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
孙峣1
柯水平2
贾宁3
辛秀颖4
1.大连理工大学 机械工程学院,辽宁 大连 116024;天津市政工程设计研究总院有限公司,天津 3000512.天津市政工程设计研究总院有限公司,天津 3000513.天津大学 管理与经济学部,天津 3000724.天津科技大学 经济与管理学院,天津 300222
摘要：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%.
关键词：多智能体强化学习地铁接驳客流疏散异步动作协同机制
分类号：U268.6(机车工程)
论文发表日期：2025-08-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 19-28 )
英文信息