数据集采用k‑means聚类算法和层次分析法构建危险等级在线识别系统，将当前被控车辆的实时获取的车辆状态信息输入到危险等级在线识别系统中得到车辆的总体车辆等级。

5.根据权利要求4所述的危险等级在线识别的自适应MPC车辆轨迹跟踪控制方法，其特征在于,基于数据集采用k‑means聚类算法确定车辆状态信息中的每一车辆状态参数的危险等级，采用层次分析法确定每一车辆状态参数对车辆总体危险等级影响的准则层权重向量和确定每一危险等级下的每一车辆状态参数的方案层权重向量，构建危险等级在线识别系统。

6.根据权利要求5所述的危险等级在线识别的自适应MPC车辆轨迹跟踪控制方法，其特征在于,确定层次结构，其中层次结构中的目标层为车辆总体危险等级，准则层为各个车辆状态参数，方案层为对应不同危险等级的等级数量；采用标度法对准则层内的各个车辆状态参数进行两两比较，构建准则层判断矩阵，对每一车辆状态参数构成方案层判断矩阵：对准则层判断矩阵和方案层判断矩阵进行一致性校验，对通过一致性校验的准则层判断矩阵计算得到准则层权重向量，对通过一致性校验的方案层判断矩阵计算得到方案层权重向量。

7.根据权利要求5所述的危险等级在线识别的自适应MPC车辆轨迹跟踪控制方法，其特征在于,预设聚类中心的数量，在对应每一类车辆状态参数的归一数据集中随机选择一个数据点作为聚类中心，并根据聚类中心之间的距离尽可能远的标准确定其他聚类中心，基于初步确定的聚类中心对当前类型的车辆状态参数的归一数据集进行聚类迭代直到聚类中心不再发生变化或者达到预先设定的迭代次数，基于聚类中心确定各个车辆状态参数的危险等级。

8.根据权利要求1所述的危险等级在线识别的自适应MPC车辆轨迹跟踪控制方法，其特征在于，在步骤S5中，以MPC轨迹跟踪控制器的初始预测时域、车辆的总体危险等级和横向误差构建适应度函数，确定蚁群算法中的蚂蚁数量、预测时域和目标函数的权重系数的取值范围并创建初始化信息素矩阵，对于每一蚂蚁，蚂蚁根据信息素矩阵和转移概率公式在预测时域和目标函数的权重系数的取值范围中搜索合适的预测时域和目标函数的权重系数并计算每一蚂蚁对应的适应度函数的值，多次迭代搜索后以适应度函数的值最大的蚂蚁对应的预测时域和目标函数的权重系数作为最优解。

9.根据权利要求1所述的危险等级在线识别的自适应MPC车辆轨迹跟踪控制方法，其特征在于，在步骤S6中，基于参考轨迹和三自由度车辆动力学模型搭建MPC轨迹跟踪控制器，并将预测时域输入到MPC轨迹跟踪控制器中获取预测时域内的输出量，基于输出量和状态误差权重系数构建MPC轨迹跟踪控制器的二次目标函数，对基于二次目标函数进行优化求解得到控制增量，结合参考轨迹中的控制量和控制增量向被控车辆输出自适应控制量，得到自适应MPC车辆轨迹。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1到9任一所述的危险等级在线识别的自适应MPC车辆轨迹跟踪控制方法。