我国应急管理体系建设时间尚短,应急管理基础支撑技术发展还比较薄弱,防范化解重大风险、高效应对重特大自然灾害仍然面临巨大的挑战。以“大智移云”为特征的新一代信息技术的快速发展,给应急管理的信息化、智能化和科学化提供了新的机遇和挑战。为此,应急管理部在《应急管理信息化发展战略规划框架（2018-2022年）》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高我国重特大自然灾害风险感知、监测预警、协同救援和应急处置的能力,为推进应急管理体系和能力现代化建设提供科技支撑,实现大国智慧应急。其中,受损路网抢修是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,主要研究如何对道路抢修队进行合理的调度以快速恢复路网畅通、保障救援队伍和应急物资从出救点及时输送到各需求点,对迅速实施应急救援、最大限度降低灾害损失具有重要的现实意义。而已有研究对于连续受损路段问题鲜有考虑,尤其是面向大量需求点、损坏程度严重的路网时很难给出有效的解决方案。而且,对于路网抢修大都只考虑单个抢修队的决策,没有考虑多个抢修队的统筹调度和协同作战。为此,本文研究了面向大量需求点的受损路网抢修队调度问题。论文的主要研究工作如下:（1）阐述了受灾路网抢修调度的研究意义和目标。对当前已有工作进行了调查、分析和总结,且指出了存在的问题及解决的思路。（2）针对大量需求点下的单抢修队调度问题,首先基于路网模型和马尔科夫决策过程分析了抢修队修复受损路网的关键因素,并设计了一种双反馈回报函数,然后基于深度Q学习求解单抢修队的最优调度策略。对比实验结果表明,在大量需求点环境下,所提方法具有很好的稳定性和可靠性,兼顾了受损路网的修复效率和运输效率,能够以更少的修复代价让所有需求点可达,为灾后复杂应急场景下的受损路网抢修提供了一个有益的尝试。（3）针对大量需求点下的多抢修队调度问题,首先设计了一种路网划分方法,使得不同抢修队针对不同的子网进行修复,其次,将多个抢修队的学习经验放入同一个经验池中,利用深度Q学习的经验池共享实现混合学习,最后利用深度Q学习和多线程技术设计了一种多抢修队并发调度算法。实验结果表明,与单抢修队调度方法相比,所提的多抢修队并发调度方法在修复效率及运输效率上得到了显著提升,为灾后多种救援力量的统筹调度和协同作战提供了一定的技术支撑。