乘务排班计划是城市轨道交通运营管理的核心内容。良好的乘务排班计划可以提高司机生产率,降低企业运营成本,提高城市轨道交通运营管理精细化水平。本文结合我国城市轨道交通的运营规范与特点,以及全自动驾驶技术的引入对传统计划编制带来的影响,构建了具有泛用性的乘务排班优化模型,设计了相应的混合启发式算法进行求解,并对计算结果进行评价与分析。论文主要研究内容如下:(1)以城市轨道交通乘务排班计划为研究对象,以缩短乘务员总等待时常为优化目标,在归纳城市轨道交通乘务排班计划相关内容基础上,阐述新型驾驶模式对乘务计划带来的影响,分析优化问题中的组成要素与影响因素。为构建模型提供理论基础。(2)选择时空网络模型对问题进行建模,以点-弧的形式将乘务任务间的关系拓扑到时空网络中。将模型中出退勤点与以往绑定的车场分离,转变为灵活的虚拟点,使得模型可以同时适用于传统与全自动驾驶模式下的排班问题。在考虑了相关法律法规与运营规则带来的约束的基础上,建立了以总等待时间最少为主目标,乘务人数和走行时间为惩罚函数的多目标优化模型。(3)结合本文乘务排班模型的特征,采用粒子群遗传混合算法对问题进行求解。在阐述算法流程的基础上,对算法的编码、初始解生成、交叉与变异等具体步骤进行了设计,并利用Matlab平台完成算法程序的编写。(4)结合上海地铁X线实际案例,进行算例分析。在对现实数据进行预处理的基础上,模拟全自动驾驶模式下的排班问题,对问题同时使用粒子群、遗传算法与混合算法进行计算。计算结果表明优化模型与混合算法的实用性与有效性,为城市轨道交通乘务排班计划编制提供了有意义的参考。