本發(fā)明涉及一種強(qiáng)化學(xué)習(xí)自動(dòng)駕駛測(cè)試方法及系統(tǒng)，本發(fā)明首先由駕駛員駕駛自動(dòng)駕駛車(chē)輛在特定場(chǎng)景下進(jìn)行失效場(chǎng)景駕駛測(cè)試，車(chē)輛的自動(dòng)駕駛系統(tǒng)進(jìn)行環(huán)境數(shù)據(jù)和自車(chē)數(shù)據(jù)采集，然后根據(jù)采集的環(huán)境數(shù)據(jù)和自車(chē)數(shù)據(jù)構(gòu)建虛擬環(huán)境用以模擬真實(shí)環(huán)境下的車(chē)輛行駛信息與環(huán)境信息，最后通過(guò)強(qiáng)化學(xué)習(xí)模塊與虛擬環(huán)境的交互反饋學(xué)習(xí)，得到自動(dòng)駕駛系統(tǒng)失效場(chǎng)景下的自動(dòng)駕駛參考控制數(shù)據(jù)。本發(fā)明利用真實(shí)的失效場(chǎng)景，構(gòu)建成虛擬環(huán)境，將虛擬失效場(chǎng)景數(shù)據(jù)輸入到強(qiáng)化學(xué)習(xí)框架，逐漸訓(xùn)練出針對(duì)特定場(chǎng)景的安全策略，最終改善該事故場(chǎng)景下自動(dòng)駕駛車(chē)輛的安全性，達(dá)到減少自動(dòng)駕駛車(chē)輛事故的目的。