高速铁路在我国现代交通运输体系中占有重要地位，作为新型的可持续发展交通运输方式，节省了居民的出行时间，促进了城市和区域的协调均衡发展，是交通强国建设的重要组成部分。随着高速铁路网的密集建设和人员流动的日益频繁，人们对高铁列车稳定、正点地运行提出了更高的要求。在高铁日常运营过程中，列车通常按照计划时刻表准点行驶，但由于自然或人为等因素所引起的突发事件会对列车运行产生影响，导致列车晚点，影响了高铁的运输能力和列车的运行效率。列车发生延误情况时需要调度员人工调整，调整结果取决于调度员的个人经验和职业素养，工作强度大、自动化程度低，同时还存在着一定的安全隐患。因此，研究高速铁路列车运行调整问题对降低调度员工作强度和提升高速铁路智能调度能力具有重要意义。本文针对突发事件导致的列车晚点问题，开展了基于深度强化学习的高铁列车运行调整策略方法研究，主要内容如下：

  1. 针对现阶段缺乏面向强化学习的高铁列车运行仿真实验平台问题，搭建了基于离散事件的高铁列车运行仿真环境。本文通过对突发事件造成的晚点场景分析，首先建立了突发事件下的列车运行调整模型，分析高铁列车行车过程中的时间和空间约束。然后采用离散事件仿真的方法搭建高铁列车运行仿真环境，模拟列车安全运行过程，通过相关实验分析验证了建模的有效性和仿真环境用于列车运行调整研究的可行性。最后给出了仿真环境与强化学习算法的交互框架，搭建了高铁列车运行调整仿真实验平台，为后续的研究提供基础。

  2. 针对突发事件导致的列车发车延误和到达延误场景，提出了基于策略梯度强化学习算法的列车运行调整方法。运行图中不同的列车停站方案会带来不同的延误影响，本文从宏观层面逐站调整列车运行图的角度，将列车运行调整问题看成是一个多时空约束的多阶段序贯决策过程，提出了两阶段的马尔科夫决策模型来解决强化学习动作空间爆炸问题。针对该模型构建了有效的状态、动作、奖励函数，给出了基于策略梯度算法的列车运行调整方法。实验结果表明，通过调整运行图中各个车站的发车次序，可以有效减少列车在各车站的总到发晚点时间，提高了求解精度和效率。

  3. 针对从宏观层面调整列车运行图时，忽略了列车与列车之间、列车与路网之间的相对位置信息，以及部分约束无法用数学模型表达问题，提出了基于PPO（Proximal Policy Optimization）算法的高铁列车运行调整方法。本文首先从微观角度建立了高速铁路时空资源模型，将列车在车站和运行区间的作业任务视为资源占用和再分配的多阶段序贯决策过程。然后构建了高铁列车运行调整强化学习模型，针对该模型设计了合理的强化学习要素，给出了突发事件下基于PPO 算法的高铁列车调整优化算法。实验结果表明，该方法可以让列车学会利用运行图中冗余的间隙时间来应对晚点情况，减少所有列车的平均总延误时间，实现高铁列车自动运行调整。