随着我国经济的发展,人们的生活和交通方式也逐渐发生了变化,人们越来越追求舒适、安全、快速、方便的出行方式,私家车辆越来越多,导致路面交通压力越来越大,地铁因其具有快速、准时、安全、污染小的优点已逐渐成为解决交通压力的有效办法之一。当前地铁线网越来越复杂,客流特征也会产生较大变化,因此,需要根据不同的客流特征制定相应的调度策略,在高峰期减小列车运行间隔,平峰和低谷期适当增大运行间隔,在保证乘客满意度的情况下降低地铁公司的运营成本。本文主要对长沙地铁4号线进行了客流量的预测和列车调度方案的优化,其具体的研究内容如下。首先依据历史客流数据从时间空间两方面分析了长沙地铁4号线的客流特征。时间方面,分析一天内不同时间段和一周内的客流特征。空间方面,分析上下行和不同断面的客流特征,并计算客流不均衡系数,该分析为客流预测和调度提供依据。其次,基于历史短期客流数据对长沙地铁4号线的客流量进行预测。通过分析选用BP神经网络和支持向量机方法对客流量进行预测,选择对客流影响最主要的因素如（天气、节假日、日分时段、星期）作为自变量,断面客流量作为因变量,建立了相关的预测模型,对数据归一化处理后输入预测模型,训练预测得到客流量。通过分析比较两种预测方法的精度,支持向量机的预测精度较高,确定采用支持向量机预测客流量,预测得到了2019年7月31日长沙地铁4号线各断面区间的分时客流量和一周内高峰时段的客流量。最后,从时间和空间两方面对列车调度策略进行优化。在时间方面,以乘客感受和地铁公司的成本为优化目标,乘客等待时间、列车数量、满载率作为约束条件建立多目标优化模型,通过遗传算法求解调度模型,确定最优的行车间隔。在空间方面,计算得到各断面的断面差异率,结合长沙地铁4号线的渡线问题,最终确定合适的交路类型和折返站。通过比较可用车辆数,大小交路运行模式能够比单一交路运行模式更好地节约成本。根据时间空间两方面的优化结果制定最终的优化方案,通过与原运行方案的比较,优化后列车运行总公里数比优化前减少了15.02%,车次运行数减少了14.38%,在保证乘客舒适度的情况下满载率有所提高,该研究成果为地铁公司调度策略研究人员提供理论支持和参考建议。