1.一种基于车联网的车辆碰撞预警方法，其特征在于，具体包括：

S11基于车辆的雷达实时探测所述车辆与前车的车距，当所述车距小于第一车距阈值时，将所述车辆的通信装置打开，其中所述第一车距阈值根据所述车辆的驾驶人员特征、车辆特征确定；

所述车辆特征为：T＝k1y+k2V+k3s其中y、V、S分别是车辆的车龄、速度、制动临界距离，k1、k2、k3分别为所述车辆的车龄、速度、制动临界距离的权值；

驾驶人员特征的计算公式为：T2＝K4t1eyG其中t1、y、G分别为所说驾驶人员的本次累计驾驶时长、所述驾驶人员的年龄、所述驾驶人员的驾驶习惯，K4为权值；

S12基于所述车辆的通信装置与前车的通信装置建立通信，获取前车的司机的前车司机特征和前车的速度；

S13根据所述前车的司机特征、所述前车的速度、所述车距、所述驾驶人员特征，所述车辆特征，确定第二车距阈值和第三车距阈值，当所述车距小于第二车距阈值时，输出所述车辆的第一推荐车速，当所述车距小于第三车距阈值时，输出车辆碰撞预警信息，并输出所述车辆的第二推荐车速；

所述第二车距阈值确定的具体步骤为：S31提取所述前车的司机特征、所述前车的速度构成前车特征；

S32提取所述驾驶人员特征，所述车辆特征构成车辆综合特征；

S33将所述前车特征、所述车辆综合特征、所述车距送入到基于GA‑BiLSTM算法的预测模型之中，获得所述的第二车距阈值；

或者所述第二车距阈值确定的具体步骤为：S41提取所述前车的司机特征、所述前车的速度构成前车特征；

S42提取所述驾驶人员特征，所述车辆特征构成车辆综合特征；

S43基于所述前车特征、所述车辆综合特征、所述车距搭建所述第二车距阈值的数学模型，并基于所述数学模型求得所述的第二车距阈值；

所述第二车距阈值的数学模型为：

其中S2为第二车距阈值，其中p1、p2、S3分别为所述算法的所述前车特征、所述车辆综合特征、所述车距，K5为权值。

2.根据权利要求1所述的一种基于车联网的车辆碰撞预警方法，其特征在于，当所述车辆的速度小于第一车速阈值时，关闭所述车辆的雷达。

3.根据权利要求1所述的一种基于车联网的车辆碰撞预警方法，其特征在于，所述车距确定的具体步骤为：S21当所述车辆的速度大于或者等于第一车速阈值时，开启所处车辆的车载摄像头；

S22基于所述车辆的车载摄像头获取前方物体的照片，并将所述照片送入到所述车辆的图像识别装置，确定所述前方物体为行驶车辆时并将所述行驶车辆标记为前车，开启所述车辆的雷达装置；

S23基于所述雷达装置测量得到所述车辆与前车的车距。4.根据权利要求1所述的一种基于车联网的车辆碰撞预警方法，其特征在于，所述车辆特征由所述车辆的车龄、所处车辆的速度、所述车辆的制动临界距离确定。

5.根据权利要求1所述的一种基于车联网的车辆碰撞预警方法，其特征在于，所述驾驶人员特征根据所述驾驶人员的本次累计驾驶时长、所述驾驶人员的年龄、所述驾驶人员的驾驶习惯确定。

6.根据权利要求1所述的一种基于车联网的车辆碰撞预警方法，其特征在于，所述前车的司机特征根据司机的本次累计驾驶时长、司机的年龄、司机的驾驶习惯确定。

7.根据权利要求5‑6任一项所述的一种基于车联网的车辆碰撞预警方法，其特征在于，所述驾驶习惯根据本次驾驶期间的紧急刹车次数、本次驾驶期间的紧急加速次数、本次驾驶期间的实际油耗与所述车辆的官方油耗的比值确定。

8.一种基于车联网的车辆碰撞预警系统，采用权利要求1‑7任意一项所述的一种基于车联网的车辆碰撞预警方法，具体包括：车辆通信装置、前车通信装置、车载雷达装置、车辆分析装置；

其中所述车载雷达装置负责探测所述车辆与前车的车距，并将所述车距传输至车辆分析装置；

所处车辆分析装置负责当所述车距小于第一车距阈值时，将车辆通信装置打开，并根据驾驶人员特征、车辆特征确定第一车距阈值，获取车辆通信装置传输来的司机的前车司机特征和前车的速度；根据所述前车的司机特征、所述前车的速度、所述车距、所述驾驶人员特征，所述车辆特征，确定第二车距阈值和第三车距阈值，当所述车距小于第二车距阈值时，输出所述车辆的第一推荐车速，当所述车距小于第三车距阈值时，输出车辆碰撞预警信息，并输出所述车辆的第二推荐车速；

所述车辆通信装置负责接收前车通信装置传输来的司机的前车司机特征和前车的速度，并将所述司机的前车司机特征和前车的速度传输给车辆分析装置；

所述前车通信装置负责将司机的前车司机特征和前车的速度传输给车辆通信装置。