轨道交通以其安全、快速、准点、运量大、绿色等特点,在综合交通运输体系中发挥了骨干作用。当前,轨道交通作为城市居民的重要出行方式,在满足出行需求、缓解交通拥堵等方面发挥了重要作用,是构建绿色城市和智能城市的有效途径。随着轨道交通路网的不断完善,运营环境日趋复杂,超大规模客流日渐常态化,准确实时获取轨道交通客流时空分布情况及客流演化规律,在突发事件下引导乘客选择合理出行路径,降低路网客流运营压力,是保障轨道交通安全高效运行的有效措施。本文针对轨道交通客流时空分布预测及疏散诱导控制问题展开研究,围绕车站类型识别及客流演化机理、常态运营下路网客流时空分布预测以及突发事件下路网客流疏散诱导控制等关键问题开展研究。本文的主要研究内容可概括为如下4个方面:1.考虑车站客流的演变特征,提出基于二阶聚类的车站类型识别及客流演化机理识别方法。提取网络结构、客流时间序列形态特征和结构特征以及客流统计特征等,应用主成分分析法对特征值降维处理,提出基于二阶聚类的车站类型识别方法;从车站类型和降雨强度等级两个角度出发,提出基于震荡系数的客流影响分析方法。以北京市轨道交通为例,将车站分为6类,并分析典型车站进站客流演化机理。仿真算例结果表明降雨对轨道交通出行有显著影响,且不同类型车站受降雨影响客流演化机理明显不同。2.考虑客流的非线性、非平稳性、周期性、随机性等特点,提出分解集成策略下基于深度神经网络的进站客流预测方法。采用时间序列分解方法将进站客流数据转化为多个波动性较弱、规律性较强的子时间序列;采用归一化方法将时间序列预处理,降低了时间序列数据均值差距,然后基于长短期记忆神经网络模型预测并重构还原得到最终预测结果。针对不同类型的车站分别开展进站客流预测算例仿真,结果表明本文所提客流预测模型性能优于传统的客流预测模型,提高了客流预测的精度。3.考虑乘客换乘路径辨识问题,提出常态运营下基于移动定位轨迹重构的路网客流时空分布预测方法。针对刷卡数据并不包含乘客换乘信息的特点,提出基于移动定位轨迹重构的乘客出行路径辨识模型;基于随机用户均衡原则,考虑乘客留乘、车厢拥挤等多种因素,构建了轨道交通路网客流时空分布预测模型;针对轨道交通路网进行算例仿真分析,结果表明模型输出的换乘客流量等信息与实际调查结果相符,验证了模型的有效性与准确性。4.考虑突发事件造成的乘客出行延误以及路网拥挤等影响,提出基于双层规划模型的路网客流疏散诱导控制方法。考虑突发事件对乘客出行路径选择造成的影响,建立基于累积前景理论的乘客出行路径选择模型;考虑乘客出行阻抗和路网拥挤程度两种因素,设计离散粒子群算法优化路网客流疏散诱导控制策略;针对轨道交通路网进行算例仿真分析,结果表明基于累积前景理论的乘客出行路径选择模型结果与乘客实际路径选择结果相符,可以准确地刻画乘客在路径选择时的决策行为,提出的客流疏散诱导控制策略有效降低了乘客整体出行时间,改善了路网的拥挤程度。