作为庞大的复杂系统,网络化运营下的地铁系统一旦发生列车运行中断,会严重影响乘客正常出行,引发客流滞留且极易引发安全事故。达到一定条件时,地铁管理部门会启动地面公交应急接驳的方式进行应急处置,但在实际操作过程中,由于对中断条件下滞留客流情况缺乏精细化把握,应急部门常常难以确保应急资源的合理化配置,也不利于最大程度保障乘客出行,因此合理估算中断下的滞留客流数量与去向分布,在应急辅助决策方面具有十分重要的意义。本文结合具体的中断场景,对地铁列车运行中断下的滞留客流进行分析与界定,并将其按中断时所处位置分为站台滞留客流与列车滞留客流两类,提出了地铁进站客流预测模型与客流OD（Origin-Destination,乘客出行的起讫点）分布预测模型,在此基础上基于大量刷卡数据分析,分别提出了两类滞留客流的估算方法,最后进行算例分析。具体的研究内容如下:（1）地铁列车运行中断场景构建与滞留客流分析。对典型的地铁列车运行中断场景进行构建,并进行相应的列车行车调整分析,在此基础上界定了滞留客流的范围,将滞留客流划分为站台滞留客流与列车滞留客流两类,明确研究对象。（2）短时进站客流预测与OD分布预测模型构建。基于图卷积神经网络（Graph Convolutional Neural Network,GCN）与门控循环单元（Gated Recurrent Unit,GRU）,提出并设计用于地铁短时进站客流预测的GCN-GRU模型,利用真实的地铁客流历史数据,对模型进行训练与评估,验证了其在短时客流预测方面的优越性。进一步设计客流OD分布预测模型,通过指数平滑的方法不断更新历史OD分配比例矩阵得到当前时段的OD分配比例矩阵,从而进行当前时段的客流OD分布预测。两种模型的构建为下文的客流估算提供数据基础。（3）站台滞留客流估算方法设计。从时间角度分析站台滞留客流的形成过程,建立乘客旅行时间链模型,并基于大量刷卡数据的统计分析对相关的时间参数进行估计,探讨不同时间段内进站乘客未上车的概率,并设计蒙特卡洛模拟实验,对未上车的乘客进行估计,对实验结果进行统计分析,从而得到站台滞留客流估算方法。（4）列车滞留客流估算方法设计。提出一种列车已载乘客溯源的方法对列车已载乘客进行估算,再应用于不同的中断场景得到列车滞留客流的估算方法。具体内容有,对乘客旅行时间链各要素进行估计以获取乘客的理论旅行时间;计算地铁路网各个OD对的有效路径集,通过对比乘客实际旅行时间与理论旅行时间,对乘客的路径选择比例进行估计;基于列车时刻表和行车信息,对有效路径经过某列车所在区间的OD对的乘客进行溯源,对这些OD对起点的进站客流、OD分布进行预测,并对路径选择比例进行估计,从而判断列车经停时每个OD对之间的乘客上车情况,从而完成该列车已载乘客的估算。（5）算例分析。基于上海市2015年的地铁局部路网与大量的刷卡数据,模拟地铁列车运行中断的情形,并运用提出的滞留客流估算方法对滞留客流进行估算,验证方法的可行性。