1.一种基于威胁估计的智能车辆路径规划方法，其特征在于，包括以下步骤：步骤1、根据智能车辆当前位置及终点位置进行全局路径规划，获得全局最优路径；

步骤2、建立基于贝叶斯网络的智能车辆威胁估计模型，计算外部环境中的各目标对智能车辆的威胁指数；

步骤3、建立基于威胁指数的外部环境中的各目标对智能车辆的斥力势场模型，与智能车辆行驶终点对智能车辆的引力势场模型融合，得到智能车辆的综合势场模型；

步骤4、对步骤3建立的综合势场模型求解，搜索原始局部最优路径；

步骤5、对原始局部最优路径进行优化处理，得到智能车辆最终的行驶路径。

2.根据权利要求1所述的基于威胁估计的智能车辆路径规划方法，其特征在于，步骤2包括了智能车辆威胁建模步骤与威胁估计步骤。

3.根据权利要求2所述的基于威胁估计的智能车辆路径规划方法，其特征在于，智能车辆威胁建模的步骤主要包括：(1)确定影响智能车辆威胁评估的因素，包括外部环境中的目标的类型与运动特征、环境参数；

(2)根据步骤(1)的上述影响因素，确定贝叶斯网络拓扑结构；

(3)分析各因素对智能车辆威胁的影响程度，确定局部条件概率表。

4.根据权利要求2所述的基于威胁估计的智能车辆路径规划方法，其特征在于，所述智能车辆威胁估计的步骤主要包括：(1)采集威胁因素的实时数据，经模糊化后作为贝叶斯网络模型各输入节点提供证据信息；

(2)对环境中的每一目标，根据贝叶斯网络的推理算法计算威胁指数节点的后验概率，即各目标对智能车辆的威胁指数。

5.根据权利要求4所述的基于威胁估计的智能车辆路径规划方法，其特征 在于，所述步骤3智能车辆行驶终点对智能车辆的引力势场模型定义为式中：ξ为位置增益系数；q为智能车辆中心位置[x,y]T；qgoal为终点的位置[xg,yg]T；ρ(q,qgoal)为智能车辆当前位置与终点位置的相对距离；

外部环境中的目标对智能车辆的斥力势场模型是根据威胁指数来构建的，第i个外部环境中的目标对智能车辆的斥力势场模型定义为式中：i∈(1,2,…,m)，m为外部环境中的目标的总数；η是位置增益系数；qi为第i个目标的位置[xi,yi]T；ρ(q,qi)是智能车辆与第i个目标之间的距离；ρ0是目标的临界影响半径，即在目标ρ0范围之外不会受到目标斥力影响；pi是目标的威胁指数。

6.根据权利要求5所述的基于威胁估计的智能车辆路径规划方法，其特征在于，所述智能车辆的综合势场模型为：智能车辆在q位置的综合势场模型定义为m个外部环境中的目标对智能车辆的斥力势场与智能车辆行驶终点对智能车辆的引力势场的叠加