我国轨道交通已成为国民经济与公共交通的主动脉,运营里程及完成客运量均居世界第一。随着运营环境的日趋复杂,轨道交通呈现出超大规模客流常态化和延误传播机理复杂化等新特征。面对超大客流的运营需求,一旦站内客流量超过车站的承载能力,极易产生乘客拥堵现象甚至引发突发情况下人群踩踏等安全事故。车站站台和楼扶梯等典型场景是乘客高度密集的区域,乘客运动交汇、对向冲突和路径选择的不平衡性很容易引发拥堵现象。站内乘客的通行效率和安全疏散问题已经引起国内外学者的广泛关注。针对这些典型场景,深入挖掘乘客在不同场景下宏观运动现象的内在规律,探索乘客运动的微观特性与宏观现象的联系,是提高乘客通行效率和保证乘客安全疏散的研究重点,对减少安全事故发生并降低甚至避免事故伤亡具有重要理论和现实意义。因此,本文围绕车站典型场景下乘客动态特性、行为预测以及基于协同引导的乘客应急疏散问题展开研究,主要研究概括如下:首先,针对楼梯场景下乘客的动态特性给出其运动演化机理,构建乘客运动的混合模型。分析场景的结构特殊性与乘客的运动特性,建立模拟楼梯上乘客运动的混合模型,并基于乘客基本图的数据拟合和运动现象复现验证模型的有效性。在此基础上进一步研究乘客的平均速度、流量等动态特性,刻画单向乘客流中慢速人群比例和双向乘客流中对向人群比例对乘客动态特性的演化机理。其次,针对乘客路径选择不平衡导致的楼扶梯区域通行能力低下问题,提出基于神经网络的乘客路径选择行为的预测方法。搭建乘客路径选择行为预测的神经网络模型,并刻画不同因素与乘客路径选择行为的非线性关系。通过神经网络模型预测乘客路径选择,计算因素平均影响值,为客流优化管控策略的提出提供理论参考。搭建计算实验仿真模块,验证所提客流管控策略对优化瓶颈区通行能力的有效性。研究结果可为乘客的组织优化提供理论依据,并提高楼扶梯瓶颈区通行效率。最后,针对突发情况下站台乘客疏散问题,提出协同引导下站台乘客的应急疏散策略,并基于强化学习优化引导员疏散路径。基于疏散成本、疏散效率与安全性建立乘客应急疏散策略的优化模型,并给出不同引导方式的数量、位置分配策略。基于强化学习建立引导员寻路过程,给出基于引导员的乘客疏散路径优化。搭建乘客疏散实验仿真模块,验证所提出的协同引导策略和疏散路径对提高乘客疏散效率的有效性。研究结果可为突发情况下车站应急疏散预案的制定提供相应指导。图56幅,表9个,参考文献109篇。