一种基于深度强化学习的路径规划方法及系统、电子设备

本发明涉及路径规划方案设计技术领域，具体涉及一种基于深度强化学习的路径规划方法及系统、电子设备。通过获取位于拥堵区域的各AGV机器人的预设优先级，控制各AGV机器人按照预设优先级从高到低依次启动并通过拥堵区域，记录该拥堵区域对应的相关拥堵耦合数据，进而训练移动策略自动规划模型，后续将模型输出的预测实际移动路径作为最优路径，并得到模型输出的预测停车时长和预测停车地点，根据模型输出的预测停车时长、预测停车地点，调整当前各AGV机器人的预设移动速度，进而使各AGV机器人在经过预测停车地点时，不需要停车，实现了有效的、安全的进行无人车路径的规划，很大程度上提高了路径规划的安全性、可靠性和智能化程度。