地铁运输过程中可能会发生火灾、列车冲突、列车脱轨、路外人员伤亡、突发大客流踩踏、设备故障等事故,为免二次伤害,大客流疏运工作尤为重要。因此,对地铁大客流疏运的安全分析逐渐受到人们的重视,如果能提出有效的大客流疏运评价方法和体系,结合具体车站进行仿真调试,就可以提高救援速度,减少大客流事件的发生,这对提高地铁大客流疏运安全水平具有重要的意义。本文首先通过层次分析法、德尔菲法进行地铁大客流疏运安全风险因素识别,建立系统的大客流疏运风险预警框架,根据粗集理论提取核心指标,并对地铁大客流预警级别和阈值进行界定。为了实现地铁疏运预警功能,建立基于自组织竞争的神经网络(artificial neural network,ANN)模型,输入核心指标,通过Matlab神经网络工具箱(Neural Network Toolbox,简称NNbox)进行计算,该模型首次被应用于在地铁安全预警领域。然后,对大连市西安路地铁站进行实地调查,采用Anylogic仿真软件进行实际客流模拟,获得客流预警关键点,通过对关键点的监测,实时掌握关键点的客流密度,绘制人流密度图,以此计算客流预警时间。为了有效缩短转为上一级的预警时间,对西安路站的设备设施摆设、人流导向提出四种改进方案,并对四种改进方案进行整合分析测试,大大减少了站厅、站台等的拥堵现象,从而验证了整合方案的合理性,为西安路站内的大客流疏运工作提供了参考。最后建立地铁大客流疏运仿真预警平台,对地铁疏运预警进行演示,方便对地铁概况、安全风险因素、预警甄别、应急预案、评价问卷等查看和学习,指导现场客流疏运安全管理工作。