1.一種自動駕駛與人工駕駛混行的事故嚴重程度預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種自動駕駛與人工駕駛混行的事故嚴重程度預測方法，其特征在于，獲取自動駕駛與人工駕駛混行環境下的交通事故數據包括：
3.根據權利要求1所述的一種自動駕駛與人工駕駛混行的事故嚴重程度預測方法，其特征在于，根據交通事故數據中的事故位置，提取事故位置點的道路交通特征和建成環境特征，包括：
4.根據權利要求1所述的一種自動駕駛與人工駕駛混行的事故嚴重程度預測方法，其特征在于，將交通事故數據與事故位置點的道路交通特征和建成環境特征進行匹配，建立自動駕駛與人工駕駛交通事故特征變量數據集，包括：
5.根據權利要求1所述的一種自動駕駛與人工駕駛混行的事故嚴重程度預測方法，其特征在于，根據自動駕駛與人工駕駛交通事故特征變量數據集，基于機器學習篩選交通事故嚴重程度影響特征變量，包括：
6.根據權利要求5所述的一種自動駕駛與人工駕駛混行的事故嚴重程度預測方法，其特征在于，分裂后節點基尼指數的變化量的計算方式為：
7.根據權利要求5所述的一種自動駕駛與人工駕駛混行的事故嚴重程度預測方法，其特征在于，特征變量的累計貢獻比例的計算方式為：
8.根據權利要求1所述的一種自動駕駛與人工駕駛混行的事故嚴重程度預測方法，其特征在于，根據交通事故嚴重程度影響特征變量，構建混行環境下自動駕駛與人工駕駛事故嚴重程度的聯合預測模型進行事故嚴重程度預測，包括：
9.根據權利要求8所述的一種自動駕駛與人工駕駛混行的事故嚴重程度預測方法，其特征在于，采用準蒙特卡羅方法近似計算對數似然函數中的積分具體為：
10.根據權利要求8所述的一種自動駕駛與人工駕駛混行的事故嚴重程度預測方法，其特征在于，基于近似的對數似然函數，使用梯度下降法迭代估計參數，具體為：