近年来,城市轨道交通作为缓解城市拥堵主要的公共交通方式,在促进城市绿色交通可持续发展方面发挥着重要作用。城市轨道交通时刻表作为地铁部门与出行乘客接触最密切的地铁运输产品,其制定的合理性深刻影响着乘客出行效率和乘客乘车满意度;然而随着城市轨道交通系统内乘客需求进一步加剧,站内乘客行为变得更加复杂,因此为了进一步完善城市轨道时刻表优化编制流程,本文以乘客上车决策行为为导向分析挖掘其与城市轨道时刻表优化调整的关系,该研究思路对满足实际客流需求和提高运营管理均具有十分重要的现实意义和应用价值。本文在深入研究既有成果基础上,依托北京地铁城市轨道交通自动售检票系统的实际客流数据(Automatic Fare Collection,AFC),参考乘客在站路径选择、在站运动流线组成等理论,构建了乘客上车决策模型,并设计了乘客上车概率后验平稳分布的求解算法;并以单条线路为研究对象,以列车发车间隔、列车停站、列车整备等为约束条件,提出考虑乘客上车决策行为的城市轨道时刻表优化模型及对应优化算法。主要研究内容及主要结论如下:(1)结合国内外既有研究成果,分析乘客换乘行为、乘客上车行为与时刻表优化调整的关系,并以此为基础,研究城市轨道交通AFC数据的数据特征、分布特征,总结当前阶段时刻表优化编制流程,为本文后续数据整理、时刻表优化建模提供理论基础。(2)以一条地铁线路为研究对象,分析换乘乘客在站路径选择行为,提出基于广度搜素的最短路算法,进一步完善本线客流组成。在将换乘客流加入到本线客流集合之后,乘客在站运动过程具体描述为:刷卡进站—进站走行—站台候车—上车—下车—出站走行—刷卡出闸,结合乘客运动流线和乘客走行时间概率分布函数,提出乘客上车决策模型,并设计马尔科夫链蒙特卡洛算法(Markov Chain Monte Carlo,MCMC)对乘客上车概率后验分布进行计算。(3)以早高峰运营时段的单条线路为研究对象,基于乘客上车决策行为给出了乘客平均等待时间的计算方法,以列车发车间隔和列车在站停站时间为决策变量,提出以城市轨道时刻表优化调整为上层、以乘客上车决策行为为下层的双层规划模型,并设计了混合遗传模拟退火-MCMC算法。结合北京地铁一号线实际客流数据,算例结果表明,在优化调整后的时刻表基础上,乘客搭乘列车概率集合中搭乘首车概率明显提高、乘客成功搭乘首车人数明显增加、全线乘客平均等待时间进一步减少,同时带来了一定的社会经济效益。该研究思路和结果可为地铁运营管理部门提供科学的理论参考。