马尔科夫决策过程模型训练方法及轨迹规划方法

本发明公开了一种马尔科夫决策过程模型训练方法及轨迹规划方法，包括：获取车辆周围的道路交通信息，并根据所述道路交通信息决策出所述车辆的行驶状态；根据所述行驶状态，构建马尔科夫决策过程模型，所述马尔科夫决策过程模型包括状态空间、动作空间、多车网络共享的DQN神经网络以及奖励函数，所述DQN神经网络用于基于所述状态空间从所述动作空间中选择最优的状态动作值来对所述车辆进行控制，得到所述车辆的轨迹规划策略，所述奖励函数用于量化所述轨迹规划策略的性能；通过将多个车辆采集到的经验放入网络经验池，所述DQN神经网络通过随机采样的方式从经验池中采样进行经验回放并更新神经网络参数。