本研究由北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室的于丁原、姚恩建（通讯作者）、刘莎莎、郭东博、刘唯伊团队，与中国邮政集团有限公司浙江省分公司的李思慧合作完成。研究成果发表于《交通运输系统工程与信息》（Journal of Transportation Systems Engineering and Information Technology）2023年10月第23卷第5期，文章编号1009-6744(2023)05-0227-11，DOI号为10.16097/j.cnki.1009-6744.2023.05.024。
在城市轨道交通（Urban Rail Transit, URT）网络化运营背景下，列车故障等运营突发事件会导致服务中断，引发大规模客流滞留。传统诱导信息仅提示事故区段，缺乏具体出行建议，难以实现精准客流疏导。现有研究存在两大局限：一是多假设乘客为同质群体，忽视个体对诱导信息接受程度的差异；二是缺乏对”突发事件”与”诱导信息”双重作用下乘客行为机理的深入解析。
本研究创新性地将潜在分类模型（Latent Class Model, LCM）与非支配排序遗传算法（NSGA-II）相结合，构建了考虑乘客异质性的多目标优化框架。其科学价值体现在：首次系统量化了城轨乘客对诱导信息的响应差异，建立了行为机理与系统优化间的桥梁；应用价值在于为运营部门提供了数据驱动的诱导信息发布策略，可减少3.9%的线网总出行时间并改善4.1%的客流均衡性。
研究分为三大递进阶段：
通过腾讯问卷平台收集北京城轨乘客的路径选择数据（2020年3月，有效样本313份/2817条选择记录），采用正交试验设计8类推荐指数水平（如”123”表示路径1优先推荐）。构建的LCM模型包含： - 方案选择层：量化总时间、换乘次数、推荐指数等属性对路径效用的影响 - 分类层：引入收入、年龄、换乘在意度等社会经济属性划分潜在群体
模型通过最大似然法标定，拟合优度ρ²=0.163，11个变量在90%置信水平显著。研究发现乘客存在三类异质群体： 1. 诱导服从型（26%）：高收入男性为主，推荐指数参数值达1.94（显著高于其他参数） 2. 诱导中立型（32%）：年轻女性为主，最关注换乘次数（参数值-1.29） 3. 诱导无视型（42%）：基本忽略推荐信息，选择行为主要受换乘次数影响
以北京市轨交早高峰网络为案例（含1/2/4/5/6/8号线部分区段），模拟”北海北-南锣鼓巷”区间30分钟中断场景。建立双目标优化模型： - 目标函数： - 最小化总出行时间：$$minZ=\sum\sum\sum(f_{n,lk}+\frac{\alpha{ca}}{\theta{ca}}g{n,lk}+\frac{\beta{ca}}{\theta{ca}}x{n,l_k})$$ - 最小化基尼系数：$$minG=\frac{\sum\sum|\delta^{tu}{d_{m1}}-\delta^{tu}{d_{m2}}|}{2w^2\cdot\frac{1}{d}\frac{1}{t}\sum\sum\delta^{tu}{d_m}}$$ - 约束条件：包含路径选择概率计算（式8）、断面客流加载（式11-12）等6类约束
设计染色体编码方案：基因表示路径推荐指数（1-3星），染色体代表完整诱导方案。参数设置为： - 种群规模30，迭代1000次 - 交叉概率0.8，变异概率0.1 - 采用非支配排序和拥挤距离计算保持解集多样性
行为异质性特征：
系统优化效果：
断面客流优化：
本研究的主要创新点体现在： 1. 方法论创新：首次将LCM模型应用于城轨应急诱导场景，揭示了”社会经济属性-信息接受度-路径选择”的传导机制 2. 算法改进：在NSGA-II框架中嵌入行为参数，实现了个体选择与系统优化的动态耦合 3. 应用突破：提出的分级推荐指数体系（★-★★★）可操作性强，已在北京轨交网络验证有效性
对运营管理的建议包括： - 针对不同时段调整诱导策略：早高峰优先服务诱导服从型乘客 - 事故恢复初期维持诱导信息发布，避免客流反弹 - 通过APP推送个性化建议（如对年轻女性强调换乘便利性）
未来可拓展方向包括： 1. 考虑多模态交通协同诱导（如公交接驳） 2. 融合实时客流检测数据动态优化推荐策略 3. 研究社交媒体信息传播对诱导效果的影响
该研究为智慧城轨应急管理提供了重要的理论支撑和技术工具，其”行为分析-建模优化-实证验证”的研究范式也可推广至其他交通应急场景。