1.一种基于决策树的驾驶员意图分析方法，其特征是：包括以下步骤：接收各训练时刻车速、加速踏板的位移、制动踏板的位移、方向盘的转动角度以及距离路口的实时距离；

利用多流卷积神经网络检测驾驶员注视位置，并通过车载RGB摄像头获取驾驶员头部姿态信息，根据相对应的驾驶员意图做标记，利用SVD降维筛选出关键特征；

根据采集到并经过降维处理的数据，通过训练数据构建决策树模型，利用生成的决策树模型对实时数据进行分析，得出驾驶员的意图。

2.如权利要求1所述的一种基于决策树的驾驶员意图分析方法，其特征是：利用车载传感器采集车速、加速踏板的位移、制动踏板的位移、方向盘的转动角度以及距离路口的实时距离。

3.如权利要求1所述的一种基于决策树的驾驶员意图分析方法，其特征是：利用多流卷积神经网络检测驾驶员注视位置的具体过程包括：搭建多流卷积神经网络；使用采集到的标注数据训练网络模型；将训练好的网络模型应用于驾驶员注视位置检测。

4.如权利要求1所述的一种基于决策树的驾驶员意图分析方法，其特征是：利用RGB摄像头获取驾驶员头部姿态信息。

5.如权利要求4所述的一种基于决策树的驾驶员意图分析方法，其特征是：驾驶员头部姿态信息具体包括俯仰角、滚动角和偏航角。

6.进行意图标记和利用SVD降维筛选出关键特征的具体过程包括：将采集到的每组数据按照左转向、右转向、超车变道、直行、刹车/停车意图做相应标记；

对数据进行奇异值分解，根据奇异值矩阵降维。

7.如权利要求1所述的一种基于决策树的驾驶员意图分析方法，其特征是：构建决策树模型的具体过程包括：将所有数据看成是一个节点；

从训练数据中众多特征中挑选一个特征作为当前节点的分裂标准；

从上至下递归地生成若干子节点，直到数据集不可分，满足停止分裂的条件，至此生成决策树；

利用决策树针对测试数据分析驾驶员意图。

8.一种基于决策树的驾驶员意图分析系统，其特征是：包括：训练数模块，被配置为接收各训练时刻车速、加速踏板的位移、制动踏板的位移、方向盘的转动角度以及距离路口的实时距离；

标记模块，被配置为利用多流卷积神经网络检测驾驶员注视位置，并通过车载RGB摄像头获取驾驶员头部姿态信息，根据相对应的驾驶员意图做标记，利用SVD降维筛选出关键特征；

模型构建模块，被配置为根据采集到并经过降维处理的数据，通过训练数据构建决策树模型，利用生成的决策树模型对实时数据进行分析，得出驾驶员的意图。

9.一种计算机可读存储介质，其特征是：其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行权利要求1-7中任一项所述的一种基于决策树的驾驶员意图分析方法。

10.一种终端设备，其特征是：包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行权利要求1-7中任一项所述的一种基于决策树的驾驶员意图分析方法。