1.一种行程截止时间敏感的电子收费道路动态定价方法，其特征在于，该方法包括以下步骤：

(1)建立行程截止时间敏感的模拟交通环境模型，所述模拟交通环境模型包括城市路网模型、行程截止时间模型、行程行驶成本模型；城市路网模型用于建立城市路网的拓扑结构，行程截止时间模型用于刻画出行者对于行程的时间要求，行程行驶成本模型计算车辆行程的成本，用以定义车辆的路径选择；

(2)所述行程截止时间敏感的模拟交通环境模型给予强化学习智能体奖赏值和状态转移信息；通过收集的城市中真实数据生成模拟交通数据，建立车辆行程需求的分布，并通过当前交通的状态，确定状态对应的动作的价值，并根据该价值确定出定价；

(3)利用深度强化学习模型进行离线训练和学习，得到训练好的动态定价模型；

(4)利用训练好的动态定价模型对城市路网中的电子收费道路进行动态定价。

2.根据权利要求1所述的一种行程截止时间敏感的电子收费道路动态定价方法，其特征在于，步骤(1)中，所述的行程截止时间敏感的模拟交通环境模型中的路网模型描述如下：

抽象城市路网以有向图网络G＝表示；O＝{OD1，OD2，...，ODR}代表行程起讫点集合，其中 代表起讫点四元组，其中uk代表行程起始地，uj代表行程结束地， 表示产生的行程量，Pk，j代表从行程起始地到结束地的所有不包含环的路径集合，E＝{e1，e2，...em}表示城市中道路的集合，U＝{u1，u2，...un}是城市中区域的集合，以H表示强化学习智能体需要进行决策的时长，将H划分为若干长度为τ的整数时间间隔，以变量t表示当前时间间隔的序号。

3.根据权利要求1所述的一种行程截止时间敏感的电子收费道路动态定价方法，其特征在于，步骤(1)中，所述的行程截止时间模型描述如下：行程截止时间d刻画了用户某一出行行程的时间要求，表示车辆行程的截止时间。

4.根据权利要求1所述的一种行程截止时间敏感的电子收费道路动态定价方法，其特征在于，步骤(1)中，所述的行程行驶成本模型描述如下：行程行驶成本模型为行程的时间成本和行程经过道路所收取的费用加和，车辆的行驶成本帮助车辆进行路径选择，进而影响车流状态；时间成本与行程的截止时间有关，以行程的截止时间d模拟出行者的时间需求，车辆须在行程截止时间前到达目的地，决策时长H分钟，随机分配车辆的行程截止时间d＝0，1，...H，金钱成本则与行驶路径有关，以变量p表示行驶的路径，以变量e表示车辆行驶路径上经过的道路，变量t表示当前时间步，变量 表示经过道路e缴纳的收费金额，金钱成本即为路径所经过道路的收费金额加和；

所述行程行驶成本表示为 其含义为行程截止时间是d，通过路径p从区域uk行驶到区域uj的行驶成本， 的计算根据车辆行程是否具有截止时间分为两种情况计算，若d＝0，则表明车辆没有行程截止时间，此时由金钱成本与车辆的时间成本共同决定，ω表示车辆行驶的单位时间价值， 表示车辆在时间步t在道路e上的行驶时间，若d≠0，根据当前时间与行程截止时间的差值x又分为两种情况计算，以变量D表示车辆可接受时间阈值，若当前时间与车辆截止时间的差值x大于D，则行驶成本由金钱成本与时间成本共同决定；若当前时间与车辆截止时间的差值x小于D，则行驶成本只由时间成本决定，车辆行驶成本的具体计算公式如下：

更具体的，当x＞D时，行驶成本随着时间的迫近逐渐增大；当x＜D时，行驶成本只由时间成本决定，且随着时间越来越接近截止时间，时间成本呈指数式增加。

5.根据权利要求1所述的一种行程截止时间敏感的电子收费道路动态定价方法，其特t

征在于，步骤(2)中，所述的当前城市路况的状态有三维，表示如下：s＝(e，uj，d)，分别为车辆行驶的道路e、行程的目的地uj以及行程截止时间d， 表示当前时间步t的交通状态，即时间步t，道路e上前往目的地uj且行程截止时间是d的车辆数目。

6.根据权利要求1所述的一种行程截止时间敏感的电子收费道路动态定价方法，其特征在于，步骤(2)中，所述的奖赏值基于出行者的时间要求以及拥堵缓解情况设定的奖赏函数计算输出奖赏值，奖赏值为强化学习智能体所执行动作的反馈，帮助强化学习智能体修正动作；所述奖赏函数根据智能体的优化目标来确定，计算方式包括三种：以最大化在行程截止时间前到达目的地的车辆数目为目标的奖赏计算、以最小化没有在行程截止时间前到达目的地的车辆数目为目标的奖赏计算或以最小化车辆超出行程截止时间到达目的地的总时间为目标计算奖赏；

以最大化在行程截止时间前到达目的地的车辆数目为目标的奖赏计算如下：以最小化没有在行程截止时间前到达目的地的车辆数目为目标的奖赏计算如下：以最小化车辆超出行程截止时间到达目的地的总时间为目标计算奖赏，计算如下：其中 表示时间步t在道路e上行驶且目的地为区域uj，行程截止时间为d的车辆数目，变量τ表示一个时间步的时间长度，变量uk表示车辆行程的出发地， 表示在无拥堵情况下车辆在道路e上的行驶时间，Ce代表当前道路e的容量，M、N均为常数。

7.根据权利要求1所述的一种行程截止时间敏感的电子收费道路动态定价方法，其特征在于，步骤(2)中，根据当前城市路况的状态，输出合理定价的过程具体包括：行程截止时间敏感的模拟交通环境模型根据城市路网上的车流状态信息，进行状态抽象 结合动作空间提供的动作范围，得到当前状态下的定价。

8.根据权利要求1所述的一种行程截止时间敏感的电子收费道路动态定价方法，其特征在于，步骤(4)中，所述行程截止时间敏感的模拟交通环境模型根据真实的城市车流环境，输出当前时间各条道路的车流信息作为状态，将其传输给动态定价模型，该动态定价模型根据输入的状态信息输出定价，将定价返回行程截止时间敏感的模拟交通环境模型；

行程截止时间敏感的模拟交通环境模型收到定价，执行定价操作；真实的城市车流环境中车流进行响应，得到下一车流信息状态，进而进行电子收费道路的动态定价。

9.根据权利要求1所述的一种行程截止时间敏感的电子收费道路动态定价方法，其特征在于，步骤(2)中，所述车辆行程需求产生的分布为高斯分布；所述的当前城市路况的状态将具有相同行程截止时间的车辆统计数目作为车流处理；所述深度强化学习模型采用多线程异步训练的方法训练。