随着汽车保有量的飞速增长,交通拥堵,车辆事故等问题日益凸显,而自动驾驶作为提升交通安全与出行效率的重要解决方案,受到了广泛的关注与研究。目前,自动驾驶汽车主要将行为决策、路径规划以及跟踪控制划分为独立模块,各模块则基于规则进行设计。但基于规则的决策算法难以适应存在行人及非机动车的复杂交通环境,而深度强化学习可以实现从感知到动作的端到端控制,为自动驾驶研究提供了一种新的思路。然而,由于神经网络存在黑箱特性,在面对训练中较少出现或未涵盖的情况时,基于深度强化学习的决策控制可靠性难以保证。为提升安全性,本文提出了一种高速公路场景下的基于深度强化学习的自动驾驶混合决策控制算法。本文的主要研究内容如下:首先,对强化学习的数学原理、深度学习的理论基础及深度神经网络、卷积神经网络以及循环神经网络的工作原理进行详细阐述,并深入介绍两大经典深度强化学习算法:深度Q网络算法与深度确定性策略梯度算法。其次,构建汽车运动学模型。针对高速公路场景,采用DDPG算法实现端到端的自动驾驶控制,对相应的状态空间、动作空间及奖励函数进行设计。将Ensemble DDPG算法与Supervised DDPG算法相结合,提出基于Supervised Ensemble DDPG的自动驾驶混合决策控制算法。针对深度强化学习算法在面对训练中较少出现或未涵盖的情况时可靠性不足的问题,利用Ensemble DDPG算法的Q值变异系数对模型不确定性进行量化,并根据不确定性值对混合决策的策略切换条件进行设计,在DDPG算法不确定性较高的情况下通过将车辆控制策略切换至备选策略的方式提升行驶安全。同时,采用Supervised DDPG算法的监督机制对训练过程进行引导,并构建基于IDM算法与MOBIL算法的监督器。再次,构建基于规则的分层式自动驾驶决策控制算法来作为混合决策控制算法的备选策略。利用IDM算法及MOBIL算法来实现纵向加速度的规划以及横向行为的决策,并基于三次多项式曲线进行变道轨迹规划。针对MOBIL算法安全性不足的问题,采用LSTM网络对周围车辆进行轨迹预测,并对变道轨迹的安全性检测方法进行设计。利用模型预测控制算法对规划轨迹进行跟踪,并构建相应的目标函数。最后,基于highway-env仿真平台构建高速公路场景,对所提出的算法进行验证。训练结果表明,Supervised Ensemble DDPG算法在奖励上优于DDPG算法与Ensemble DDPG算法,并取得较Ensemble DDPG算法更快的收敛速度。同时,根据模型不确定性值的训练结果对策略切换条件进行改进设计。在Jetson AGX Xavier模组上开展处理器在环实验,测试结果表明基于Supervised Ensemble DDPG的自动驾驶混合决策控制算法在安全性上优于DDPG算法,可达到接近基于规则的策略的安全性表现并具有更高的行驶效率,同时在陌生情况下可表现出优于DDPG算法的鲁棒性,证明所提出算法可实现安全性与效率的更优平衡。此外,在处理器在环实验中,算法可取得良好的实时性表现。最后,通过实例分析详细阐述基于Supervised Ensemble DDPG的自动驾驶混合决策控制算法的不确定性表征效果、策略切换机制的作用过程以及备选策略的性能表现。