本发明属于飞行器技术领域，具体涉及一种基于模态预测的飞行车辆路径规划方法，在第一层中，车辆采取博弈学习的框架完成全局规划，同时采集模态切换训练数据，该数据包括车辆与障碍物的相对位置信息、障碍物属性信息以及空地模态的切换动作；相对位置信息与障碍物属性信息是后续模态预测网络的输入，空地模态的切换动作是模态预测网络的输出；第二层用第一层采集的训练数据训练模态预测网络，在突变环境中，根据传感器采集的相对位置信息、障碍物属性信息预测切换模态，最终将预测的模态值回送到第一层的学习框架，获取局部规划路径。本发明解决了飞行车辆复杂突变环境中空地模态切换决策以及多模态路径规划的难题。