近年来,城市轨道交通由于安全、便捷、高效、环保等优势已经成为主要的交通方式。随着城市轨道交通的发展,城市轨道交通面临的安全问题也日益凸显。一旦发生紧急事件,由于车站疏散方案不完善、设计缺陷、人员失误等原因将产生严重后果。如何提高大客流下车站运营效率以及减少在紧急疏散时的疏散时间,已成为城市轨道交通行人应急疏散领域的研究热点。然而,传统的建模与计算方法难以模拟真实地铁车站复杂场景下行人的运动行为。因此,本文基于社会力和Agent的混合模型对地铁车站行人行为以及典型场景下应急疏散相关问题进行研究,主要研究内容如下:首先,研究地铁车站行人上下车行为,提出上下车时间预测模型。进一步研究不同队列类型对上下车时间的影响,对模型进行改进。研究高峰时期站台密度与行人上下车时间的关系,并建立站台拥挤度指标。研究表明,上下车人数与上下车时间呈非线性关系,上下车排队行为有助于上下车效率的提高,且排成两队时效率最高,该上下车时间预测模型可以有效预测行人上下车时间。其次,从车站需求的角度出发,对地铁车站人工系统进行设计。主要介绍了人工系统模块设计、流程设计、地铁车站场景设计的基本原理和方法。基于社会力模型和Agent的混合模型搭建地铁车站模型。结合实际调研数据对地铁车站场景进行设计,主要设计车站物理环境、列车运行、行人运动三类基础场景,并且对车站、列车、行人参数进行配置。最后,基于某车站的基础数据,对人工系统若干功能模块进行实现。基于E-R数据结构模型,对列车、行人、车站等数据表进行实现。在地铁车站人工系统的基础上,基于社会力模型和Agent的混合模型设计地铁车站典型场景下应急疏散计算实验。根据计算实验对地铁车站人工系统的性能进行测试与验证。研究表明,该系统可以有效模拟地铁车站复杂场景下行人行为,对应急预案进行评估,为地铁车站行人应急疏散研究提供依据。