1.一种危险工况下驾驶员避撞行为预测方法,其特征在于,包括以下步骤:S1,从事故数据库中提取变量数据,对变量进行统计分析,根据变量的统计特性进行数据分类,使用多维高斯分布构建驾驶员避撞行为模型;S2,获取影响驾驶员转向偏好的变量,构建转向偏好决策树模型;S3,对驾驶员避撞行为模型进行采样预测避撞行为。2.根据权利要求1所述的危险工况下驾驶员避撞行为预测方法,其特征在于,所述步骤S1的具体步骤为:步骤S11,从事故数据库中提取变量数据;步骤S12,对获取变量进行统计分析,获取它们的统计学特性;步骤S13,根据变量的统计特性进行数据分类,为高斯子模型建立提供依据。步骤S14,使用多维高斯分布构建驾驶员避撞行为模型,用其表示车辆纵横向减/加速度的概率密度函数。3.根据权利要求2所述的危险工况下驾驶员避撞行为预测方法,其特征在于,所述步骤S11的变量包括避撞行为开始时间、车辆纵横向避撞减/加速度、避撞行为开始时速度、临撞时间。4.根据权利要求1所述的危险工况下驾驶员避撞行为预测方法,其特征在于,所述步骤S2的具体步骤为:步骤S21,获取影响驾驶员转向偏好的变量;步骤S22,利用数据库中的驾驶员转向偏好数据,构建转向偏好决策树模型。5.根据权利要求1所述的危险工况下驾驶员避撞行为预测方法,其特征在于,所述步骤S3中使用马尔可夫‑蒙特卡洛Gibbs采样方法对驾驶员避撞行为模型进行采样。6.一种危险工况下驾驶员避撞行为预测系统,其特征在于:包括环境感知模块、定位模块、紧急场景分类模块、驾驶员避撞行为模块、采样模块和驾驶员转向偏好预测模块,环境感知模块通过激光雷达、摄像头、毫米波雷达设备获取当前车辆到目标车辆距离Δd和目标车状态信息如目标车航向角θ2和对应速度vo;定位模块获取当前自车信息;紧急场景分类模块,用于根据车上感知传感器和定位设备获取自车与目标车相对距离与对应速度,计算得出临撞速度v避撞和临撞时间TTCb,从而依据定义的危险场景划分级别对当前场景紧急程度进行分类;驾驶员避撞行为模块,根据紧急场景分类信息确定的当前危险场景级别调用要进行采样的驾驶员避撞行为子模型;采样模块:使用马尔可夫‑蒙特卡洛策略中的Gibbs采样方法对驾驶员避撞行为子模型进行采样,获取多个采样点,代表在当前危险场景下,驾驶员可能采取的避撞操作强度;驾驶员转向偏好预测模块,用于根据采样点是否采取转向避撞操作,决定是否调用驾驶员转向偏好预测模型,从而得到驾驶员右转或左转的概率,完成驾驶员转向偏好预测。