基于深度 Q 网络的城市轨道交通协同限流方法

为解决城市轨道交通高峰小时区间满载率过高的问题,本文提出一种基于深度强化学习的城市轨道交通协同限流控制方法。该方法利用历史客流数据建立线网层面的限流仿真环境和智能体模型,以区间满载率为状态,以限流策略为动作,以客流体验为奖励,通过多轮强化学习训练产生最优的限流方案。随后利用北京地铁线网数据构建仿真实验并验证了该方法的有效性。仿真结果表明,协同限流方法可以有效降低断面客流量,缓解高峰小时区间拥挤程度,提高乘客出行舒适度。