一种基于约束策略优化的纵向柔性安全驾驶规约方法

本发明涉及自动驾驶技术领域，具体公开了一种基于约束策略优化的纵向柔性安全驾驶规约方法，包括基于自然驾驶数据获取自然驾驶车辆安全关键事件；将责任敏感安全模型中纵向安全距离公式中的参数优化问题构建成约束马尔可夫决策过程模型，基于深度强化学习算法搭建神经网络，对策略神经网络、奖励值神经网络和开销值神经网络进行评估与优化，通过在真实自然驾驶数据中设计危险场景触发条件，提取自然驾驶车辆的安全关键事件，解决了当前责任敏感安全模型参数偏离实际场景设计导致难以实际使用的问题，在符合自然驾驶的安全关键场景中，既能保持车辆纵向行驶安全，又能最大程度避免过于保守的估计导致的触发规约，实现了安全性与高效性的兼顾。