随着我国空铁网络的不断延伸和扩展,我国在航空和铁路的里程上都有非常稳定的增长,也成为居民日常中长距离出行的两个主要选择,两者作为长久以来的竞争关系,随着Maa S（出行即服务）的引入与发展以及铁路网络几乎渗透到我国绝大部分城市的前提下,航空与铁路的组合出行也成为了一种热门选择。然而在现今的出行服务平台上,缺少针对空铁联程出行的设计,缺乏针对空铁联程的个性化方案推送的研究,出行服务平台的联程票务推荐普遍存在入口难找、中转城市受限、中转时间不合理、方案数量少的特点,本文在这样的背景之下,研究针对不同类型旅客的联程方案生成。本文依托于国家重点研发计划（2018YFB1601300）、国家自然科学基金项目（52072066）、江苏省杰出青年基金项目（BK20200014）和江苏省交通科技计划项目（2020Y12）,本文首先对用户画像、多模式出行方案进行了综述,并确定了研究方法。其次,本文在对携程真实的空铁联程出行数据进行清洗、拓展的基础上,进行出行特征的提取。同时,对出行数据进行中转地点分布、中转轨迹特征、中转时间特征等的可视化。并利用K-means聚类方法对同一路线的人群进行分类,构建群体用户画像,将人群分为费用敏感型、时间敏感型以及中间型旅客,并比较类间出行行为的差异性,聚类效果良好。本文在将人群分类为费用敏感型,价格敏感型与中间型旅客的基础上,考虑以出行费用和行程时间为目标函数,建立多目标规划模型。为体现旅客群体偏好的差异性,引入权系数对目标函数进行处理,并设计DQN算法进行模型的求解。在证明算法对于本文问题适应性的基础上,针对每一类敏感型人群,利用强化学习的奖惩学习机制,将规划模型中的目标函数以及是否能一次换乘达到终点与奖惩值结合,设计算法框架和明确算法流程。在求解过程中设置迭代次数,在多次迭代后达到目标函数的局部最优化,取其中的不重复解得到联程方案集。对三类人群对应生成的方案集进行横向对比,论证差异化不同类型人群出行方案的必要性。最后,以北京——广州为实例,根据实际出行数据标定中转城市集、中转时间等,针对三类不同人群,采用DQN算法,得到个性化的联程方案集,同时,将本算法所得方案集与同类票务平台的空铁联程方案集相比较,具有中转时间合理、中转方案集可控、考虑人群偏好、针对性强、中转地点可选择性大的优点。