随着自动驾驶技术的不断发展和逐步落地,如何实现复杂交通场景下自动驾驶的安全规划成为目前研究的重点和难点。城区自动驾驶会面临各种复杂交通场景,如车流密集、无交通信号灯控制路口、由遮挡造成的不确定性等,都会使车辆之间的交互变得更为复杂,进而影响驾驶的安全性。无模型深度强化学习（Deep Reinforecement Learning,DRL）方法可以隐式地学习车辆间的交互作用,是研究复杂交通场景下的运动规划问题中使用较多的一类方法。然而现有的这类方法忽略了周围车辆的驾驶行为特征对规划的影响,容易引起驾驶安全问题。突发情况是造成复杂交通场景不确定性的主要因素之一,但目前基于DRL的规划方法鲁棒性和泛化性能差,对训练场景之外的交通情况适应性差,更难于处理突发情况下的不确定性。论文针对无信号灯交叉路口等复杂交通场景,先根据观测到的相邻车辆的历史轨迹,采用基于GRU（Gated Recurrent Unit）循环神经网络的变分自编码器（Variational Auto-Encoder,VAE）学习得到驾驶风格特征;在此基础上,将驾驶风格特征和其他状态参数融合,在扩展的强化学习框架下训练得到运动规划策略。论文的主要研究内容包括:（1）提出了一种基于VAE+GRU的驾驶风格推理网络。通过感知得到的周围车辆原始历史轨迹信息,建立多维动态场景特征图,利用交通信息模块提取交通约束信息构建多信息轨迹;VAE+GRU网络的编码器从构建好的周围历史多信息轨迹中学习区分不同的特征,推理出周围不同车辆的驾驶风格;基于混合注意力机制的解码器将推理出的驾驶风格这一潜在特征重构至轨迹信息中,使DRL能学习到更安全的规划策略。（2）提出了一种基于李亚普诺夫稳定性理论的安全演员-评论家算法（Lyapunov-Based Safety Actor-Critic,LBSAC）。针对现有深度强化学习方法在面临不确定交通场景时鲁棒性较差的问题,将满足基于数据采样的稳定性定理的李雅普诺夫函数引入到批评家网络中作为策略梯度,在训练时更新以帮助算法学习具有稳定性的策略,并通过安全层的设计使方法在面对不确定性较大的环境时仍能输出安全可靠的策略。（3）将（1）中的驾驶风格推理方法与（2）中的LBSAC强化学习框架相结合,实现了一种鲁棒性和可解释性更好的Mid-to-Mid运动规划方法Driving Style Inference-LBSAC（DSI-LBSAC）。通过对观测信息和其潜在状态的处理得到驾驶风格,将驾驶风格信息融合到状态信息中辅助LBSAC算法学习输出运动规划结果。（4）基于CARLA搭建了仿真环境对方法进行训练,并采用Leaderboard对本文方法在各类复杂交通场景下的性能进行了测试。在搭建的不同交通仿真环境下训练所提出的方法和基线算法。通过一组可控变量实验测试了训练后的模型在面对不同交通密集度和不同驾驶风格分布时的性能。利用Leaderboard平台提供的驾驶任务对比验证了所提出方法在处理复杂交通场景时碰撞率低、效率高、任务完成度高等性能。通过实验分析了方法中驾驶风格推理网络、注意力机制和安全层对规划方法安全性和效率的影响。在仿真交通环境下通过新地图新任务的测试证明了DSI-LBSAC算法具有良好的泛化性。