1.一种基于神经网络的驾驶员转向介入方法，其特征在于，所述方法，包括：
实时对待检测车辆的运行状态进行监测，并获取当前预设时间段内所述待检测车辆的运行信息，所述运行信息，包括：第一方向盘实际转角、第一目标转角、第一车速、第一方向盘转速、第一车辆加速度和第一路面附着系数；
将所述第一方向盘实际转角、所述第一目标转角、所述第一车速、所述第一方向盘转速、所述第一车辆加速度和所述第一路面附着系数输入到识别模型中进行识别，获得是否有驾驶员转向介入的识别结果。
2.根据权利要求1所述的方法，其特征在于，所述方法，还包括：
获取训练样本，所述训练样本为多辆汽车在历史时间段内的运行信息，且所述训练样本包括：第二方向盘实际转角、第二目标转角、第二车速、第二方向盘转速、第二车辆加速度、第二路面附着系数和驾驶员介入信息；
将所述第二方向盘实际转角、所述第二目标转角、所述第二车速、第二方向盘转速、第二车辆加速度和所述第二路面附着系数输入作为输入，所述驾驶员介入信息作为输出，对神经网络进行训练，获得所述识别模型。
3.根据权利要求2所述的方法，其特征在于，所述方法，还包括：
通过交叉验证法对所述识别模型进行验证。
4.根据权利要求2所述的方法，其特征在于，所述方法，还包括：
对所述训练样本进行数据预处理，所述数据预处理包括：清洗、去重和异常值剔除。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述将所述第一方向盘实际转角、所述第一目标转角、所述第一车速、所述第一方向盘转速、所述第一车辆加速度和所述第一路面附着系数输入到识别模型中进行识别，获得是否有驾驶员转向介入的识别结果，包括：
将所述第一方向盘实际转角、所述第一目标转角、所述第一车速、第一方向盘转速、第一车辆加速度和所述第一路面附着系数输入到识别模型中进行识别，计算得到对应的驾驶员转向介入概率值；
若判断获知所述驾驶员转向介入概率值大于预设阈值，则所述识别结果为有驾驶员转向介入。
6.一种基于神经网络的驾驶员转向介入识别装置，其特征在于，所述装置，包括：
获取模块，用于实时对待检测车辆的运行状态进行监测，并获取当前预设时间段内所述待检测车辆的运行信息，所述运行信息，包括：第一方向盘实际转角、第一目标转角、第一车速、第一方向盘转速、第一车辆加速度和第一路面附着系数；
识别模块，用于将所述第一方向盘实际转角、所述第一目标转角、所述第一车速、第一方向盘转速、第一车辆加速度和所述第一路面附着系数输入到识别模型中进行识别，获得是否有驾驶员转向介入的识别结果。
7.根据权利要求1所述的装置，其特征在于，所述装置，还包括：
模型创建模块，用于获取训练样本，所述训练样本为多辆汽车在历史时间段内的运行信息，且所述训练样本包括：第二方向盘实际转角、第二目标转角、第二车速、第二方向盘转速、第二车辆加速度、第二路面附着系数和驾驶员介入信息；
将所述第二方向盘实际转角、所述第二目标转角、所述第二车速、第二方向盘转速、第二车辆加速度和所述第二路面附着系数输入作为输入，所述驾驶员介入信息作为输出，对神经网络进行训练，获得所述识别模型。
8.根据权利要求7所述的装置，其特征在于，所述装置，还包括：
模型验证模块，用于通过交叉验证法对所述识别模型进行验证。
9.根据权利要求7所述的装置，其特征在于，所述装置，还包括：
预处理模块，用于对所述训练样本进行数据预处理，所述数据预处理包括：清洗、去重和异常值剔除。
10.根据权利要求6-9任一项所述的装置，其特征在于，所述识别模块，具体用于：
将所述第一方向盘实际转角、所述第一目标转角、所述第一车速、第一方向盘转速、第一车辆加速度和所述第一路面附着系数输入到识别模型中进行识别，计算得到对应的驾驶员转向介入概率值；
若判断获知所述驾驶员转向介入概率值大于预设阈值，则所述识别结果为有驾驶员转向介入。