基于闭环强化学习的自动驾驶交通流仿真方法及装置

本发明涉及交通仿真技术领域，特别涉及一种基于闭环强化学习的自动驾驶交通流仿真方法及装置，其中，方法包括：基于预先构建的自动驾驶车辆为中心的交通流仿真框架获取真实驾驶数据集；根据真实驾驶数据集进行模仿学习预训练，以得到初始轨迹生成模型；根据初始轨迹生成模型构建闭环强化学习微调目标函数，并利用闭环强化学习微调目标函数对初始轨迹生成模型进行更新，以得到最终轨迹生成模型。由此，解决了现有技术存在或在真实性与可控性之间无法兼顾，或在闭环部署中面临协变量偏移、模式塌缩与训练不稳定等问题。