一种基于深度强化学习和深度学习的自动驾驶决策规划方法

本发明公开了一种基于深度强化学习和深度学习的自动驾驶决策规划方法，其基于经过训练的深度强化学习网络实现；深度强化学习网络包括Actor网络、TIN网络、Critic网络和车辆轨迹预测网络；该方法在深度强化学习的基础上引入了任务重要性与车辆轨迹规划方法融合的决策规划算法，考虑了驾驶环境状态对当前动作决策的重要程度，并建立基于任务重要性的网络结构，实现在训练进程中逐步更新；在规划层次基于轨迹预测，引入奖励函数与网络中环境信息融合，实现在行驶决策效果上具有通行时间更短，安全性更高，相比现有算法提高了收敛速度和收敛效果，提升了决策规划系统的效率、安全性和舒适性，为自动驾驶公路驶出决策机理和评估等研究提供一种方案。