1.一种智能汽车纵向行驶单项指标评价方法，其特征在于，包括：分别获取相同测试场景、相同工况下，成熟驾驶员、初学驾驶员和智能汽车关于评价指标的多组驾驶数据；通过对相应的驾驶数据进行统计概率分析，分别确定成熟驾驶员、初学驾驶员和智能汽车关于所述评价指标的驾驶特征概率分布；以成熟驾驶员关于评价指标的驾驶特征概率分布的平均值和方差，以及该平均值和方差对应的得分率，组成用于评价智能汽车纵向行驶性能的高分评价标准，以初学驾驶员关于评价指标的驾驶特征概率分布的平均值和平均值对应的得分率，组成用于评价智能汽车纵向行驶性能的性能基本标准；基于所述高分评价标准和性能基本标准，根据所述智能汽车的驾驶特征概率分布，计算所述智能汽车关于所述评价指标的单项指标评分，包括： ； ； ；其中， 、 分别为智能汽车关于评价指标i的驾驶特征概率分布的中位数和方差， 、 分别为初学驾驶员对应的驾驶特征概率分布的平均值及其对应的得分率， 、 、 、 分别为成熟驾驶员对应的驾驶特征概率分布的平均值、方差及其对应的得分率， 为智能汽车的驾驶特征概率分布与高性能指标的JS离散度。
2.根据权利要求1所述的智能汽车纵向行驶单项指标评价方法，其特征在于，获取相同测试场景、相同工况下，成熟驾驶员、初学驾驶员和智能汽车关于评价指标的驾驶数据，包括：获取相同测试场景下成熟驾驶员、初学驾驶员和智能汽车的多组车辆驾驶数据；分别对所述成熟驾驶员、初学驾驶员和智能汽车对应的车辆驾驶数据进行聚类，确定不同工况下成熟驾驶员、初学驾驶员和智能汽车对应的多组驾驶数据。
3.一种智能汽车纵向行驶性能评价方法，其特征在于，包括：采用如权利要求1或2所述的智能汽车纵向行驶单项指标评价方法，计算智能汽车关于不同评价指标的单项指标评分；按照评价体系对各项评价指标进行分级，根据下一级各项评价指标对应的单项指标评分和权重，逐级加权计算上一级各项评价指标对应的指标评分，最终得到智能汽车的综合评分。
4.一种智能汽车纵向行驶性能评价方法，其特征在于，包括：获取不同测试场景下成熟驾驶员、初学驾驶员和智能汽车的多组车辆驾驶数据；采用如权利要求3所述的智能汽车纵向行驶性能评价方法，确定不同测试场景、不同工况下智能汽车的综合评分。
5.一种智能汽车纵向行驶单项指标评价系统，其特征在于，包括：获取模块，配置为分别获取相同测试场景、相同工况下，成熟驾驶员、初学驾驶员和智能汽车关于评价指标的多组驾驶数据；统计模块，配置为通过对相应的驾驶数据进行统计概率分析，分别确定成熟驾驶员、初学驾驶员和智能汽车关于所述评价指标的驾驶特征概率分布；标准模块，配置为以成熟驾驶员关于评价指标的驾驶特征概率分布的平均值和方差，以及该平均值和方差对应的得分率，组成用于评价智能汽车纵向行驶性能的高分评价标准，以初学驾驶员关于评价指标的驾驶特征概率分布的平均值和平均值对应的得分率，组成用于评价智能汽车纵向行驶性能的性能基本标准；评价模块，配置为基于所述高分评价标准和性能基本标准，根据所述智能汽车的驾驶特征概率分布，计算智能汽车关于所述评价指标的单项指标评分，包括： ； ； ；其中， 、 分别为智能汽车关于评价指标i的驾驶特征概率分布的中位数和方差， 、 分别为初学驾驶员对应的驾驶特征概率分布的平均值及其对应的得分率， 、 、 、 分别为成熟驾驶员对应的驾驶特征概率分布的平均值、方差及其对应的得分率， 为智能汽车的驾驶特征概率分布与高性能指标的JS离散度。
6.一种智能汽车纵向行驶性能评价系统，其特征在于，包括：单项评价模块，配置为采用如权利要求1或2所述的智能汽车纵向行驶单项指标评价方法，计算智能汽车关于不同评价指标的单项指标评分；综合评价模块，配置为按照评价体系对各项评价指标进行分级，根据下一级各项评价指标对应的单项指标评分和权重，逐级加权计算上一级各项评价指标对应的指标评分，最终得到智能汽车的综合评分。
7.一种智能汽车纵向行驶性能评价系统，其特征在于，包括：驾驶数据模块，配置为获取不同测试场景、不同工况下，成熟驾驶员、初学驾驶员和智能汽车的多组车辆驾驶数据；性能评价模块，配置为采用如权利要求3所述的智能汽车纵向行驶性能评价方法，确定不同测试场景、不同工况下智能汽车的综合评分。
