%0 Journal Article
%A 孙峣
%A 柯水平
%A 贾宁
%A 辛秀颖
%T 基于多智能体强化学习的地铁接驳高铁客流疏散优化研究
%D 2025
%R 10.11860/j.issn.1673-0291.20240150
%J 星空电竞app2026最新版学报
%P 19-28
%V 49
%N 4
%X <p>针对地铁接驳高铁客流疏散场景中乘客拥挤、候车时间过长及交通资源浪费等问题，提出基于多智能体强化学习（Multi-Agent Reinforcement Learning， MARL）的地铁接驳高铁客流疏散优化方法.该方法通过动态调整地铁时刻表，提高乘客疏散效率，减少拥挤情况，并提高交通资源利用率.首先，根据地铁的时空信息及乘客换乘的时空参数，将地铁接驳高铁客流疏散优化问题建模为马尔可夫博弈过程，并设计通用状态特征、行为空间和奖励函数.然后，采用Actor-Critic（AC）框架建立多智能体的决策模型，并在集中式训练和分布式执行的框架下设计一种异步动作协同机制，以提高方法的训练效率.最后，以天津西站换乘地铁为案例进行优化研究.研究结果表明：优化地铁接驳高铁客流疏散能显著降低乘客候车时间，并提高地铁的运行效率；乘客平均候车时间减少了26.80%，地铁的平均运行效率提高了14.11%.</p>
%U https://jdxb.bjtu.edu.cn/CN/10.11860/j.issn.1673-0291.20240150