1.一种车辆行驶的控制方法，其特征在于，包括：

获取目标车辆的当前传感信息，其中，所述当前传感信息至少包括以下之一：所述目标车辆对所述目标车辆所在的当前道路的第一传感信息，所述目标车辆对其他车辆的第二传感信息；

将所述当前传感信息对应的特征向量输入训练后的分类模型，并获取所述分类模型输出的车辆行为标签；

控制所述目标车辆按照所述车辆行为标签对应的行驶指令行驶。

2.根据权利要求1所述的车辆行驶的控制方法，其特征在于，通过以下方式确定所述第一传感信息：根据所述目标车辆的当前位置确定所述目标车辆所在的当前道路；

将所述目标车辆的传感设备采集到的所述当前道路的第一道路信息，与所述当前道路相邻的其他道路的第二道路信息，以及所述当前道路和所述其他道路的连通信息确定为所述第一传感信息；其中，所述连通信息是根据所述第一道路信息和所述第二道路信息得到的，且用于表示所述当前道路与所述其他道路之间是否允许跨越。

3.根据权利要求1所述的车辆行驶的控制方法，其特征在于，通过以下方式获取所述第二传感信息：对位于所述目标车辆的识别范围内的目标对象进行识别，得到识别结果；

在确定所述识别结果指示所述目标对象为非生命对象的情况下，从所述非生命对象的传感信息中解析出所述第二传感信息。

4.根据权利要求1所述的车辆行驶的控制方法，其特征在于，通过以下方式获取所述第二传感信息：通过以下公式获取所述第二传感信息Vj(t)：

其中，t为时刻，j为车辆编号，j＝1，2，...，n，n为正整数，xj(t)为x坐标，yj(t)为y坐标，θj(t)为朝向角、 为速度的x方向分量， 为速度的y方向分量， 为加速度的x方向分量， 为加速度的y方向分量，sigj(t)为信号灯的标志向量。

5.根据权利要求1所述的车辆行驶的控制方法，其特征在于，在将所述当前传感信息对应的特征向量输入训练后的分类模型之前，所述方法还包括：通过以下公式获取所述当前传感信息对应的特征向量Fj(t)：

其中，t为时刻，j为车辆编号，j＝1，2，...，n，n为正整数， 表示所述目标车辆j与道路i之间的位置特征向量， 表示所述目标车辆与所述其他车辆m之间的位置特征向量， 表示所述目标车辆与道路i之间的位置特征向量在历史时间段内的变化量，表示所述目标车辆与所述其他车辆m的位置特征向量在所述历史时间段内的变化量，Vm表示其他车辆m的车辆信息，Li表示当前道路i对应的道路信息。

6.根据权利要求1所述的车辆行驶的控制方法，其特征在于，在对所述分类模型进行训练的过程中，所述方法还包括：为所述分类模型配置训练参数，其中，所述训练参数至少包括迭代次数；

根据所述迭代次数对所述分类模型进行迭代训练，获取迭代训练后的第一决策结果和第二决策结果，其中，所述第一决策结果包括k‑1次迭代训练后得到的k‑1棵决策树，所述第二决策结果表示按照目标函数对第k次的训练结果进行拟合的结果，所述k表示所述迭代次数，其中，通过以下公式获取所述目标函数其中，Md表示第d个训练数据的历史行为标签，Fd(t)为第d个训练数据的历史特征向量，fk(·)表示第k次迭代训练后得到的决策树， 表示所述k‑1棵决策树对第d个训练数据的历史特征向量输出的预测结果，Ω(fk)为对第k次迭代训练后得到的决策树的复杂度评估，loss(·)为任意损失函数。

7.根据权利要求1所述的车辆行驶的控制方法，其特征在于，在控制所述目标车辆按照所述车辆行为标签对应的行驶指令行驶之后，包括：获取所述分类模型在训练完成时生成的决策树；

确定当前传感信息对应的不同特征向量在所述决策树中对应的不同权重，获取每一特征向量和对应的权重的乘积，得到多个乘积；

比较所述多个乘积，并根据比较结果对所述不同特征向量进行优先级排序，其中，具有最大值的乘积对应的特征向量具有最高优先级。

8.一种车辆行驶的控制装置，其特征在于，包括：

获取模块，用于获取目标车辆的当前传感信息，其中，所述当前传感信息至少包括以下之一：所述目标车辆对所述目标车辆所在的当前道路的第一传感信息，所述目标车辆对其他车辆的第二传感信息；

第一确定模块，用于将所述当前传感信息对应的特征向量输入训练后的分类模型，并获取所述分类模型输出的车辆行为标签；

第二确定模块，用于控制所述目标车辆按照所述车辆行为标签对应的行驶指令行驶。

9.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至7任一项中所述的方法。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至7任一项中所述的方法。