1.一种驾驶员实时安全特性评估方法，其特征在于，包括如下步骤：
步骤1、通过数据采集模块采集实时行车数据，所述实时行车数据包括本车和前车的行驶状态数据：本车的加速度、本车与前车的车速、本车与前车的车距；
步骤2、根据所述实时行车数据建立跟驰模型C＝α·Δt，其中，C为稳定性指标、α为驾驶员灵敏度系数、Δt为驾驶员的反应时间，基于采集的数据进行模型拟合，目标函数为均方根差RMSE；
步骤3、根据所述拟合输出模型结果，如果所述模型结果为危险，则提醒司机采取相应的安全措施。
2.根据权利要求1所述的方法，其特征在于，所述数据采集模块包括传感器采集模块、视频采集模块、GPS数据采集模块，利用所述传感器采集模块、视频采集模块、GPS数据采集模块采集实时数据，具体包括：
步骤101、所述传感器采集模块采集本车与前车的车距，所述GPS数据采集模块采集本车的车速和加速度，采集数据的频率为5Hz；
步骤102、根据采集的数据，得到本车与前车的车速差、本车与前车的车距、本车的加速度。
3.根据权利要求2所述的方法，其特征在于，所述步骤101还包括：通过所述视频采集模块采集的视频分析得到本车与前车的车距、本车的车速和加速度。
4.根据权利要求1所述的方法，其特征在于，所述步骤2具体包括：
步骤201、使用当前时刻前13秒的数据标定当前时刻的参数，标定的频率为1Hz；
步骤202、根据所述跟驰模型拟合得到后车加速度的预测值，并与实际采集数据进行对比，得到所述预测值与所述实际采集数据的均方根差RMSE；
步骤203、遍历α和Δt所有可行值，其中α∈[0,3]，步长0.01，Δt∈[0,2]，步长0.2；当均方根差RMSE最小时，得到参数α、Δt的标定值。
5.根据权利要求4所述的方法，其特征在于，所述步骤3具体包括：
步骤301、根据模型参数α、Δt的标定值，每秒钟计算并输出一次C＝α·Δt的值；
步骤302、判断C＝α·Δt中C的区间，其中：
(1)如果0≤C＝α·Δt≤1/e，则系统绝对稳定；
(2)如果1/e＜(C＝αT)≤π/2，则系统稳定，但不绝对稳定；
(3)如果(C＝αT)＞π/2，则系统不稳定；
步骤303、分析跟驰状态稳定性，当C值落在不稳定的区间内或在长时间内呈逐渐上升趋势时，则认为驾驶员可能会出现危险，此时提醒驾驶员采取相应的安全措施。