本發(fā)明公開了一種基于深度強化學習的網絡數據采集效率優(yōu)化方法及系統(tǒng)，優(yōu)化方法包括：通過分析網絡特征狀態(tài)數據信息，建立動態(tài)多服務臺隊列模型和異質特征數據信息年齡模型；定義優(yōu)化前后不同特征數據的信息年齡、服務器接收隊列長度以及路由效果為損失函數，建立問題約束模型，通過深度強化學習求解不同特征數據更新頻率間隔，改善不同特征狀態(tài)數據的更新頻率對路由性能的影響。網絡終端采集特征狀態(tài)數據并送達控制器的過程滿足負指數分布，能夠計算服務器接收不同類型特征數據的最佳更新頻率，結果表明該優(yōu)化方法能夠有效提升系統(tǒng)時效性和路由選取有效性；能夠有效應對車際移動自組網信息時效性差、隊列資源受限等問題。