1.一种桥墩防撞控制方法，其特征在于：包括步骤：通过桥墩防撞系统持续采集环境数据、毫米波雷达数据和激光雷达数据；将毫米波雷达数据和激光雷达数据处理为融合数据；根据环境数据和融合数据实时计算风险预测结果；根据风险预测结果控制防撞装置；所述将毫米波雷达数据和激光雷达数据处理为融合数据包括步骤：转换坐标并提取船舶特征；数据融合处理；所述数据融合处理具体包括步骤：根据结构性特征和运动状态特征识别跟踪对象，并初始化扩展卡尔曼滤波模型；使用匈牙利算法持续将跟踪对象与船舶特征匹配；根据船舶特征，使用扩展卡尔曼滤波模型对跟踪对象的运动轨迹进行预测得到预测结果；所述扩展卡尔曼滤波模型包括跟踪对象的位置、航向、速度和加速度；将原有的轨迹与预测结果进行合并，并通过滤波器实时更新跟踪对象的扩展卡尔曼滤波模型；其中，所述根据环境数据和融合数据实时计算风险预测结果，具体包括步骤：根据环境数据设置模拟环境；使用神经网络模型根据环境数据和跟踪对象参数计算跟踪对象风险预测结果；所述跟踪对象参数通过扩展卡尔曼滤波模型实时获取；所述模拟环境包括地理信息、天气条件和水文条件；所述地理信息包括桥梁结构特征和跟踪对象航道；所述天气条件包括风速、风向、能见度和降雨量；所述水文条件包括潮汐情况、水流速度和水流方向。
2.根据权利要求1所述的桥墩防撞控制方法,其特征在于：所述将毫米波雷达数据和激光雷达数据处理为融合数据包括数据预处理与标准化，具体包括步骤：时间戳同步：将毫米波雷达数据和激光雷达数据的数据流时间戳对齐，使得毫米波雷达和激光雷达获取的数据在时间上保持一致；空间校准：对毫米波雷达数据和激光雷达数据进行空间校准，以确保它们参照同一坐标系；分辨率匹配：对激光雷达数据进行采样，修改激光雷达数据的分辨率以适配毫米波雷达数据；滤波：使用高斯滤波器去除激光雷达数据和毫米波雷达数据的噪声和异常值。
3.根据权利要求1所述的桥墩防撞控制方法,其特征在于：所述转换坐标并提取船舶特征，具体包括步骤：坐标转换：将毫米波雷达数据和激光雷达数据转换至统一的笛卡尔坐标系;特征提取：从毫米波雷达数据和激光雷达数据中提取有船舶特征，所述船舶特征包括结构性特征和运动状态特征；所述结构性特征包括船舶的边缘、角点和平面特征；所述运动状态特征包括位置、速度和加速度特征。
4.根据权利要求1所述的桥墩防撞控制方法,其特征在于：所述匈牙利算法具体通过以下步骤实现：S2331、给定一个成本矩阵，其中的元素表示船舶特征和跟踪对象之间的成本；S2332、对成本矩阵的每一行和每一列减去最小值；S2333、在成本矩阵中找到指定位置，使得每一行和每一列都至少有一个被标记的0；如果找不到所述指定位置，进入步骤S2335；否则，标记所述指定位置，并将它所在的行和列的其他0置为未标记状态；S2334、在标记的行中找到未配对的0，将其与标记的列中的0相连，形成新的匹配边；若未配对的0不存在，进入下一步；S2335、根据新的匹配边，修改成本矩阵，同时保留已有的匹配边；若所有船舶特征都得到了分配，则结束流程；否则返回步骤S2333。
5.根据权利要求1所述的桥墩防撞控制方法,其特征在于：所述神经网络模型为多层感知机；所述多层感知机包括输入层、输出层和多个隐藏层；所述隐藏层的输出表示为： ， ， ，其中，H为隐藏层的输出，X为隐藏层的输入，W h 和b h 分别为隐藏层的权重和偏差，n为样本的特征数量，h为隐藏层的神经元数量;所述输出层的输出表示为： ， ， ，其中，O为输出层的输出，H为隐藏层的输出，W O 和b O 分别为输出层的权重和偏差，q为输出层的输出数量。
6.根据权利要求1所述的桥墩防撞控制方法,其特征在于：所述防撞装置包括高强橡胶、安全气囊收纳盒和安装基座；所述防撞装置通过安装基座与桥墩紧箍在一起；所述安装基座中设有弹簧；所述安全气囊收纳盒中设有安全气囊。
7.根据权利要求6所述的桥墩防撞控制方法,其特征在于：所述根据风险预测结果控制防撞装置，具体包括步骤：当风险预测结果高于第一预设阈值时，通过信号传递装置发送报警信号到防撞装置；防撞装置根据报警信号，触发报警装置；当风险预测结果高于第二预设阈值时，发送危险信号到防撞装置；所述防撞装置接收到危险信号后向安全气囊收纳盒中的安全气囊充气，使安全气囊包裹桥墩；当风险预测结果降低至第一预设阈值时，将气体排出并将安全气囊收回安全气囊收纳盒内。
