交通仿真系统是智能交通系统的重要研究方向之一,随着城市交通拥堵问题和各类应急事件疏散问题日益严重。如何使用计算机建模和仿真技术对应急事件疏散行为仿真和对疏散方案评估已经成为了计算机与交通领域结合的重要研究内容。现阶段,国内外对于应急疏散交通仿真系统的设计与实现较少。为此,论文提出了一套从疏散需求、疏散仿真到疏散方案评估的应急疏散交通仿真系统的设计,并进行了实现。论文主要贡献有:（1）结合出行方式和出行距离两个维度生成了应急疏散需求。从应急疏散需求出发,基于随机效应最大化理论,选取出行总时间、出行总费用和收入等影响居民疏散决策的相关因素作为效用变量,构建效用函数,建立了应急疏散需求的交叉巢式Logit模型。同时根据得到的异质性参数通过OD2TRIPS算法生成了疏散出行需求的出行地目的地（Origin Destination,OD）矩阵,并将其转化为疏散仿真实验的具体输入。（2）构建了基于深度强化学习的信号灯相位控制系统。论文通过使用深度强化学习算法对交通信号灯相位控制系统进行了设计与实现。并通过设置相关实验验证了该系统在优化路网中关键路口在应急疏散情况下的通行能力,同时能够动态的对路网通行能力真实情况进行仿真。（3）完成了基于策略梯度的强化学习算法下的自动驾驶车辆系统设计与实现。论文对基于策略梯度的强化学习算法的自动驾驶车辆的驾驶策略进行了设计与实现。并通过设定不同的路网环境进行训练和实验。实验结果验证了经过训练后的自动驾驶车辆可以消除道路中存在的“走停波”现象,同时也可以显著降低交通信号灯路口的平均等待时间,从而提高路口通行效率。同时也可以动态的对路网通行能力真实情况进行仿真。（4）使用熵权法构建了应急疏散方案评价指标。通过调整不同路口的交通信号控制方案和路网中自动驾驶车辆的生成比例,可以对疏散过程中不同的真实路网状况进行仿真。将生成应急疏散需求作为输入,使用构建好的应急疏散系统在SUMO仿真平台仿真,得到路网的道路平均时延和道路平均通行速度等指标。论文通过使用熵权法将这些原始指标数据建立了应急疏散方案评价综合指标,并以此评估不同疏散方案的优劣性。