随着城市公共交通的发展,城市轨道交通系统愈加复杂,呈现网络化特征,使得乘客在城市轨道交通出行中,存在多条可选择的出行路径。城市轨道交通网络突发事件是影响其正常、安全运营的重要原因之一。在面对突发事件时,城市轨道交通乘客根据自身的选择偏好重新进行路径决策,易造成线路之间客流分布不均,甚至可能会造成局部区域过度拥挤,从而影响城市轨道交通的安全运营。因此,有必要针对城市轨道交通突发事件下的场景研究乘客的路径选择行为及诱导方法。本文综合考虑乘客出行路径选择行为偏好以及网络中多条可选择路径的客流状态,对乘客提供带有“推荐指数”(根据预测客流估计得到的舒适程度)的诱导信息服务,制定优化的客流诱导方案,旨在实现更好地疏散大量聚集的客流,提高乘客的出行质量,保障网络的运营安全。本文的主要研究工作与结论如下:(1)首先从城市轨道交通乘客出行行为、突发事件对城市轨道交通客流的影响和城市交通客流诱导等方面进行研究综述,在分析已有研究的基础上,设计意向调查问卷(Stated Preference,SP),对诱导信息下的城市轨道交通乘客路径选择行为进行调查。基于问卷获取的数据,统计分析态度属性变量以及个人属性变量对乘客路径选择行为的影响。(2)在问卷统计分析的基础上,分别构建MNL模型(Multinominal Logit Model)和LC模型(Latent Class Model),分析服务水平变量(包括出行时间、换乘次数)、出行方案的推荐指数、出行场景变量(出行距离和出行目的)、个人属性变量以及态度属性变量对城市轨道交通乘客路径选择行为的影响。其中,LC模型将城市轨道交通乘客群体划分为“推荐顺从型”、“推荐中立型”和“推荐无视型”,并分析不同潜在类别的乘客对方案属性的敏感度差异。(3)在突发事件下,假定不改变乘客原来的出发地和目的地,以乘客出行时间成本最小和断面满载率基尼(GINI)系数最小为目标,以出行方案的“推荐指数”为决策变量,以路径选择结果与断面满载率的关系等为约束条件,构建诱导信息下城市轨道交通客流诱导优化模型。(4)以北京市城市轨道交通区域线网为案例,设定突发事件场景,采用Python语言实现受突发事件影响的起终站点间(Origin to Destination,OD)的有效路径搜索,并基于NSGA-Ⅱ算法实现客流诱导优化模型的求解。结果表明,与未提供诱导信息的情况相比,受影响乘客的出行时间成本下降了3.906%,断面满载率GINI系数从0.320降至0.307,并且使得较高断面满载率的断面数量有所下降,诱导优化效果显著,较好地验证了本文提出的客流诱导优化模型的有效性。