1.自动驾驶的接管预警方法，其特征在于，包括：获取自动驾驶的驾驶员特征并建模，输出表征驾驶员接管能力的指数值；获取自动驾驶的交通场景并建模，输出表征交通场景需求的负荷值；以指数值为横轴，以负荷值为纵轴，建立正交坐标系，得到二维势场；以二维势场作为智能体的状态空间，以自动驾驶权限等级和人机交互策略作为智能体的动作空间，建立深度强化学习模型，并进行离线训练，得到策略函数；根据所述策略函数，将二维势场划分为不同的区域，并得到每个区域的人机协作模式，以实现权限动态分配；根据二维势场中状态点的移动趋势和不同的人机协作模式，设置梯度式的接管请求，并输出推荐操作；获取紧急场景操作，并结合推荐操作，得到理想接管行为；判断驾驶员响应接管请求后，获取驾驶员的状态数据以及车辆的动态响应数据，并与所述理想接管行为进行比对，输出梯度式的接管预警决策。
2.根据权利要求1所述的自动驾驶的接管预警方法，其特征在于，获取自动驾驶的驾驶员特征并建模，输出表征驾驶员接管能力的指数值，包括：获取自动驾驶的驾驶员的眼睑闭合度、视线分布以及头部姿态，作为驾驶员的显性行为特征；获取自动驾驶的驾驶员的心率变异性和皮电反应，作为驾驶员的生理认知状态特征；获取自动驾驶的驾驶员与车载系统的交互频率和通话状态，作为驾驶员的行为特征；根据驾驶员的显性行为特征、生理认知状态特征以及行为特征，生成时序数据；构建深度学习模型，以所述时序数据为输入，输出综合接管能力指数值，以表征驾驶员接管能力。
3.根据权利要求2所述的自动驾驶的接管预警方法，其特征在于，获取自动驾驶的交通场景并建模，输出表征交通场景需求的负荷值，包括：获取自动驾驶的交通场景，并确定每个交通参与者的状态；以每个交通参与者为节点，以交通参与者的潜在交互为边，建立图神经网络；获取时空预测模型，并结合所述图神经网络，输出动态场景需求负荷值，以表征交通场景需求。
4.根据权利要求1或2所述的自动驾驶的接管预警方法，其特征在于，根据所述策略函数，将二维势场划分为不同的区域，并得到每个区域的人机协作模式，以实现权限动态分配，包括：二维势场中，沿着横轴的正方向，指数值逐渐增大，沿着纵轴的正方向，负荷值逐渐增大；根据所述策略函数，将二维势场划分为不同的区域，得到第一象限区、第二象限区、第三象限区以及第四象限区；在第四象限区，系统综合风险等级为低，相应的权限分配建议包括：自动驾驶系统执行循迹和控速任务，但其控制律是柔性的，允许驾驶员进行无风险的干预，并进行适配；在第二象限区，系统综合风险等级为高，相应的权限分配建议包括：自动驾驶系统采取最保守的驾驶策略，拒绝驾驶员的常规输入；在第三象限区或第一象限区，系统综合风险等级为中，相应的权限分配建议包括：判断二维势场中状态点的运动趋势，若状态点向第二象限区运动，则增加自动驾驶系统的控制权限，提高预警等级，若状态点向第四象限区运动，则降低自动驾驶系统的控制权限，降低预警等级；根据系统综合风险等级和相应的权限分配建议，得到每个区域的人机协作模式，以实现权限动态分配。
5.根据权利要求1或2所述的自动驾驶的接管预警方法，其特征在于，根据二维势场中状态点的移动趋势和不同的人机协作模式，设置梯度式的接管请求，并输出推荐操作，包括：根据二维势场中状态点的移动趋势和不同的人机协作模式，判断状态点的位置；当状态点在第四象限区，则无需接管请求；当状态点在第三象限区或第一象限区，并开始向第二象限区运动，则增加自动驾驶系统的自主性，并启动低级别预警，通过视觉信号和触觉信号引导驾驶员的注意力回归；当状态点继续向第二象限区运动，则进一步增加自动驾驶系统的自主性，并启动中级别预警，通过听觉信号和视觉增强信号告知驾驶员情境风险；当状态点在第二象限区，且指数值达到预设值，则更进一步增加自动驾驶系统的自主性，并启动高级别预警，通过听觉增强信号和视觉增强信号发出接管请求，并输出推荐操作，以作为辅助决策。
6.根据权利要求1或2所述的自动驾驶的接管预警方法，其特征在于，判断驾驶员响应接管请求后，获取驾驶员的状态数据以及车辆的动态响应数据，并与所述理想接管行为进行比对，输出梯度式的接管预警决策，包括：判断驾驶员响应接管请求后，获取驾驶员的操作数据以及视线数据，以作为驾驶员的状态数据，并获取车辆的动态响应数据；将驾驶员的状态数据和车辆的动态响应数据与所述理想接管行为进行比对，结合及时性、准确性和稳定性的维度，得到评估结果；根据评估结果，输出梯度式的接管预警决策。
7.根据权利要求6所述的自动驾驶的接管预警方法，其特征在于，根据评估结果，输出梯度式的接管预警决策，包括：当评估结果为高，判断有效接管，接管预警决策为：自动驾驶系统让渡控制权；当评估结果为中，判断部分接管，接管预警决策为：自动驾驶系统执行修正性干预，以进行人机共驾；当评估结果为低，判断无效接管，接管预警决策为：自动驾驶系统执行风险最小化策略。
8.自动驾驶的接管预警装置，其特征在于，包括：第一模块，用于获取自动驾驶的驾驶员特征并建模，输出表征驾驶员接管能力的指数值；第二模块，用于获取自动驾驶的交通场景并建模，输出表征交通场景需求的负荷值；第三模块，用于以指数值为横轴，以负荷值为纵轴，建立正交坐标系，得到二维势场；以二维势场作为智能体的状态空间，以自动驾驶权限等级和人机交互策略作为智能体的动作空间，建立深度强化学习模型，并进行离线训练，得到策略函数；根据所述策略函数，将二维势场划分为不同的区域，并得到每个区域的人机协作模式，以实现权限动态分配；第四模块，用于根据二维势场中状态点的移动趋势和不同的人机协作模式，设置梯度式的接管请求，并输出推荐操作；第五模块，用于获取紧急场景操作，并结合推荐操作，得到理想接管行为；判断驾驶员响应接管请求后，获取驾驶员的状态数据以及车辆的动态响应数据，并与所述理想接管行为进行比对，输出梯度式的接管预警决策。
9.一种计算机设备，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7中任一项所述方法的步骤。
10.一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7中任一项所述的方法的步骤。
