本文研究了高速客运铁路的动态定价策略，提出了一种基于非零和马尔可夫博弈的多智能体强化学习框架。研究结果表明，用户偏好和定价政策对乘客选择及系统动态具有重要影响，为铁路定价策略的发展奠定了基础。

本研究提出了一种智能驾驶员建议系统（IDAS-LLM），旨在帮助高速铁路驾驶员处理故障。通过领域微调和检索增强生成架构，系统在故障处理中的响应准确性和可解释性显著提高，实验表明效率提升了10%。

高速铁路通信中，基于人工智能的波束级和小区级移动管理适用于高速铁路通信，其中压缩感知通过压缩空间多波束测量改进了空时波束预测；通过人工智能辅助小区切换，性能得到改善；同时，通过减少测量开销，达到与传统方法相媲美的失连链接性能，可节省 50% 的测量开销。