近年来,城市轨道交通鉴于其零排放、大运量、高准时等特点已经逐步发展成为中大型城市解决交通拥堵的利器。截至2021年12月,全国共有51座城市开通运行城市轨道交通线路269条,年安全运送乘客237.1亿人次。如何应对随时波动变化的客流同时降低列车车辆的牵引能耗成为行业研究热点。首先,本文以合肥轨道交通三里庵站为例,利用2019年客流数据为基础,在分析客流特征的基础上总结客流变化规律。先利用应用比较广泛的BP神经网络算法对未来一小时的进站客流进行预测。由于BP算法初始权值和阈值难以确定,从而容易导致目标函数错误的获得局部最优解。本文引入遗传算法以优化前的预测误差为适应度函数,对BP算法进行改进提升得到优化后的预测模型,并以预测相同样本的分时客流进行对比。结果表明优化后预测值和真实值的最大绝对误差和平均绝对百分比误差均有明显减小,验证了预测模型的性能。接着,当客流发生变化时对于如何平衡好区间运行时间、乘客候车时间以及列车牵引能耗的问题,本文在客流预测的基础上在考虑较为复杂的二次牵引行驶策略下建立列车单质点运动模型,获得列车牵引能耗模型,同时运用排队服务理论建立乘客平均在站候车时间模型。同时利用优化后的客流预测模型分别对四个站点的工作日高峰和非高峰期以及双休日高峰期的上行进站客流进行预测,作为验证区间优化模型的数据输入。最后,将相关参数一并代入建立的区间优化模型并在MATLAB中利用遗传算法进行求解,得到优化提升后的区间运行速度曲线、列车牵引能耗曲线并与采集到的实际数据进行对比。结果表明,利用本文模型求得的列车停车精度、候车时间均能符合运营要求,虽然区间运行时间略有增加,但是区间平均牵引能耗均有明显下降,表明研究模型在节约能耗方面具有一定效果。