1.一种跟车场景车辆风险状态的动态评价方法，该方法应用于后车与前车的相对运动状态工况，假设前车紧急制动的情况下，以后车为主体的跟车场景中后车存在潜在风险的情况，其特征在于，所述方法包括如下步骤：步骤S1：定义时间裕度概念

以驾驶人在潜在风险跟车场景下进行避撞操作需满足的最大反应时间作为时间裕度；

步骤S2：根据前、后车实时相对运动状态，确定动态最小纵向安全距离；

动态最小纵向安全距离为前车突然紧急制动，后车经过反应和制动，两车减速至完全停止且不发生碰撞；

步骤S3：根据驾驶人的制动全过程，确定车辆制动过程的总制动距离；

所述驾驶人的制动全过程分为四个阶段，四个阶段分别为驾驶人收到大脑决策信号后作出反应阶段、制动器发生作用阶段、持续制动阶段和放松制动器阶段；

步骤S4：建立跟车场景中的车辆风险预测模型根据所述动态最小纵向安全距离和所述车辆制动过程的总制动距离建立跟车场景中的车辆风险预测模型；

步骤S5：车辆风险等级划分

基于跟车场景中的时间裕度数据，使用K‑means聚类和方差分析法ANOVA对车辆风险等级进行划分。

2.根据权利要求1所述的跟车场景车辆风险状态的动态评价方法，其特征在于：所述步骤S2中根据前、后车实时相对运动状态，确定动态最小纵向安全距离的过程如下：

1)定义两车之间的纵向距离：以后车前端和前车后端的距离为两车之间的纵向距离；

2)根据两车之间的纵向距离，确定两车之间的最小安全纵向距离的过程如下：沿着车道长度方向，两车同向行驶，前方车辆以最大制动减速度amax,brake制动，在制动反应时间τ′1内，后方车辆以amax,accel加速，然后以最小制动减速度amin,brake减速至停车，整个过程未碰撞，则最小安全纵向距离为：其中：

其中，vr和vf分别是后车和前车车辆的纵向速度；τ′1是制动反应时间；amax,brake是最大制动减速度；amax,accel是最大加速度；amin,brake是最小制动减速度；Lmin是最小纵向安全距离；

3)不发生碰撞的临界条件

前、后辆车初始时刻不碰撞的临界条件：L0＞0；

两车制动至静止的时刻，不发生碰撞的临界条件是：其中，L0是前、后两车之间的初始距离；amax,brake是最大制动减速度；amax,accel是最大加速度；amin,brake是最小制动减速度； 为制动反应时间内速度的最大值。

3.根据权利要求2所述的跟车场景车辆风险状态的动态评价方法，其特征在于：所述步骤S3中根据所述动态最小纵向安全距离和所述车辆制动过程的总制动距离建立跟车场景中的车辆风险预测模型的过程如下：

当驾驶人观察到前方路况异常时会自主将右脚移至制动踏板上，紧急踩下制动踏板一直到踏板最大行程处，直到自车静止，驾驶人的制动全过程分为四个阶段：驾驶人收到大脑决策信号后作出反应、制动器发生作用、持续制动、放松制动器，车辆制动过程的总制动距离满足如下公式：

式中：s为总制动距离；u(0)为车辆初速度；ab(e)为车辆保持匀减速运动之前时刻的减速度；τ′1代表驾驶人的制动反应时间；τ″1代表驾驶人脚掌由油门踏板转移到制动踏板所需的移动时间，τ″1取0.1s；上述两段时间之和记为τ1，即τ1＝τ′1+τ″1；τ′2代表制动踏板设计冗余行程的时间即制动系间隙协调时间；τ″2代表制动踏板有效行程由零达到最大行程所用的时间即制动力作用时间；制动系间隙协调时间和制动力作用时间之和为τ2，τ2＝τ′2+τ″2。

4.根据权利要求3所述的跟车场景车辆风险状态的动态评价方法，其特征在于：所述步骤S4中根据所述动态最小纵向安全距离和所述车辆制动过程的总制动距离建立跟车场景中的车辆风险预测模型的过程如下：

设在跟车场景中后车和前车的初始速度分别为ur(0)和uf(0)，两车之间的跟车距离为L，当前车急刹车，前车的全程制动距离为sf：式中，sf为前车的全程制动距离；uf(t)为t时刻的前车速度；τ″2为制动器起作用之后的时间段；af(t)为t时刻的前车加速度；

从后车驾驶人接收到前车制动信号开始，经历制动过程直至静止但未发生碰撞的制动距离为sr：

式中，ur(t)为t时刻的后车速度；τ″2为制动器起作用之后的时间段；ar(t)为t时刻的后车加速度；τ′1代表驾驶人的制动反应时间；τ″1代表驾驶人脚掌由油门踏板转移到制动踏板所需的移动时间，τ″1取0.1s；τ′2代表制动踏板设计冗余行程的时间即制动系间隙协调时间；τ″2代表制动踏板有效行程由零达到最大行程所用的时间即制动力作用时间；

整个前、后车的制动过程：

后车在行驶过程中突然急减速，在此时刻至两车停止的过程中，自车和前车的减速度分别为ar(t)和af(t)，Lmiss为两车静止后的距离；两车不发生碰撞的临界条件为：Lmiss≤(L+sf‑sr)

式中，abr(t)为t时刻的后车制动减速度；abf(t)为t时刻的前车制动减速度；ur(t)为t时刻的后车速度；uf(t)为t时刻的前车速度；ar(t)为t时刻的后车加速度；af(t)为t时刻的前车加速度；L为跟车距离；Lmiss为两车静止后未发生碰撞的距离；

设前车紧急制动条件下留给后车驾驶人不发生碰撞的反应时间，记为时间裕度TMfollowing，则：

前、后车的实时速度、加速度和跟车时距已知，则跟车场景的实时时间裕度即为所求；

TMfollowing的值越大代表跟车场景可供驾驶人处理应急事件的时间越长，即跟车场景的风险程度越低。

5.根据权利要求4所述的考虑驾驶人反应能力的跟车场景车辆风险动态评价方法，其特征在于：所述步骤S5中车辆风险等级划分的过程如下：使用K‑means聚类得到的不同类别时间裕度的簇，鉴于时间裕度越低的为越高的车辆风险等级，时间裕度越高为越低的车辆风险等级；因此，根据每个簇的数值区间范围，数值小为高风险，数值大为低风险，每个簇按照其数值区间的排序确定车辆风险等级；

使用方差分析法ANOVA提出各簇之间的无差异假设H0、有显著差异假设H1，选择F统计量作为检验统计量，计算检验统计量的观测值和概率P值，首先，排除接受H1假设的聚类方式；其次，同时以各聚类方式的轮廓系数最大化和误差最小化为评价准则，轮廓系数接近+1表示簇内的个案之间紧凑，为0时表示有簇重叠，最终确定k值的聚类参数；

然后利用K‑means算法将获得的时间裕度进行聚类操作，聚类簇数k设置为n，通过聚类算法迭代计算得到时间裕度簇，以各个簇的聚类结果作为跟车场景的风险评价等级。