1.一种基于双模式协作的车辆避撞系统，其特征在于，该基于双模式协作的车辆避撞系统包括：过滤机制单元、神经网络机制单元、检验机制单元、精确模型单元、第一输出机制单元，第二输出机制单元；

过滤机制单元，用于通过过滤判断碰撞系统的危险的状态；

神经网络机制单元，与过滤机制单元相连接，用于将描述环境的变量载入协作系统，并预测出用于避撞的转角值；

检验机制单元，与神经网络机制单元相连接，用于通过对策结果检验避撞转角值的合理性，合理的直接输送到输出机制单元中，不合理的输送到精确模型单元中；

精确模型单元，与检验机制单元和神经网络机制单元相连接，用于将检测机制的结果与精确型模型的避撞算法给出的结果进行比较，在神经网络给出的结果不够合理的情况下令神经网络学习精确型模型的计算结果；

第一输出机制单元，与检验机制单元连接，用于对检验机制单元的避撞转角值的合理结果进行输出；

第二输出机制单元，与精确模型单元连接，用于对精确模型单元比较的结果进行输出。

2.如权利要求1所述的基于双模式协作的车辆避撞系统，其特征在于，精确模型单元的基于路面障碍精确模型建立方法为：第一步，要对车辆运行时的环境作出描述，车辆行驶在道路上，假设车辆的转角范围为[-σ,σ]，负表示左转，则令扫描角度为2σ，并将2σ范围按角度平均分割为n块，记第i块的角度为θi（θ1=0），每个方向采用微波雷达或机器视觉的方式测得最近障碍物距离为li；

第二步，采用多个参数将道路情况较为精细的刻画，车到附近车辆，附近障碍物的距离，以及车在道路中所处的位置，车到道路边际的距离参数都会体现在 中，而建模的精细程度可由n来决定；

第三步，假设本车当前速度为vc(≥0)，刹车加速度为ac，最小安全距离为ds，车辆停止时需要与障碍物保持的最小距离，司机反映时间为Tr，先为车辆寻找安全区域，安全区域内的每个方向的最小障碍距离都应当大于一个阈值，这个值由当前车速vc以及反映时间Tr决定：令安全巡航距离 再令安全巡航角度

其中cs的意义为车辆进行安全行驶时与障碍物必须要保持的最小距离，区别于ds，得出在车辆前方的某个角度内必须要满足这个角度范围内半径大于等于cs的扇形中至少有ds的无障碍区域，为简化计算可令扇形弧长约等于ds，故得出了一个安全巡航角度θs；

有了安全巡航角度θs，避撞系统的任务将演变为在范围为[-σ,σ]的扫描角度内寻找一个角度区域θs，对于区域内所有的li都有li≥cs成立，再将这个区域转化为转角值作为输出。

3.如权利要求2所述的基于双模式协作的车辆避撞系统，其特征在于，寻找安全巡航角度区域的算法为：第一步，设定初值 初始角度所在的分片下标， 安全巡航角度所含分片数， 单个分片角度值，i=j=k，记二元函数f(x,y)=min{lx+j|0≤|j|≤y}；

第二步，若i∈[1,n]且 则令 并执行第六步，；否则执行第三步；

第三步，若j∈[1,n]且 则令 并执行Step6；否则执行第四步；

第四步，若 且 则执行第五步，；否则若i∈(1,n)则令i=i+1，若j∈(1,n)则令j=j-1，执行第二步；

第五步，未找到安全巡航角度区域，输出ar=ac；

第六步，找到安全巡航角度区域，输出 值。

4.如权利要求1所述的基于双模式协作的车辆避撞系统，其特征在于，神经网络机制单元的基于学习模式的BP神经网络模型的建立方法为：以精确模型中中的向量 作为神经网络的输入模式，将转角参数 按转角映射法转化为 （其中yi∈{0,1}且 ）建立人工神经网络结构：i

其中输入模式为 连接权值矩阵为W（i=1,2），输出模式为 隐 含 层为 隐 含层 与 输出 层阈 值 为选取Sigmoid作为转移函数：

5.如权利要求4所述的基于双模式协作的车辆避撞系统，其特征在于，对输入模式的计算步骤如下：输入层：完成向量的按位置映射输入与归一化处理，层节点值隐含层与输出层：计算每个节点的输入为 每个节点输出Yj=f(sj)；

转角映射：机制完成转角到输出模式、输出模式到转角的双向转化，因为单个转角值并不利于直接参与神经网络的运算，故对于转角 与输出模式 按照以下给出的两个函数进行映射：