1.一种智能汽车路径规划方法，其特征在于，包括以下步骤：

步骤S1：从智能汽车控制中心提取智能汽车紧急避让过程中的障碍物方位及车辆制动过程状态；

步骤S2：对车辆制动过程状态进行姿态横向相平面失稳分析，从而获得姿态相平面失稳状态；基于姿态相平面失稳状态和障碍物方位进行碰撞姿态轨迹分析，生成碰撞姿态轨迹；其中，步骤S2包括：步骤S21：对车辆制动过程状态进行失控速度波动分析，得到失控波动速度；

步骤S22：根据失控波动速度对车辆制动过程状态进行姿态横向相平面失稳分析，从而获得姿态相平面失稳状态；其中，步骤S22包括：步骤S221：获取智能汽车的基础信息；其中所述基础信息包括智能汽车车身结构，车身重量分布及悬挂设计结构；

步骤S222：提取车辆制动过程状态中的制动转向比；根据制动转向比和失控波动速度对所述基础信息中的智能汽车车身结构及车身重量分布进行转向离心力矩数值增量积分，得到转向离心力矩增量数据；

步骤S223：通过转向离心力矩增量数据分析悬挂设计结构的主销后倾角、外倾角的变化增量；

步骤S224：根据转向离心力矩增量数据和所述主销后倾角、外倾角的变化增量进行车身俯仰角度增量梯度推导，得到姿态增量俯仰角度；

步骤S225：基于转向离心力矩增量数据、所述主销后倾角、外倾角的变化增量及姿态增量俯仰角度进行姿态横向相平面失稳分析，从而获得姿态相平面失稳状态；

步骤S23：推导姿态相平面失稳状态的相轨迹无序程度；

步骤S24：基于所述的相轨迹无序程度和障碍物方位进行碰撞姿态轨迹分析，生成碰撞姿态轨迹；

步骤S3：根据碰撞姿态轨迹对车辆制动过程状态进行紧急避让安全制动参数匹配，得到避让制动安全匹配参数；基于避让制动安全匹配参数和碰撞姿态轨迹进行碰撞规避路径规划学习，生成碰撞规避规划路径。

2.根据权利要求1所述的智能汽车路径规划方法，其特征在于，步骤S23包括以下步骤：步骤S231：提取姿态相平面失稳状态中的汽车失稳偏移轨迹，以构建偏移相轨迹平面图；提取姿态相平面失稳状态中的状态参数，其中所述状态参数包括横摆角速度变化率，车身侧偏角变化率及横向加速度变化率；

步骤S232：对偏移相轨迹平面图进行轨迹螺旋发散分析，得到轨迹螺旋发散数据；

步骤S233：基于轨迹螺旋发散数据确定轨迹奇点斜率；根据轨迹奇点斜率和轨迹螺旋发散数据计算轨迹圆弧近似偏差；

步骤S234：根据所述状态参数中的横摆角速度变化率，车身侧偏角变化率及横向加速度变化率对轨迹圆弧近似偏差进行相轨迹无序程度推导，得到相轨迹无序程度。

3.根据权利要求1所述的智能汽车路径规划方法，其特征在于，步骤S24包括以下步骤：步骤S241：对所述的相轨迹无序程度进行无序动作姿态分解，得到轨迹分解向量；

步骤S242：根据轨迹分解向量对障碍物方位进行潜在碰撞点核密度估计，生成潜在碰撞点概率分布数据；

步骤S243：对轨迹分解向量进行动力参数间的时序近似方差约束，得到动力参数约束方差；其中所述动力参数包括车身轨迹动作横摆率、侧滑角、加速度；

步骤S244：基于潜在碰撞点概率分布数据和动力参数约束方差进行横向摆幅曲率关联推导，得到碰撞点关联的轨迹摆幅曲率；

步骤S245：基于动力参数约束方差和所述碰撞点关联的轨迹摆幅曲率进行碰撞姿态轨迹分析，生成碰撞姿态轨迹。

4.根据权利要求1所述的智能汽车路径规划方法，其特征在于，步骤S3包括以下步骤：步骤S31：对碰撞姿态轨迹进行特征学习，得到碰撞预测特征轨迹；其中，对碰撞姿态轨迹进行特征学习是指：将未来2s内100个连续时间点的车辆姿态数据点{横坐标，纵坐标，横摆角，车身侧偏角}组成的碰撞姿态轨迹，输入至一个预设的滑动窗口分析程序，该程序设置窗口宽度为10个数据点，滑动步长为5个数据点，在每个窗口内，提取轨迹段的曲率最大值、横摆角速度峰值和侧偏角变化率均值这三个物理量，对于第一窗口内10个数据点，计算‑1出的曲率为0.05m ，横摆角速度峰值为15rad/s，侧偏角变化率均值为3rad/s。完成所有窗口的计算后，将得到的19组{曲率最大值，横摆角速度峰值，侧偏角变化率均值}特征向量序列，作为碰撞预测特征轨迹输出；

