一种考虑预测信息的异步分层强化学习智能车轨迹规划方法，通过构造并训练预瞄位置速度选择网络，根据各车当前状态、各环境车预测轨迹末端状态和完整预瞄位置与速度预测得到纵向预瞄位置与速度，通过构造并训练车辆控制量计算网络，根据各车当前状态和完整预瞄位置与速度预测得到当前空制量。本发明通过合理简化与利用预测信息提升规划实时性，将决策结果进行连续化表征，增加高层网络输出结果的信息丰富度，以提升算法针对复杂场景的鲁棒性，通过新的训练方法，以避免网络策略随机初始化导致的多层网络间出现负反馈，进一步提升算法的性能与稳定性。