1.一种基于人工智能与车辆动力学的制动转矩分配方法，其特征在于，所述方法包括：获取目标车辆当前的状态信息、所述目标车辆周边的环境信息、以及所述目标车辆上驾驶员的驾驶信息；将所述状态信息、所述环境信息和所述驾驶信息，输入至目标转矩分配模型中进行转矩分配，得到初始转矩分配结果；所述目标转矩分配模型是基于预先构建的仿真场景库进行训练得到；所述仿真场景库包括基础法规工况、极端危险工况和新能源工况，所述基础法规工况包括高附着直线制动工况、低附着制动工况和转向制动复合工况，所述极端危险工况包括对开路面制动工况、对接路面突变制动工况和高速避障工况，所述新能源工况包括再生制动协调工况和能量回收优先工况；将所述状态信息和所述驾驶信息，输入至车辆动力学模型进行动力学分析，得到所述目标车辆的最大制动力和参考横摆角速度；确定所述初始转矩分配结果中的初始制动转矩是否满足预设制动力条件和预设角速度条件；所述预设制动力条件包括所述初始制动转矩对应的轮胎制动力不超过所述最大制动力；所述预设角速度条件包括所述初始制动转矩对应的横摆角速度与所述参考横摆角速度的角速度差不超过预设阈值；若所述初始转矩分配结果满足所述预设制动力条件和所述预设角速度条件，则将所述初始制动转矩作为所述目标转矩分配结果中的目标制动转矩；若所述初始转矩分配结果不满足所述预设制动力条件，则将所述最大制动力对应的制动转矩和所述初始制动转矩中的较小值作为所述目标制动转矩；若所述初始转矩分配结果不满足所述角速度条件，则根据所述角速度差确定转矩增量，并根据转矩增量对所述初始制动转矩进行调节，得到所述调节后的制动转矩，并根据所述调节后的制动转矩，返回执行所述确定所述初始转矩分配结果中的初始制动转矩是否满足预设制动力条件和预设角速度条件的步骤。
2.根据权利要求1所述的方法，其特征在于，所述车辆动力学模型包括制动力分析模型和角速度分析模型，所述将所述状态信息和所述驾驶信息，输入至所述车辆动力学模型进行动力学分析，得到所述目标车辆的最大制动力和参考横摆角速度，包括：将所述状态信息输入至所述制动力分析模型中进行制动力分析，得到所述目标车辆的最大制动力；将所述状态信息和所述驾驶信息，输入至所述角速度分析模型中进行分析，得到所述目标车辆的参考横摆角速度。
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：构建试验车辆的仿真场景库；控制所述试验车辆在所述仿真场景库中的各种工况下进行行驶试验，采集所述试验车辆在各个工况下的动力学数据，形成样本数据集；根据所述样本数据集对初始转矩分配模型进行训练，得到所述目标转矩分配模型。
4.根据权利要求3所述的方法，其特征在于，所述样本数据集包括状态样本数据、动作样本数据和状态转移样本数据，所述初始转矩分配模型包括初始决策网络和初始状态预测网络，所述根据所述样本数据集对初始转矩分配模型进行训练，得到所述目标转矩分配模型，包括：将所述状态样本数据输入至所述初始决策网络中进行制动决策，输出决策动作信息；将所述决策动作信息和所述状态样本数据，输入至所述初始状态预测网络进行状态预测，得到状态转移信息；根据所述决策动作信息、所述状态转移信息和所述样本数据集，确定目标损失；根据所述目标损失对所述初始决策网络中的参数进行调整，直至所述目标损失满足预设误差阈值要求，并将训练后的初始决策网络作为所述目标转矩分配模型。
5.一种基于人工智能与车辆动力学的制动转矩分配装置，用于实现如权利要求1所述的基于人工智能与车辆动力学的制动转矩分配方法，其特征在于，所述装置包括：获取模块，用于获取目标车辆当前的状态信息、所述目标车辆周边的环境信息、以及所述目标车辆上驾驶员的驾驶信息；分配模块，用于将所述状态信息、所述环境信息和所述驾驶信息，输入至目标转矩分配模型中进行转矩分配，得到初始转矩分配结果；修正模块，用于根据所述状态信息、所述驾驶信息和所述目标车辆对应的车辆动力学模型，对所述初始转矩分配结果进行修正，得到目标转矩分配结果。
6.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法的步骤。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
