当自动驾驶无法找到一条路径避开所有风险时,就会陷入两难困境。人类社会普遍存在的伦理分歧是解决自动驾驶伦理决策问题的主要障碍。一个优秀的伦理模型应该聚集公众理性行为伦理倾向,并给予用户有限的自由进行个性伦理设定。为了应对上述挑战,首先,课题设计在线调查问卷研究中国部分公众在两类经典困境下的理性行为伦理倾向。问卷中,不同道路参与者的伤亡程度和伤亡人数作为敏感因子,公众转向避险倾向程度（IES）作为因变量;受试者在充分理解不同决策造成的后果与经济法律责任的基础上做出理性选择。其次,分析调查问卷收集的数据,提出“相对伦理倾向”概念,并创建聚类算法将全体受试者群组G分类为两个对立的群组Gc,Go,用于表达广泛存在的伦理分歧。群组Gc和群组Go的转向避险倾向程度存在明显差异而且差值相对稳定。然后,根据调查问卷收集的数据建立数据集训练伦理模型。为了表达公众在两难困境下的转向避险倾向程度,本文研究了基于神经网络、随机森林和解析式的IES模型,并基于拟合模型,研究了个性伦理设定方法。每类模型包含三个子模型,对应群组G,Gc和Go,分别构建个性伦理设定（PES）的公众期望和边界。根据用户选择的伦理设定因子K（值域[-1,1]）,在对应的区间内线性插值得到个性伦理设定的IES预测模型IESpes。最后,考虑到现实事故后果的不确定性,将IES解析模型加入碰撞概率和伤亡概率。选定五个伦理设定因子K得到五个特定的IESpes解析模型,并将其作为自动驾驶路径规划的目标函数,评价一系列候选轨迹。实验结果表明,自动驾驶根据困境场景和个性伦理设定选择不同的避险路径,该模型不仅综合了公众的意见,而且较好地表达了用户的个性伦理设定,由于PES的边界设置,自动驾驶可避免造成公众难以接受的重大伤亡事故。