基于深度强化学习的智能驾驶路径规划方法及系统

本申请涉及一种基于深度强化学习的智能驾驶路径规划方法及系统，其包括在Frenet坐标系下构建包含加速度引导量的多维状态空间；将状态空间输入改进TD3深度强化学习网络，由Actor策略网络输出路径决策动作；通过椭圆车身轮廓模型计算安全半轴并建立最小安全距离模型，结合AM机制对动作进行安全修正；以修正后的离散路径点为参考，构建分段五次多项式二次规划问题，求解获得满足连续性与运动学约束的最优轨迹；通过V2V通信获取协同车辆状态，基于恒定时距策略进行多车协同路径调整；由自适应MPC横向控制器动态调整预测时域输出前轮转角，模糊PID纵向控制器在线优化参数输出纵向加速度，驱动车辆跟踪目标轨迹。