現(xiàn)有無人車輛的駕駛策略過于依賴感知 - 控制映射過程的“正確性”，而忽視了人類駕駛汽車 時所遵循的駕駛邏輯。該研究基于深度確定性策略梯度算法，提出了一種具備類人駕駛行為的端到端 無人駕駛控制策略。通過施加規(guī)則約束對智能體連續(xù)行為的影響，建立了能夠輸出符合類人駕駛連續(xù) 有序行為的類人駕駛端到端控制網(wǎng)絡，對策略輸出采用了后驗反饋方式，降低了控制策略的危險行為 輸出率。針對訓練過程中出現(xiàn)的稀疏災難性事件，提出了一種更符合控制策略優(yōu)化期望的連續(xù)獎勵函 數(shù)，提高了算法訓練的穩(wěn)定性。不同仿真環(huán)境下的實驗結(jié)果表明，改進后的獎勵塑造方式在評價稀疏 災難性事件時，對目標函數(shù)優(yōu)化期望的近似程度提高了85.57%，訓練效率比傳統(tǒng)深度確定性策略梯度算法提高了 21%，任務成功率提高了 19%，任務執(zhí)行效率提高了 15.45%，驗證了該方法在控制效率和平順性方面具備明顯優(yōu)勢，顯著減少了碰撞事故。