随着城市轨道交通线网规模不断扩大,客流需求持续增长,导致城市轨道交通局部线网拥挤问题日益严峻。为了降低运输压力和确保运营安全,限流被越来越多的城市轨道交通车站所采用。然而在实际运营中,车站管理人员主要在历史客流数据的基础上依靠经验制定限流策略,在限流时段选取及限流强度确定上缺乏科学有效的理论与方法支撑,同时,大多数车站基本上是独立制定限流策略,较少考虑线路多车站之间的协同。此外,受多种因素的影响,客流需求往往具有不确定性,因此,在客流需求不确定环境下研究城市轨道交通线路多车站间动态协同限流问题,具有重要的研究意义和实际应用价值。本文主要研究如何在线路多车站间通过动态协同限流缓解各车站的拥挤,同时提高限流策略的鲁棒性以降低对不确定客流需求扰动的敏感程度。本文主要的研究工作如下:(1)针对城市轨道交通车站动态协同限流问题,引入等效控制时段的概念建立了列车与乘客的对应关系,以计算列车到达车站后的车厢剩余容量,为构建城市轨道交通车站动态协同限流模型奠定基础。(2)研究了基于确定客流需求的城市轨道交通车站动态协同限流问题。构建了以最小化线路各车站站外累计滞留人数为目标,以客流需求、列车容量、站台最大允许聚集人数以及换乘能力为主要约束的混合整数规划模型,生成满足时变客流和系统最优的动态协同限流策略。通过北京地铁八通线的案例研究表明,与协同非动态限流策略相比,该策略更能适应时变的客流需求,能使线路上站外累计滞留人数下降90.3%;与动态非协同限流策略相比,该策略通过协调各站的允许进站客流和合理分配列车运能,能使线路上站外累计滞留人数下降20.6%。(3)针对客流需求不确定且难以提前预测的情况,为了满足客流需求较大时限流策略仍能有效实行,通过使用连续的区间数描述不确定客流需求,构建了基于区间型客流需求的动态协同限流鲁棒优化模型,并通过强对偶理论将模型转化为易于求解的鲁棒对等模型。通过北京地铁八通线的案例研究表明,当不确定客流需求发生较大波动时,通过选择合适的鲁棒控制参数,该模型生成的鲁棒限流策略仍然能够保持较好的性能。与确定性模型相比,在客流需求最坏的情况下能使站外累计滞留人数下降9.73%,降低了不确定客流需求产生的风险。(4)针对客流需求不确定但可预测的情况,研究了对不确定客流需求扰动敏感程度较低且对所有可能出现的客流情景都较优的限流策略问题。通过利用具有已知概率的情景描述不确定客流需求,构建了基于情景集的动态协同限流鲁棒优化模型,求解每个等效控制时段内各车站的最佳进站量。通过北京地铁八通线的案例研究表明,各情景在鲁棒限流策略下的站外累计滞留人数与由确定模型得到的最优值相比,相对误差不到2%,表明鲁棒限流策略对情景集都具有较好的限流效果,同时能有效降低对不确定客流需求扰动的敏感程度。图25幅,表20个,参考文献70篇。