随着城市轨道交通线路网的不断扩大和客流量的不断攀升，运能与运量的矛盾也日益突出，由此带来的运营安全管理的挑战日益增大。作为轨道交通列车运行图的一项关键要素，列车停站时间设置的合理性与否直接关系着行车的效率及线路通过能力。然而，目前现场图定停站时间的确定主要依靠上下车客流量以及运营现场司机的反馈，对列车停站时间的影响因素考虑的不够全面，无法满足复杂网络下乘客出行特征和运营波动的需求。
　　基于ATS得到的历史列车运行实测大数据中蕴含着丰富且高价真实的列车运行信息，通过对其数据清洗、建模及分析挖掘，可以有效地评估城市轨道交通列车图定停站时间的设置合理性，并对其进行优化。
　　本文以列车停站时分优化为重点研究对象，首先阐述了城市轨道交通列车停站时间的基本理论，包括停站时间的定义、组成及对轨道交通运营组织的影响，并着重分析了列车实际停站时间的各类影响因素；考虑到列车实际运行大数据存在的数据质量问题，本文建立了基于列车实际运行数据特征的缺失值插补和异常值处理模型，并设计实际运行图和计划运行图的车次匹配算法；然后，利用DBSCAN算法实现了列车停站时间数据的去噪，并在此基础上提出了针对停站时序数据样本的系统聚类方法，从而解决列车停站时段划分问题。最后，以上海轨道交通12号线为例，对该线路的列车历史运行大数据进行清洗，并对该线路所有车站的列车停站时间进行时段划分和评估优化。结果表明，目前12号线在各车站的停站时分整体上偏小，尤其是早晚高峰时间无法满足乘客的正常上下车需求，且时段划分较为单一。