导向标识系统是城市轨道交通运营的重要组成部分。由于城市轨道交通大部分建设在地下,内部空间单一,乘客很容易迷失方向甚至产生不安全感。因此,一套健全的导向标识系统能够在很大程度上提升乘客出行效率、心理感受和出行安全,是保障城市交通服务质量的重要手段。经过多年的发展,我国城市轨道交通导向标识系统设计越来越完善,但距离“人民满意交通”的标准还有一定的差距。因此,在实践的基础上,深化理论研究非常必要。导向标识优化理论和方法涉及多学科,本文主要基于轨道交通大数据,运用模型和仿真方法,从导向标识的数量、位置等方面研究标识布点的理论与方法。与以往利用模型方法研究标识布点问题不同,本文从客流的时空特征分析为切入点,提取影响因素,聚焦布点优化站点类型;进而通过构建“位置—数量”两要素优化模型,阐述布点理论;最后,设计了“空间—行为”仿真模型,提供设计方法,并通过案例对所提出的理论方法进行验证。本文重点研究的内容如下所述:（1）轨道交通客流时空特征及影响因素分析。利用北京轨道交通大数据,从整个线网、各条线路、站点三个维度对轨道交通客流量进行了时空特征分析,总结规律,阐述了规律性客流对导向标识布局的影响;并以新建商业综合体为重点,分析了外部因素对站点客流量的影响。结合大数据分析,得出:无换乘功能、附近无大型写字楼、商业综合体、大型集中住宅区的轨道交通站点,进出站客流量相对较小且特征稳定,其已有导向标识通常都能够较好引导客流,不是本文的研究重点。因此,本文重点研究两类站点的导向标识优化问题,一类是有两条以上轨道线路交汇、站内换乘复杂的站点;另一类是附近有大型写字楼、商业综合体、大型集中住宅区的大流量站点。这两类站点客流复杂,是导向标识优化研究的重点对象。（2）轨道交通站点导向标识优化模型构建。在把握轨道交通站点客流时空特征和规律基础上,阐述了客流导向标识优化理论方法;针对有两条以上轨道线路交汇、站内换乘复杂的站点,构建了考虑站内换乘的“位置—数量”两要素导向标识优化模型,设计了基本遗传算法、粒子群算法、人工鱼群算法等启发算法作为模型的求解算法,带入案例数据对模型进行求解,通过对比三种算法的迭代次数和优化结果（包括最大诱导信息量和标识数量）择优选定基本遗传算法作为本模型的求解算法;针对附近有大型写字楼、商业综合体、大型集中住宅区的大流量站点,构建了考虑站外影响的客流导向标识优化模型,择优选择单纯形算法作为模型求解算法,并利用案例数据对模型进行了求解分析,确定单纯形算法作为下一步案例分析的求解算法。（3）导向标识优化案例分析与仿真优化。选择大型换乘地铁站惠新西街南口站、商业综合立体交通枢纽地铁站东直门站,分别对内部换乘地铁站点、商业综合体地铁站点的导向标识优化模型进行案例分析,提出布局优化建议。利用Anylogic仿真软件,完成地铁站空间环境的仿真和乘客行为仿真的建模,对现状的导向标识布局方案和根据前述标识优化模型优化后的导向标识布局方案分别进行了模拟仿真,根据仿真结果对优化效果进行了对比分析。结果表明,改进方案能够明显改善地铁站客流高峰期乘客的进出站和站内换乘效率,平均提升12%,并有效消除乘客在安检处等区域集聚带来的潜在安全隐患等问题,验证了优化模型有效性。本文的创新点包括:（1）多维度大数据轨道交通客流时空特征刻画和规律分析。利用轨道交通大数据,从线网、线路、站点三个维度对轨道交通客流进行时空特征分析并发现规律,阐述规律性客流和外部因素对导向标识布局的影响,为后续建立导向标识优化模型奠定基础。（2）构建“位置—数量”两要素为变量的导向标识优化模型。与以往的优化模型多是仅对标识布点位置选择的优化、标识数量大多是通过人为判定不同,本文尝试将标识位置、数量均设置为变量,利用混乱度函数限制标识数量增长,以实现区域诱导信息量或引导人数最大为目标,构建了导向标识优化新模型。（3）基于动态仿真模拟的导向标识优化模型的有效性验证。基于Anylogic仿真软件,利用BIM搭建空间模型,通过地铁站空间环境和行人行为的联合仿真、2D与3D模型的综合应用,模拟导向标识布局优化前后的客流时空动态,评估其优化效果,验证了优化模型的有效性。