城市轨道交通以其公共、绿色、速达、准点、舒适等优点,逐渐成为我国城市交通体系的骨干力量,运营里程年年攀升,网络化程度也逐步提高。在市民出行对城市轨道交通交通出行依赖性提高的背景下,提升其服务水平也逐渐被放在了更重要的位置。城市轨道交通系统日常运营中,突发事件是难以预测且普遍存在的,突发延误的产生将轻则影响一条线路的正常行车秩序,重则大面积传播延误,造成多个线路和站点客流堆积、车站组织困难。为了在突发延误已经发生的情况下科学、迅速、自动地做出具体行车调度决策,本文建立了一套基于现有运行图调整策略的决策方法体系,具体工作如下:1.分析了现有所有城市轨道交通的行车调度方案。对每种方案的运行图结构特点进行了展现,阐述了它们各自的内在原理和针对的情况。2.基于调图策略适用性及特点建立了运行图调整策略选择决策模型。将突发事件下运行图调整策略的选择视作确定方案下的多准则决策问题。将现有的13种运行图调整策略作为待选方案,突发事件特征与运行图调整策略的适配性、方案的经济实用性作为决策准则,建立基于Topsis法的决策模型,并根据此决策问题的特点对Topsis法进行了3个方面的改进。以南京地铁三号线卡子门站插入突发延误作为算例验证决策模型结果的合理性,得出的建议方案是扣车与降速。经分析,决策模型得出的调图策略在此案例中兼具高效性、经济性与适用性。3.建立了以赶点/扣车/降速调度方案为理论手段的到发时刻调整模型。此模型是在假设基于改进Topsis法的方案选择决策模型在某个突发事件中得出的推荐方案是赶点/扣车/降速,则下一步的工作则是求解出具体的运行图时刻表,以实现方案的全自动化求解。模型以突发事件发生后,所有不符合正常运行约束条件的列车在各站到发时间应当偏移的量为求解对象,以总的偏移量之和最小为优化目标,建立单层非线性规划模型。在处理求解变量维度过高的问题上,采用正向推线的思想将优化问题的求解过程拆分为逐次列车时刻表求解的迭代,利用变异概率和交叉几率逐次优化的改进遗传算法进行求解。以南京地铁1号线晚高峰时段（17:00-20:00）列车运行图插入的两个突发延误为算例验证模型可行性,结果显示,模型均在一分钟内求出了恢复正常运行所需的时刻表偏移量,满足合理性与快速性要求。4.建立了基于BP神将网络的备用车开行决策模型。此模型是在假设基于改进Topsis法的方案选择决策模型在某个突发事件中得出的推荐方案是调用备车,则下一步工作是根据线路实际情况得出具体的备用车开行方案。决策模型采用了构建BP神经网络的方式。通过20个训练例50000次的训练,选择训练误差最小的结构,得到了神经网络的结构为9×12×3。以三个模拟突发事件为算例,使用该神经网络进行决策,得到的推荐方案经分析均具有合理性。