本文探讨了自动驾驶系统的改进方法，包括基于数据驱动的驾驶风格调整、场景解释与预测、驾驶员分心检测等。研究表明，个性化控制能显著提高用户接受度，并提出了多智能体强化学习的决策方法，以适应不同驾驶员的行为。

我们提出了一种方法，通过随机化车辆跟随模型和变道模型的参数来随机化周围车辆的驾驶风格和行为。研究发现，该方法在高保真度微观交通流下的策略具有更高的成功率和更好的计算奖励。