无人驾驶汽车是传感器、网络通信和信息安全等多种先进技术融合下的产物,包含感知、决策规划和动作执行三大模块。其中决策规划模块等同于人类的大脑,是无人驾驶系统中最核心的部分。近些年随着AI技术的飞速发展,强化学习逐渐崭露头角并成为了通往智慧型未来的主流方法之一。本文将以强化学习为手段设计面向无人驾驶汽车车道保持的决策方案,并在虚拟仿真环境下验证方案的可行性和有效性。首先,本文研究了典型的无人驾驶系统,对各模块在驾驶车辆过程中所负责的具体任务进行了探讨。另外,本文不仅研究了PID控制器和深度学习的基础知识,以及强化学习的关键理论,而且对深度强化学习算法DQN（Deep Q-Learning Network）展开了深入探讨。其次,设计了基于DQN端到端的决策方法,在CARLA平台进行了车道保持的仿真实验。实验中,不但设计了通用的状态空间,而且设计了不同形式的环境奖励函数。通过对比DQN Agent在两个奖励函数下训练和测试的具体表现,确定了更能正确引导Agent自我提升的奖励函数形式,同时也证明了奖励函数在强化学习中的重要地位。再者,根据DQN算法下Agent的决策表现,提出了其改进版TGDQN（two-stream GRU DQN）。除改进重播过往经验的方式（以提高经验缓冲区数据的利用率）之外,还将算法的网络架构更改为两个并行的流,以区分瞬时奖励中来自环境状态的部分奖励和执行动作的部分奖励。与此同时使用循环神经网络GRU（Gated Recurrent Unit）来改善无人驾驶MDP（Markov Decision Processes）的状态部分观测问题。最后,分别设计了基于TGDQN端到端的决策方法以及TGDQN和PID组合式的决策方法并进行了仿真实验。通过对比三种决策方式下,Agent在训练过程的回合奖励变化以及测试过程的任务平均完成度,验证了TGDQN算法的决策能力大幅度优异于DQN,证明本文改进DQN算法手段的优异性。此外,组合式决策的水准仅次于TGDQN,表明强化学习和传统控制方法的结合是切实可行的。图48幅,表18个,参考文献66篇。