本發(fā)明公開一種基于最大熵強化學(xué)習(xí)框架的無人駕駛車道保持方法，包括：(1)創(chuàng)建無人車仿真道路環(huán)境；設(shè)置環(huán)境車行駛策略和行人的運動模型，設(shè)計獎勵函數(shù)以及碰撞檢測條件；(2)利用深度神經(jīng)網(wǎng)絡(luò)近似狀態(tài)值函數(shù)、動作值函數(shù)以及策略，并初始化網(wǎng)絡(luò)參數(shù)；(3)獲得無人車初始狀態(tài)，使其與環(huán)境交互，收集數(shù)據(jù)，并存儲到緩沖池；(4)對狀態(tài)值函數(shù)網(wǎng)絡(luò)、動作值函數(shù)網(wǎng)絡(luò)以及策略網(wǎng)絡(luò)進(jìn)行更新；(5)對目標(biāo)值函數(shù)網(wǎng)絡(luò)進(jìn)行更新，直到策略網(wǎng)絡(luò)將近收斂；(6)將狀態(tài)值網(wǎng)絡(luò)優(yōu)化目標(biāo)中熵項系數(shù)置零，繼續(xù)訓(xùn)練直到策略網(wǎng)絡(luò)完全收斂；(7)對于訓(xùn)練好的策略模型，根據(jù)網(wǎng)絡(luò)輸出的動作概率分布，選擇概率值最大的動作給無人車執(zhí)行。