步骤S32：对碰撞预测特征轨迹进行自注意力权重聚合，以获得碰撞预测权重轨迹；其中，自注意力权重聚合是指：对步骤S31生成的19组特征向量序列进行处理，取第10组特征向量作为当前分析的目标向量，计算目标向量与包括自身在内的全部19个特征向量的点积相似度得分，第10组向量与第9、10、11组向量的点积得分分别为0.92、0.99、0.91，而与第1、

2组向量的得分分别为0.35、0.38，将这19个得分进行归一化处理，得到一组权重系数，使用这组权重系数对原始的19组特征向量进行加权求和，生成一个新的“权重聚合后”的特征向量，对所有19组特征向量重复此过程，最终获得由19个“权重聚合后”的特征向量组成的新序列，即碰撞预测权重轨迹；

步骤S33：根据碰撞预测权重轨迹和障碍物方位对车辆制动过程状态进行紧急避让安全制动参数匹配，得到避让制动安全匹配参数；

步骤S34：基于避让制动安全匹配参数和碰撞预测权重轨迹进行碰撞规避路径规划学习，生成碰撞规避规划路径。

5.根据权利要求4所述的智能汽车路径规划方法，其特征在于，步骤S33包括以下步骤：步骤S331：根据碰撞预测权重轨迹和障碍物方位对车辆制动过程状态进行障碍物距离变化间的安全制动参数匹配，以获得距离关联安全制动参数；其中所述距离关联安全制动参数包括：距离关联安全制动速度，时间及车轮抱死阈值；

步骤S332：基于所述距离关联安全制动参数中的距离关联安全制动速度，时间及车轮抱死阈值对碰撞预测权重轨迹和车辆制动过程状态进行内侧后轮及外侧前轮转向制动力时序分配，得到转向制动力分配数据；

步骤S333：基于转向制动力分配数据进行扭矩矢量回归分析耦合，以获得扭矩耦合矢量；

步骤S334：根据转向制动力分配数据、扭矩耦合矢量对碰撞预测权重轨迹和车辆制动过程状态进行车身轨迹稳定姿态调控，得到车身稳定姿态调控数据；

步骤S335：基于车身稳定姿态调控数据、转向制动力分配数据及扭矩耦合矢量进行紧急避让安全制动参数匹配，得到避让制动安全匹配参数。

6.根据权利要求4所述的智能汽车路径规划方法，其特征在于，步骤S34包括以下步骤：步骤S341：基于避让制动安全匹配参数和碰撞预测权重轨迹进行规避路径可通行空间权重分析，得到规避路径可通行空间权重；

步骤S342：根据避让制动安全匹配参数对规避路径可通行空间权重进行可通行空间关联的车辆制动参数可控性迭代模拟，得到空间路径上的制动参数可控数据集；

步骤S343：对所述的制动参数可控数据集进行可控参数最优解决策，得到可控优解参数；

步骤S344：根据规避路径可通行空间权重和可控优解参数进行碰撞规避路径规划学习，生成碰撞规避规划路径。

7.一种智能汽车路径规划系统，其特征在于，用于执行如权利要求1所述的智能汽车路径规划方法，该智能汽车路径规划系统包括：数据提取模块，用于从智能汽车控制中心提取智能汽车紧急避让过程中的障碍物方位及车辆制动过程状态；

碰撞轨迹预测模块，用于对车辆制动过程状态进行姿态横向相平面失稳分析，从而获得姿态相平面失稳状态；基于姿态相平面失稳状态和障碍物方位进行碰撞姿态轨迹分析，生成碰撞姿态轨迹；

规避路径规划学习模块，用于根据碰撞姿态轨迹对车辆制动过程状态进行紧急避让安全制动参数匹配，得到避让制动安全匹配参数；基于避让制动安全匹配参数和碰撞姿态轨迹进行碰撞规避路径规划学习，生成碰撞规避规划路径。