随着国家能源短缺,环境污染每况愈下,人们的节能减排意识也逐渐加强。传统的燃油汽车,产生大量的空气污染物,严重阻碍了国家节能环保的发展。充电汽车是新能源发展和智能电网建设的重要组成因素,其发展趋势已经势不可挡。因此,提供建设高效、完善的电动汽车充电站设施,能够为新能源电动汽车的发展提供足够的空间。科学合理的充电基础设施布局是新能源汽车广泛应用的重要保障。随着人工智能在智慧城市领域的广泛应用,深度学习在大数据背景下,具有良好的决策能力。本文针对充电桩选址规划问题,研究基于深度强化学习的充电站选址布局方法。本文主要基于深度强化学习模型,解决城市充电站位置规划问题。首先,以马尔科夫决策过程为基础,对深度强化学习的算法进行详述。然后,定义强化学习模型的重要组成因素,同时,针对本文的充电站位置规划的动态特性,提出一种基于集合运算的奖励函数动态更新机制,为解决动作空间的缩减性,提出基于强化学习的动态空间缩减机制。与传统的强化学习模型相比,该两种机制保证了强化学习模型在位置规划问题中的普适性与规范性,提高了强化学习模型在未知环境下的适应性与决策能力,并优化了模型的运行效率。最后,构建基于单目标的强化学习模型,验证强化学习模型在充电站位置规划任务的可行性与有效性,然后分析影响充电站选址的多影响因素,构建基于强化学习的多目标融合模型,并以充电桩利用率为评价指标,进一步的验证了本文所构建的基于以上两种机制的强化学习模型在充电站位置规划任务的可行性与高效性,并证明多目标融合标准的优势性。