基于驾驶意图和深度强化学习的智能汽车决策方法

本发明公开了基于驾驶意图和深度强化学习的智能汽车决策方法包括，利用神经网络搭建意图推理模型，制作数据集；通过初始化意图推理神经网络参数，对神经网络训练超参数进行设定，获得收敛的意图推理模型；面向自动驾驶汽车基于强化学习RainbowDQN算法，利用神经网络搭建不同驾驶场景下的强化学习决策模型；获取智能汽车和周围车辆的当前车辆状态与历史感知信息，利用意图推理模型推理周围驾驶员的驾驶意图，将周围车辆类型与转向信号进行标签化作为辅助驾驶意图辨别；对于不同的驾驶场景调用对应收敛的强化学习决策模型。本方法利用意图推理获取驾驶员驾驶意图，以判断其行为的不确定性，并在决策中加以考虑，提高强化学习的学习效率与决策的高效性。