随着我国城市化进程的不断深入,以地铁为代表的城市轨道交通系统已成为城市交通系统中不可或缺的一环。当前,大客流已经成为许多地铁车站的运营常态。大客流情况下,一方面地铁站很容易发生突发事件;另一方面突发事件下地铁站人员疏散是非常困难的,处理不当所造成的后果也极其严重。合理的地铁站人员疏散路径优化是减少突发事件下人员伤亡的重要手段,为了适应我国公共设施应急疏散工作的需要,确保突发事件下人员能够得到快速高效的疏散,本文以地铁站应急疏散为背景,基于安全疏散、人群疏散行为和智能优化算法等理论知识,利用仿真软件对地铁站人员疏散流程进行分析,综合考虑时间、拥挤度以及扰动等各种因素,构建突发事件下地铁站人员疏散路径优化多目标模型,并运用改进的量子蚁群算法进行求解,为地铁站人员疏散问题研究提供了借鉴。本文的主要研究工作如下:首先,以公共设施中的人员应急疏散为主题,对国内外的人员疏散模型以及求解方法进行综述分析,并进行了归纳整理。在理论研究的基础上,以某城市地铁站为背景,建构了该地铁站人员疏散仿真模型,提出了一些改进建议。这部分工作表明了仿真技术在地铁站人员疏散研究领域中发挥着重要作用以及构建考虑拥挤度的疏散路径优化模型的重要意义,为后文相关参数设置提供依据。然后,考虑到实际疏散过程中拥堵情形对疏散人员心理行为所产生的不利影响,定义了拥挤度的概念,建立了一种以总疏散时间最短与各路段累积拥挤度最小为前提的多目标疏散路径优化模型。运用改进的量子蚁群算法对该模型进行求解,可以得到更加符合实际情形、更具时效性的疏散路径。最后,把量子进化算法思想结合到蚁群算法中,设计了一种改进的量子蚁群算法,该算法体系从初始信息素的分布、不同路段信息素的释放以及引入变异策略等方面进行了改进。混合策略的算法改进,能够吸取其他算法的优点,使新的算法更加完善。通过新算法求解改进的疏散路径优化模型,找出不同情形下的最优疏散路径,并将该算法与其他群智能算法的求解效果进行了对比。