城市轨道交通在现代社会中扮演着至关重要的角色，尤其在人口密集的大城市，地铁系统已经成为大量通勤者的主要出行方式。然而，随着线路的扩展和设备老化，列车延误问题日益凸显，这对乘客出行选择和整个网络客流分布产生了显著影响。本文主要探讨了在列车延误情况下，如何建立一个有效的模型来模拟和预测受影响乘客的出行选择行为，以便为应急管理和决策提供数据支持。
论文分析了延误的传播机制，揭示了延误如何从一条线路扩散到整个线网，影响乘客的出行计划。由于列车延误信息传递的不完全性和乘客对延误反应的差异性，量化这一过程具有挑战性。因此，确定受延误影响的乘客数量及其时空位置成为关键。
研究基于多项逻辑回归（MNL）模型的乘客出行选择行为。MNL模型是一种常用的非集计模型，能够考虑多个因素对乘客选择行为的影响，如出行时间、费用、舒适度等。通过该模型，可以预测乘客在接收到列车延误信息后，是选择等待、改乘其他交通工具，还是调整出行时间，从而理解乘客的应对策略。
在实际应用中，该模型可以预判受影响客流在网络上的重分布，这对于应急处置至关重要。例如，可以提前预测哪些站点可能出现乘客滞留，从而调整列车运行计划，引导乘客分散出行，减少拥堵风险。同时，模型的结果也可为优化公交、出租车等其他交通方式的调度提供参考，以协同应对列车延误带来的影响。
此外，文中提到了开发的应用系统，该系统结合模型预测，能够实时监控和评估列车延误对客流的影响，为管理层提供决策支持。通过案例分析，模型显示出了良好的预测准确性，证明了其在应对列车延误突发事件时的有效性。
总结来说，论文通过深入研究列车延误的传播规律和乘客出行选择行为，构建了MNL模型，并开发了相关应用系统，旨在提高城市轨道交通在面临延误时的应急响应能力和运营效率。这对于保障乘客安全、优化运输服务和提升城市交通系统的稳定性具有重要意义。
