摘要：地铁乘客微观行为的研究,是揭露客流宏观规律、优化车站设计、提高轨道交通运营水平的重要基础及前提。地铁车站的乘客微观行为按照出行目的可划分为进出站、购票、安检及上下车行为等,而乘客上下车行为通过影响列车停站时间,导致区间通行能力下降。目前,由于缺乏有效的数据基础及理论支持,因此上下车行为的研究难以深入研究,因此,本文从数据采集及模型构建两方面进行乘客上下车行为的研究。传统的行人数据采集技术手段落后、采集速度慢、结果精度差,难以满足其实际乘客行为研究需求。图像处理技术作为一种新兴、高效的数据采集手段,在道路交通领域的应用日趋成熟,但在地铁领域仍处于探索阶段。本文采用最新的图像处理技术,基于Blob分析的行人检测与跟踪技术,提出乘客微观行为参数提取方法,自主开发了乘客微观行为参数采集系统(PedTrace),用以提取乘客速度、行人间距、加速度及轨迹等行为特征数据,实现行人的自动检测与跟踪,为研究行人的上下车行为提供真实、精确的数据支撑。地铁乘客上下车行为复杂多变,与乘客自身及出行环境等密切相关,既有的数学模型难以描述这种行为,本文采用微观仿真的技术手段解决该问题。首先将复杂的上下车行为分解为到达行为、规避行为、排队行为等基本行为,融合Agent思想及社会力模型,构建乘客基本行为的模型描述。仿真建模时,采用网格化的领域搜索算法,使搜索算法的复杂度从(?)(n2)降到为(?)(n)；引入全局路径选择方法,解决乘客出行路径问题；借鉴磁力模型的碰撞规避方法,解决社会力模型中行人重叠问题；基于事件驱动及主体交互方法,提出地铁站台乘客上下车仿真模型,并开发乘客上下车行为仿真系统(PedSyms)。最后,以北京地铁2号线西直门站为案例,利用PedTrace系统从视频中提取乘客上下车行为的运动轨迹、速度等信息,发现上下车乘客的平均速度分布服从对数正态分布规律。利用PedSyms系统进行乘客上下车行为仿真,挖掘其行为特征规律。