复杂交通和道路环境对自动驾驶的决策、规划和控制带来严重安全的威胁。本课题组重点针对于复杂环境和驾驶工况,充分探究人 - 车,车 - 车之间的博弈和交互关系,并量化性考虑环境不确定因素,包括感知和预测的不确定性对决策带来的影响,改进现有物理信息驱动的安全深度强化学习方法,对不同场景分别构建了提高安全性和泛化性的安全决策方法;同时在下层控制模块,针对控制性能、行车安全性和乘坐舒适性的综合要求,以及考虑周围车辆多模态轨迹预测的不确定性,采用自适应动态规划和强化学习 - 模型预测控制相结合的控制策略,充分保证控制安全与鲁棒性。上述研究能为复杂场景和极端工况下自动驾驶规控提供有实际应用价值的理论支撑。