本發(fā)明公開了一種駕駛自適應(yīng)控制方法，屬于智能駕駛和人工智能技術(shù)領(lǐng)域，包括獲取歷史駕駛數(shù)據(jù)集，并將歷史駕駛數(shù)據(jù)集分為訓(xùn)練集、測試集和驗證集；采用基于深度卷積神經(jīng)網(wǎng)絡(luò)的深度強化學(xué)習(xí)算法，構(gòu)建用于駕駛控制的網(wǎng)絡(luò)模型；利用訓(xùn)練集數(shù)據(jù)對網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，并利用代價函數(shù)的梯度迭代重復(fù)訓(xùn)練網(wǎng)絡(luò)模型，以得到優(yōu)化后的網(wǎng)絡(luò)模型；利用測試集和驗證集對優(yōu)化后的網(wǎng)絡(luò)模型的性能進(jìn)行驗證，并將滿足性能的網(wǎng)絡(luò)模型作為自適應(yīng)決策模型；利用自適應(yīng)決策模型對當(dāng)前采集的實時環(huán)境數(shù)據(jù)進(jìn)行處理，做出駕駛決策。本發(fā)明能更好的模擬人類在真實復(fù)雜環(huán)境下做出的駕駛決策和相應(yīng)的駕駛動作。