在高铁民航运输业冲击下,汽车客运站客运总量逐年走低呈下行趋势,但因公路运输在中短途运输上的独特优势,使得公路运输在高铁民航的短途接驳和旅游终端的接送上仍大有作为,由此产生的不稳定客流量为汽车客运站内客运组织带来诸多问题,导致场站空间资源走向拥堵和浪费两个极端。本研究旨在提高汽车客运站站内空间利用率,以动态客流为背景开展汽车客运站功能区布局优化研究,构建起考虑旅客出行特征的最高聚集人数模型以完成动态客流规律的把握工作;基于排队论理论结合聚集人数变化规律进一步构建功能区测算模型以确定各功能区规模;最后,考虑站内运行组织效率提出旅客站内平均步行距离以及流线干扰度两个目标,建立起汽车客运站布局优化模型,并借助SLP法求得的功能区间强度等级作为指标对求解结果进行评价选优。具体研究内容如下:1.通过对车站周边建设环境及乘客出行特点的研究,找出了乘客提前到达时间与车站周围区域建设环境的非线性效应,并将其作为预测变量。建立了以乘客提前到达时间为因变量,包括可达性、路网复杂度、公共交通支持度、多样性四个维度的多元建构环境特性,并通过设计问卷获得乘客出行特征,并以此为自变量,提出了一种基于梯度提升决策树（GBDT）模型,并与随机森林（RF）和最小二乘估计（OLS）相结合,以此为依据对算法进行了效度的分析。研究发现,GBDT模型无论是在训练集还是在测试集上都要比RF和OLS模型好,该模型的拟合优度达到了0.80;在变量贡献度上,周内日期对乘客提前到达时间有显著影响,影响程度为26.49%,其次为乘客是否选择公共交通出行,影响程度为25.4%,最后,考虑到日内时段,该变量的影响程度为22.59%。2.为了进行现有客运站最高聚集人数的研究,以乘客到达时间特性为基础,在该对象现有研究成果的基础上,建立了基于该预测特性的BP神经网络预测模型;分析了在同一站点不同出行条件下,班车旅客到达时间的趋势,得出了由于出行特点的异质性,乘客到站时间的差异较大;进而根据概率方法,结合日内的发车时刻表生成旅客到站分布,对陈家坪公交站的客流规律进行了仿真模拟,最后得出该公交站的客流最大集中人数为788人。3.功能区规模的传统测算方法是将最高聚集人数乘以相应系数求得,属于静态计算方法。本研究为避免静态方法导致的功能区面积偏差等问题,首先将各功能区按照与客流的相关关系划分为四类;其中排队类功能区因与客流的直接相关关系,故构建起以排队论模型为基础的排队类功能区规模测算模型,以站内旅客数量变化规律生成每个时刻的动态到达率,通过计算各功能区在单日内平均服务水平和规模均值求解最优排队类功能区规模,求得陈家坪汽车站排队类功能区面积如下:安检区103m~2、售票区204m~2、检票区87m~2。4.通过旅客平均步行距离和流线干扰度作为目标函数,利用平面建立直角坐标系确定功能区形心坐标为决策变量的方法构建布局模型。使用带精英策略的非支配排序遗传算法进行多目标规划模型求解,并辅助构建起以SLP法求得的功能区对强度关系为核心的TOPSIS、灰色关联度评价法,解决NSGA-II算法结果输出为帕累托最优解集的特性为模型带来的干扰,使得模型输出为唯一解。本研究从旅客的聚集过程入手,到结合动态客流特性的功能区规模测算,最终构建起功能区布局模型。整个建模过程中以使用尽量少的初始数据为目标,以此保证模型在汽车客运站新建或改建时客流数据匮乏情况下的适用性;各部分模型构建中均着重处理客流变化带来的影响,以此契合动态客流的变化特性;综上本研究为后续涉及到汽车客运站新建、转型升级等方面的研究提供一定分析思路。