以交通事故为代表的道路突发事件是造成城市交通拥堵的重要因素之一。突发事件造成的交通拥堵因其偶然性和不可预测性,使得交通管理者很难提前采取应对措施缓解拥堵。因此,在事件发生后及时采取控制措施显得尤为重要。及时有效的控制措施能够降低交通拥堵的传播,加速拥堵的消散,减少交通事件的影响范围、时间和程度。研究城市道路拥堵疏导的决策方法,能够有效预防和缓解城市路网交通拥堵,提高城市交通智慧化管理水平。本文基于元胞自动机模型构建了城市路网动态交通流仿真模型,利用强化学习技术对突发事件下交通拥堵疏导决策进行了优化,并开发了相应的仿真平台,初步设计了突发事件拥堵疏导决策支持系统。首先,本文在考虑前车速度和安全距离交通流模型的基础上,对路段和交叉口的车辆更新规则进行了改进,构建了基于元胞自动机的城市路网动态交通流仿真模型,建立了包含基础性、特征性和综合性指标的路网交通运行状态评价指标体系,实现了城市交通系统运行状态的可视量化评价。其次,以路段、交叉口和车辆为智能体,以路段平均行程速度为状态,以车辆禁行等控制措施为动作,以拥堵改变程度、所需时间和通行车辆数量为奖惩依据,建立了城市路网交通流强化学习模型,采用QLearning算法对模型进行了求解,建立了突发事件下交通流状态和拥堵疏导策略的最佳映射关系,实现了拥堵疏导措施的自适应学习。仿真结果表明,该方法能够针对不同情况,有效缓解交通拥堵。最后,基于城市路网动态交通流仿真模型和强化学习技术,对突发事件拥堵疏导决策支持系统进行了初步设计,实现了科学理论与工程实践的紧密结合,为突发事件下的拥堵控制提供了理论依据和决策支持。