建立了一种地铁站乘客疏散网络,分析了网络节点的度以辨识关键节点,提出了节点失效后的修正走行疏散网络;设计了基于支持向量回归算法的闸机、楼梯/扶梯节点处乘客通行时间预测模型,分析了模型的预测性能,得到了乘客数量与通行时间的定量关系;建立了包括节点和路段通行时间的总疏散时间、总路段风险和总拥挤成本3个目标函数,构建了一种火灾爆发时地铁站乘客疏散多目标路径优化模型,提出了基于遗传算法的优化模型求解方法;模拟了火灾爆发时地铁站乘客的疏散运动,分析了路径优化模型帕累托解下的疏散效率,评估了路径优化策略的优化程度;设计了乘客动态引导微信小程序,为疏散路径推荐信息的及时发布提供了一种可能方案.研究结果表明:验证集中节点处乘客通行时间预测模型的平均绝对误差低至0.000　375,稳健指标值可高达0.999　334,说明预测数据与真实数据吻合程度高;闸机处实际采集数据与仿真数据的平均相对误差为4.9％,正态性检验、方差齐性检验和独立样本检验的显著值都大于0.05,验证了　PathFinder软件可较为真实地模拟乘客运动;与正常疏散无优化策略相比,路径优化模型3组帕累托解下的优化程度分别为16.7％、15.9％、18.0％,因此,根据具体疏散场景、危险系数、服务质量要求等指标可选用相应的疏散优化策略.