以“大智移云”为特征的新一代信息技术的快速发展,给交通管理的信息化、智能化和科学化提供了新的机遇和挑战。国家《交通强国建设纲要》、《“十四五”现代综合交通运输体系发展规划》、《数字交通“十四五”发展规划》中明确提出,要利用大数据、人工智能、机器学习等新一代信息技术提升交通安全应急保障能力,强化交通应急救援能力。对受损路网进行合理的修复以快速打通救援生命线,保障救援队伍和应急物资能够及时输送到各需求点是地震、洪水等重特大自然灾害发生后开展应急处置和救援的一个基本前提。已有工作大多仅面向静态受灾路网,鲜有考虑次生、衍生灾害所导致的路网动态恶化,难以处理地震、洪水等重特大自然灾害影响下的复杂应急场景。因此,论文针对重特大自然灾害下的受损路网抢修队动态调度问题开展研究,论文的主要工作如下:（1）调查并阐述了受灾路网修复问题的研究意义和现状,分析并总结了其中存在的问题,确定了本文研究的重点与方向,围绕灾后应急的相关理论分别介绍了图论、强化学习和Q-learning算法。（2）针对单个抢修队在复杂应急场景下的受损路段修复次序决策问题,论文首先构建了一种动态受灾路网模型,并设计相应的状态空间、动作空间和回报函数,然后提出了一种基于Q学习和最优动作集更新策略的抢修队动态调度算法。对比实验结果表明,论文所提方法能够在精确感知路网环境变化后及时调整学习策略,并充分利用历史经验而获得较优的修复方案,可为应急管理部门制定动态受灾路网抢修方案提供一定的决策参考。（3）针对多个抢修队在复杂应急场景下的受损路段修复次序决策问题,论文首先构建了一种基于多线程并发的多抢修队调度与路径规划模型,并利用马尔科夫决策模型模拟抢修过程。在此基础上,提出了一种多智能体Q学习算法来寻找最佳的抢修队调度方案。实验结果表明,论文所提方法能够在复杂应急场景下有效、稳定的生成多抢修队调度策略。与单抢修队策略相比,能够保证多个抢修队间相互合作不冲突并在时序上保持合理,从而可为灾后多种救援力量的统筹调度和协同作战提供技术支撑。