在建设交通强国的重大决策和一带一路发展战略的时代背景下,我国将大力发展轨道交通作为缓解交通供需矛盾、改善交通环境的重要措施之一。但各城市在轨道交通发展成熟后都要面临的一个棘手的问题,就是如何应对大客流对车站和线网的冲击。本文以此为出发点,从车站客流的预警研究切入,在单车站层面对客流进行控制,进而从线路层面对多车站进行协同控制,致力于从安全的角度设计出一整套客流预警与控制的方法,为轨道交通车站的运营管理提供新的理论基础。在车站客流预警的过程中,提出基于服务水平理论的客流密集程度识别。为克服服务水平划分的模糊随机性,对各设施构建服务水平云识别模型。通过计算标准云和待识别云的相似度和隶属程度得到客流密集程度,进而得到各设施的预警等级。最后依据各设施的警情再次使用云模型综合得出整个车站的预警。在对单车站进行客流控制的研究中,先对车站层面客流控制的目标和原理进行分析,提出客流控制划分方法、控制节点选取和三级客流控制。为了保证车站服务更多的乘客,最终以进站人数和换乘人数最多作为目标函数,以各设施和列车能力作为约束条件的单目标多约束的车站客流控制模型,并基于Matlab软件阐述的模型求解方法。在线路层面多站协同客流控制的研究中,先对多站协同客流控制的定义及控流操作原理进行分析,阐明协同控流的必要性和科学性。然后对协同控流中来自客流自身、车站、列车等影响因素进行分析。然后从时间、空间层面阐述协同限流的机理,最后提出线路层面协同限流整体的逻辑流程。最后,在线路层面建立以各车站限流人数为决策变量,建立客流周转量最大和人均延误最小的多目标多约束的客流控制模型,并给出基于Lingo软件,采用理想点法的模型求解方法。最后以西安市北大街地铁站及其所在的西安地铁2号线为对象,对轨道交通车站客流预警及控制进行案例分析。通过云模型对北大街早高峰客流的实测数据进行预警等级判定,全站预警识别结果为Ⅰ级预警,与实际预警等级吻合。以此为前提对北大街站进行客流控制模型计算,得出各进站口和换乘的最佳进站量。并对北大街站的客流控制方案进行Anylogic仿真验证,并验证了客流控制模型输出结果为最优解。最后对2号线的早高峰客流,以15min的粒度进行多站协同控流模型的计算,得出最优协同控制的方案。