城市轨道交通系统能耗较高已成为制约其可持续发展的重要因素之一,其中环控系统能耗在地铁车站能耗中占相当大的比例,可通过精确计算其负荷挖掘节能潜力。客流参数作为环控系统负荷计算中的重要变量,目前尚存在取值较为粗放、乘客停留时间差异性及动态性考虑不足等问题,导致计算结果准确度不高。本文针对负荷既有计算方法中客流参数取值不精确的问题,提出基于AFC数据与概率分布的乘客在站停留时间估计方法,以此为基础构建了基于乘客动态在站停留时间的环控系统负荷精细化计算方法,并通过北京地铁车站的实际算例验证了方法的可行性和有效性。本文研究内容和主要成果包含以下四个部分:(1)系统分析环控系统负荷组成及其影响因素,采用结构模型解析方法对车站环控系统负荷及其影响因素进行定性分析,结果表明:影响车站环控系统负荷变化的主要因素为客流、列车到达频率和室外气象参数,并重点分析了客流因素的重要性。(2)提出了基于AFC数据与概率分布的乘客在站停留时间估计方法。将乘客在站停留时间区分为付费区和非付费区两部分,分别利用AFC数据和乘客走行时间概率分布对负荷计算所需的乘客在站停留时间进行了估计,相比负荷既有计算方法中客流参数的取值,该方法能够为车站环控系统负荷计算提供更加准确和精细化的客流参数。(3)构建了基于乘客动态在站停留时间的环控系统负荷精细化计算方法。将负荷既有计算方法中的客流参数,由高峰小时上、下车人数与相同停留时间的乘积,改为本文提出的统计时段内乘客在站停留时间累加结果。利用该方法可以实现不同时间粒度下的负荷计算,有效提高负荷计算的精细化程度。(4)为验证本文提出的乘客在站停留时间估计方法和负荷精细化计算方法的有效性,利用北京地铁安华桥站进行算例应用分析。发现在相同的时间段内,相比于既有计算方法下的负荷结果及实测负荷数据,精细化计算方法下的负荷结果对应的耗电量分别降低5.8%和7.4%,证明了本文提出的基于乘客动态在站停留时间的环控系统负荷精细化计算方法的有效性和实际意义。最后,采用灰色关联度方法对环控系统负荷及其影响因素进行定量分析,得到客流动态变化是车站环控系统负荷具有时变性的主要影响因素的结论。