人流密集的场所,如地铁站台,一旦发生火灾、事故、运营中断等突发事件,会造成疏散极度困难,人群混乱、乘客恐慌心理难以控制,甚至可能出现挤压踩踏等重大事故。如何在在事故发生前发出安全预警并制定应急措施,是轨道交通运营部门要解决的重大问题。我们构建了一种基于元胞自动机的人员疏散模型来对地铁客流疏散进行仿真,这对地铁车站的应急疏散方案的制定很有帮助。整个站台的空间划分为网格结构,乘客的疏散过程可以表示为在网格上从一个单元格移动到另一个单元格。为了了解不同因素对疏散的影响,我们设置了很多变量,如即将到来的列车的数目,楼梯的数目和位置,还有每个楼梯的容量。我们发现,疏散时间降到最低的有效途径是增加楼梯的数目,楼梯的容量也是一个很重要的因素,相反,楼梯的位置对疏散时间没有很大的影响。人群规模比较小的时候,串行的基于CPU的客流疏散仿真在可以取得良好的效果,但是当人群密集度比较高的时候,由于各个疏散对象的空间位置各不相同,每个行人在紧急情况下各自的判断选择也不尽相同,这使得提高系统的应急性能、优化分配各疏散对象的时空路径成为了一个非常重要的问题。我们采用带权最短路径算法作为行人路径选择的规则来进行仿真,这符合行人的习惯,但是对CPU的性能要求很高。为了解决这个问题,我们引入了GPGPU来加速仿真。实验结果表明,在GPU上模拟每个时间步长的计算时间比在GPU上快10倍左右,整个疏散过程的模拟可以在15秒内就能完成。我们的主要贡献包括如下方面:(1)实时的仿真支持快速的决策制定以及应急响应。(2)我们提出的模型是一种通用的能够被大多数地铁站使用的模型。只要稍微的调整一下参数,它就可以应用于任何复杂的交通站点的设计。