摘要：地铁封站，作为一种典型的城市轨道交通突发事件，将给城轨乘客出行行为及运营秩序带来严重影响。受影响的乘客可以对封站事件做出以不同的反应：换个站进、换个站出、换条路走、等待封站解除或者放弃轨道交通等。但是乘客做出以上行为决策的依据是什么，如何刻画乘客出行行为的变化，如何掌握大规模客流需求的动态演变规律？既有现有研究大多定性分析或建模刻画乘客对区间运营中断或线路中断的反应，并不适用于预测估计实际上并没有发生或即将发生的封站事件对客流需求的影响。本研究采用了一种基于智能体的方法，用来构建不确定性封站场景下的乘客出行行为模型，进而综合估计封站事件对个体乘客行为选择和集计客流需求演化的影响。本研究主要贡献有两个方面：首先，构建了基于0-1整数规划的乘客个体出行行为最优化模型，从而精细化描述乘客对始发站封闭及目的地车站封闭事件的反馈，该模型还考虑了其他接驳交通方式的可用性和便捷性以及封站持续时间的不确定性。其次，开发了基于乘客中观仿真的综合求解算法以动态求解上述提出的模型，从而量化估计封站事件对轨道交通网络中宏观客流需求的影响。

Yin Haodong, Han Baoming, Li Dewei, Wu Jianjun, Sun Huijun. 2016. Modeling and simulating passenger behavior for a station closure in a rail transit network. PLOS ONE.0167126, 1-28.