1.基于动态贝叶斯网络的无人驾驶碰撞风险评估方法，其特征在于，包括以下步骤：S1、采集当前道路交通状况，并进行预处理，得到划分性能指标，及划分后的道路交通状况；具体为：采集当前道路交通状况，并将当前道路交通状况进行分类，得到危险状态下的道路交通状况与安全状态下的道路交通状况，及划分性能指标；其中，划分性能指标分别表示为：其中，W为分类的整体准确性，D为判断为危险状态的准确性，S为判断为安全状态的准确性，Tpz为正确判断为危险状态的数量，Taq为正确判断为安全状态的数量，Fpz为错误判断为危险状态的数量，Faq为错误判断为安全状态的数量；

S2、构建网络碰撞风险评估模型，根据划分性能指标得到网络碰撞风险；具体为：构建网络碰撞风险评估模型，并根据划分性能指标评估当前道路交通状况中路段存在易发生碰撞的交通状况的概率，得到网络碰撞风险，其中，网络碰撞风险评估模型中碰撞风险计算式表示为：其中，TC为道路交通状况，取值为0和1分别对应安全状态与危险状态两种情况，NLR为网络级风险状况，P(NLR＝"danger")为危险状态下的网络级风险状况的概率，P(NLR＝"safe")为安全状态下的网络级风险状况的概率；

S3、构建车辆碰撞风险估计模型，并根据网络碰撞风险评估车辆碰撞风险概率；具体为：构建车辆碰撞风险估计模型，其模型表示为：

其中， 为t时刻下当前车辆处于危险状况下的车辆

t

碰撞风险概率，N为当前车辆能感知到周围车辆的总数，VLR 为t时刻下当前车辆状况，为(t‑1)时刻下周围车辆总状况， 为(t‑1)时刻周围车辆运动风险总状况，为t时刻网络碰撞风险状况， 和 分别为车辆运动风险、周围车辆风险和网络碰撞风险的参数；

并利用网络碰撞风险结合车辆碰撞风险估计模型计算车辆碰撞风险概率；

S4、基于不少于一个时段的车辆碰撞风险概率，通过动态贝叶斯网络模型进行评估。

2.根据权利要求1所述的基于动态贝叶斯网络的无人驾驶碰撞风险评估方法，其特征在于，步骤S3中网络碰撞风险参数计算式表示为：其中，W为分类的整体准确性，D为判断为危险状态的准确性，S为判断为安全状态的准确性， 为0时为周围没有对当前车辆构成威胁的车辆， 大于0时为周围存在对当前车辆构成威胁的车辆， 为t时刻处于安全状况下的网络碰撞风险；

为t时刻当前车辆处于危险状况下的网络碰撞风险。

3.一种应用权利要求1所述方法的基于动态贝叶斯网络的无人驾驶碰撞风险评估系统，其特征在于，包括：道路交通预处理模块，用于采集当前道路交通状况，并进行预处理，得到划分性能指标，及划分后的道路交通状况；

网络碰撞风险评估模块，用于构建网络碰撞风险评估模型，根据划分性能指标得到网络碰撞风险；

车辆碰撞风险估计模块，用于构建车辆碰撞风险估计模型，并根据网络碰撞风险评估车辆碰撞风险概率；

动态贝叶斯网络模块，用于构建动态贝叶斯网络模型，对多时段内车辆碰撞风险概率进行评估。