随着城市轨道交通的蓬勃发展,方便快捷、安全准时等特点使地铁成为人们出行的首选,也成为缓解城市交通拥堵的重要途径。然而,地铁站具有布局不规则且空间封闭、客流密集且流速快的特征,一旦发生紧急事件,特别是火灾等严重灾害,乘客往往表现出恐慌和无序的行为状态,给车站突发事件下的应急疏散工作带来极大挑战。若无法有序高效地疏散乘客,缺乏合理地疏散引导,容易出现人群严重拥堵,甚至人群踩踏等危险事故。因此为了减少人员伤亡和财产损失,对突发火灾下地铁站内的人员移动特性和引导员的疏散路径规划方法开展研究具有重要意义。本文以多格子模型和强化学习算法为基础,研究火灾人员的运动特性,对引导员的路径规划方法进行设计,并将改进算法应用于实例。本文首先对火灾下疏散人群的危害因素进行分析,提出由环境温度产生的热力和烟气引起的视觉力构成火灾斥力,构建考虑火灾斥力的人群应急疏散多格子模型,并定义模型的更新规则。通过实验对比,结果表明考虑火灾斥力的疏散模型能够影响人员的疏散路径和移动速度,改进模型更符合实际的人群疏散特性。其次,针对引导员在动态变化环境中对人群疏散进行引导时,容易产生疏散路线拥堵问题,对传统强化学习路径规划算法进行改进,提出将禁忌表加入到算法中标记已达到的局部最优点,通过强化局部最优解得到一种全局最优解,减少了强化学习频繁试错的过程,然后,在不同疏散场景下进行仿真实验,验证了改进算法搜寻的路径为最佳疏散路径。最后以大连地铁站为案例,将改进的算法与人群疏散仿真结合构建疏散模型,建立了针对地铁站的环境模型,并利用火灾斥力下人员的移动概率与基于禁忌搜索强化学习算法的引导员路径规划来对仿真疏散人群行为进行指导。本文在不同出口数量和宽度场景下进行实验对比,进一步验证了本文提出的疏散模型能够提高人群的疏散效率,具有一定的实际意义。