基于逆强化学习的防御性智能驾驶辅助决策方法

本发明涉及一种基于逆强化学习的防御性智能驾驶辅助决策方法，包括：模拟复现典型危险场景，并采集驾驶员的防御性驾驶行为数据；基于生成对抗逆强化学习AIRL方法，利用采集的防御性驾驶行为数据，训练得到具备防御性驾驶能力的防御性驾驶决策模型；采用风险指标评估当前场景的行驶风险，根据行驶风险分级，由防御性驾驶决策模型执行智能驾驶辅助操作，包括主动防御驾驶行为建议和被动避险驾驶行为干预。与现有技术相比，本发明能够从人类驾驶员有效学习到防御性驾驶行为，准确理解和应对复杂多变的交通场景，提高防御性驾驶辅助决策的可靠性，实现预防性驾驶安全。