自动驾驶可以有效缓解交通安全事故,提高交通运输效率,极大的改善现有交通环境。同时自动驾驶的落地也是国家新基建的重要组成部分,因此相关技术的发展有着重要的现实意义。目前自动驾驶方案大致分为两种,基于规则的方案需要人工设计环境感知算法,并结合高清地图完成车辆定位、路径规划、决策控制等一系列算法完成。整个系统设计复杂、成本高昂,由于各场景之前还存在边界模糊,所以整个系统并不是完全可观。基于端到端的自动驾驶方案相对简洁,整个系统只依赖于车辆的感知输入,通过模型的计算直接获得车辆的控制输出。虽然该方案系统简洁、成本较低,但是存在系统不可观、受数据场景限制、系统安全没有理论基础等诸多问题。为了解决系统不可观和数据限制问题,将结合神经回路策略网络（NCP）和深度强化学习进行端到端方案的探索。本文主要研究内容如下:（1）监督学习方案分别设计了CNN+FCNN模型和CNN+NCP模型。两种模型除了在结构上不同外,实现的功能是相同的,即同时实现车辆的转向预测和速度预测。并基于驭势科技工业级自动驾驶模拟器完成了数据集的收集和模型在线仿真。分别从模型的训练、模型参数数量、模型预测效果和模型处理速度四个方面对两种模型进行了对比分析,同时完成了模型特征提取层和映射层的可解释性分析。实验结果表明基于NCP网络的模型相比与基于全连接网络的模型,在使用更少网络参数的情况下,拥有更好的鲁棒性和泛化能力,同时NCP网络的可解释性也得到了验证。（2）深度强化学习方案设计了行为价值网络、状态价值网络和策略网络,同时还设计了通用的奖励函数。并结合三星与谷歌开源的自动驾驶模拟器LGSVL进行了仿真训练和验证。实验一共训练了两张地图,第一张相对简单的地图实验效果明显,模型能够较快收敛。第二张复杂的地图智能体陷入了局部最优难以跳出,最终未能达到期望的希望目标。虽然该方案未能取得理想的效果,但是验证了奖励函数的有效性。最后总结分析了深度强化学习方案的不足和改进方向。