随着城市人口地不断增长、商业活动地频繁举办和轨道交通地网络化运营,轨道交通所面临的客运压力也日益增加,大客流已成为运营中的主要风险点之一。为了充分发挥轨道交通的整体效益、保证大客流期间轨道交通系统的运营安全,要求基于客流需求,通过车站和列车两方面协同处置。本文以突发大客流线路为研究对象,采用车站客流控制和列车停站方案调整方法研究大客流时段的客流控制和疏散的模型和方法,主要研究工作包括以下内容:(1)城市轨道交通突发大客流的形成与常用处置方法分析。依据突发大客流是否可以预测,将突发大客流分为可预测突发大客流和不可预测突发大客流两种,并从车站各实施设备的通过能力和列车有限容量两方面分析车站形成大客流的原因;在此基础上根据常规的限流和疏散策略,分析不同处置策略的特点,明确突发大客流时段需采用车站控流和列车停站方案优化方法进行协同处置。(2)基于乘客与列车的衔接关系研究城市轨道交通突发大客流传播机理。结合AFC系统采集的OD数据和列车时刻表数据还原各个车站经过的各次列车与乘客上下车的交互情形,提出基于最短出行路径的乘客滞留周期的推算方法,以此为基础分析车站上车率、滞留率和列车断面满载率,通过模型和算例定量分析得出突发大客流在轨道交通线网的传播具有时空延续性,同时为后续车站控流以及列车停站优化方案的制定提供客流依据。(3)可预测突发大客流时段车站控流与列车停站优化方案建模。基于普通车站和换乘车站的进站大客流和换乘大客流分别提出车站客流控制模型,并以控流后的实际客流需求为基础,以突发大客流方向的乘客平均等待周期最短为目标,构建该线路方向列车停站方案优化模型,并利用Q学习算法求解。(4)不可预测突发大客流时段车站控流与列车停站优化方案建模。考虑到不可预测情况下乘客出行方案会发生变化,基于随机用户均衡分配理论建立乘客出行选择行为模型对候车客流进行分配;在控制进站客流和换乘客流基础上,依据分配后的候车客流需求,基于第四章提出的列车停站方案优化模型,并通过Python语言求解案例结果。论文研究的主要创新点体现在:(1)结合实际运营数据提出基于乘客出行最短路径突发大客流时段乘客的滞留周期推算方法,用以研究乘客在路网上的分布和传播过程;(2)针对换乘车站突发进站大客流提出基于成因的各线路分担客流比的逆向推算方法,将可预测事件发生前的乘客来源起点作为事件发生后乘客的目的地,由此OD将乘客匹配至相应线路方向;(3)针对可预测条件下换乘车站换乘大客流,以受停站影响乘客的惩罚出行时间最小为目标,通过调整邻线列车在该换乘站的停靠方案达到控制换入突发大客流站台的换乘客流的目的;(4)在不可预测突发大客流条件下,提出基于随机用户均衡分配理论的乘客出行选择行为模型,考虑乘客附加等待时间和换乘附加出行时间两个因素分配进站客流;提出基于到达时序的邻线列车停站方案,减少换入到大客流站台的换乘客流;(5)整体考虑大客流线路方向的乘客候车需求,提出最小化乘客平均等待周期,均衡各车站的乘客候车周期,减少大客流车站的滞留客流量。本文研究成果不仅可以为突发大客流时段的大客流控制和疏散问题提供重要的理论依据和实用方法,且能够提高大客流车站的客流疏散效率,保证大客流车站的运营秩序和安全,对实现轨道交通的运营效益具有重要的实际意义,有着良好的应用前景和价值。