1.一种多源信息融合的自适应车身高度调节方法，其特征在于，该方法包括以下步骤：(1)通过车载摄像头采集当前行驶路线前方的路线状态，对采集图像中的交通标志进行识别，提供路线预判信息C 1 ，预判属性值包括上坡、下坡、弯道、路口；(2)通过路况传感器组采集当前车辆行驶所在路面的路况信息C 2 ，路况属性值包括平坦、颠簸、左倾、右倾、前倾、后倾；(3)通过天气传感器组采集当前天气状态指标，包括风速指标T 1 、雨量指标T 2 、风向指标T 3 ；(4)实时检测车辆行驶速度V；(5)构建用于输出车身目标高度的决策树模型，通过样本数据的选取与处理、树的分裂、决策树模型建立这三个环节来完成构建；所述样本数据中的属性值来源于步骤1-4获取的数据，决策值来源于相应属性值条件下车辆安全性能测试得到的最低车身高度数值；将样本数据分为训练数据集S和测试数据集T；所述树的分裂过程中，所用分裂标准选择具有最高信息增益的属性作为训练数据集S的分裂属性，训练数据集S包含s个数据样本，定义H 1 ,H 2 ,…,H m 分别代表m个车身高度决策类，那么s 1 ,s 2 ,…,s m 就是类H 1 ,H 2 ,…,H m 的样本数目：则树的分裂及决策树模型建立具体为：首先，计算出给定样本分类所需的期望信息和熵值；然后，通过得到的期望信息和熵值分别计算当各属性C 1 、C 2 、T 1 、T 2 、T 3 、V作为分裂属性时的信息增益，进而比较六个属性的信息增益，选择信息增益最大的属性作为最好的分裂属性；最后，根据分裂属性的取值得到决策树的分支，训练数据集S将被划分多个子集，对于每一个子树重新计算各属性信息增益熵，以此类推，直至某一子集的样本属于同一类，决策树停止分类；(6)实时行驶时，将步骤1-4获取的数据输入到步骤5构建的决策树模型中，输出车身目标高度；(7)根据车高调节策略，结合步骤6所得的车身目标高度和当前车身高度，输出控制信号；(8)ECAS系统接收控制信号，实现对车身高度的调节。
2.根据权利要求1所述的多源信息融合的自适应车身高度调节方法，其特征在于：所述路况传感器组包括横摆传感器和ECAS系统的车辆高度传感器。
3.根据权利要求1所述的多源信息融合的自适应车身高度调节方法，其特征在于：所述天气传感器组包括风速传感器、风向传感器和雨量传感器。
4.根据权利要求3所述的多源信息融合的自适应车身高度调节方法，其特征在于：所述风速传感器和风向传感器基于车辆行驶状态输出车辆静止时的风速大小和风向以及车辆行驶时的风速相对大小和风向；所述雨量传感器检测车辆行驶时外界是否下雨及雨量的大小。
5.根据权利要求1所述的多源信息融合的自适应车身高度调节方法，其特征在于：所述天气传感器组采集的信号经过滤波处理，滤除外界干扰噪声，获得可描述当时天气的状态指标。
6.根据权利要求1所述的多源信息融合的自适应车身高度调节方法，其特征在于：所述步骤(5)中，车辆安全性能测试的标准为：以汽车安全性指标、行驶规范作为首要准则，在安全范围的条件下，输出最低车身目标高度。
7.根据权利要求1所述的多源信息融合的自适应车身高度调节方法，其特征在于：所述步骤(7)中的当前车身高度是由ECAS系统实时反馈获得的。
8.根据权利要求1所述的多源信息融合的自适应车身高度调节方法，其特征在于：所述步骤(7)中的车高调节策略具体如下：记录决策树输出的车身目标高度为h t ，记录ECAS系统反馈的车身当前高度为h c ；设定波动消除阈值th1和调节阈值th2；将车身当前高度和车身目标高度进行比较，根据以下比较结果输出决策结果：a、若h c <h t -th2，则输出上升命令，并输出h t -th2作为新的车身目标高度；b、若h c >h t +th1，则输出下降命令，并输出h t 作为新的车身目标高度；c、若h t -th2<＝h c <＝h t +th1，则不进行车高调节，输出停止信号。
