随着城市轨道交通网络化运营模式的不断深化,乘客出行需求的时空不均衡性导致网络客流分布不均衡增强,局部路网客流拥挤问题日趋严重。除了提高能力供给之外,运营者还需要从需求侧出发对网络客流分布进行调节,而乘客对出行路径的选择是影响网络客流分布的关键因素。本文以城市轨道交通乘客路径动态诱导问题作为切入点,从诱导信息影响下的乘客路径选择行为建模、诱导信息发布条件下的网络客流分布动态推演和乘客路径动态诱导策略优化三方面展开研究,为运营者提高城市轨道交通运营效率和优化乘客出行体验提供理论支撑和辅助决策支持。具体研究内容包括:（1）城市轨道交通乘客路径动态诱导问题分析。首先对城市轨道交通客流诱导的现状和未来发展方向进行总结分析。基于对乘客路径动态诱导问题特征的分析,在马尔可夫决策过程框架下构建乘客路径动态诱导问题的抽象模型,通过分析模型中的关键要素明确解决乘客路径动态诱导问题需要研究诱导信息影响下的乘客路径选择行为、诱导信息发布条件下的网络客流分布动态推演、乘客路径动态诱导策略优化三个关键子问题。通过对三个子问题的特征进行分析提出了解决问题的研究思路,为后续研究奠定基础。（2）诱导信息影响下的乘客路径选择行为建模。通过分析诱导信息影响下的乘客选择行为特征,对既有随机后悔最小化模型进行改进,建立了以路径属性对比为基础,考虑乘客属性感知、尺度效应、决策惯性的路径选择模型以描述乘客在诱导信息影响下的路径选择行为。通过意向调查（State Preference Survey,SP Survey）采集受访者基本属性和订阅信息服务意愿,基于最优正交设计法设计SP实验构建路径选择场景采集受访者路径选择结果。通过对受访者基本属性和对订阅信息服务意愿进行Logistic回归,对订阅信息服务意愿的影响因素进行分析。基于极大似然估计法使用受访者路径选择场景的选择结果数据对改进随机后悔最小化模型进行标定,通过与经典随机后悔最小化模型和经典随机效用最大化模型的对比分析,结果表明本文所提出的路径选择模型能够更精准的描述诱导信息影响下的乘客路径选择行为。（3）诱导信息发布条件下的网络客流分布动态推演。基于城市轨道交通网络客流分布的特征,考虑乘客路径动态诱导策略优化的需求构建城市轨道交通系统的离散事件系统模型。对城市轨道交通系统中的基础设施、列车、乘客和运营者等实体从中观层面进行建模,确定了各实体模型的输入、输出、状态转移、特征元组、决策元组等关键要素,基于实体模型之间的耦合关系建立了城市轨道交通系统的耦合模型。基于系统内实体的状态转移过程和实体之间的相互作用推演诱导信息发布条件下网络客流分布动态变化。基于离散事件系统模型开发城市轨道交通网络客流分布动态仿真系统,通过对列车运行过程、诱导信息影响下的乘客决策和出行过程、运营者向乘客发布诱导信息的过程进行模拟,推演获得诱导信息发布条件下的网络客流动态分布,为乘客路径动态诱导策略优化提供决策环境支持。通过实际案例验证了仿真系统可推演诱导信息影响下的网络客流分布。（4）城市轨道交通乘客路径动态诱导策略优化。在强化学习框架下研究乘客路径动态诱导策略优化问题,将网络客流分布特征作为状态,运营者向乘客发布诱导信息的行为作为动作,将诱导信息发布后的网络客流分布特征作为状态转移,并以此计算诱导信息发布动作的奖励值。提出基于自编码器的网络客流分布特征提取方法,基于诱导方向的诱导信息发布动作生成方法和基于多目标加权的奖励值计算方法。基于深度确定性策略梯度（DDPG）算法构建乘客路径动态诱导策略学习网络,利用网络客流分布动态仿真系统与学习网络的交互数据进行网络训练,生成优化的乘客路径动态诱导策略。分别以小规模假设网络和大规模实际网络为背景进行案例分析,结果表明使用路径动态诱导策略对客流进行诱导可以有效缓解网络客流拥挤问题。通过进一步改变算法中的相关参数,揭示了订阅信息服务比例和调控目标权重对乘客路径诱导效果的作用机理。