随着我国城市轨道交通的发展,地铁以其安全、高效、准时的特点,逐渐成为城市居民首选的出行方式。随着客流量的增加、发车间隔时间的缩短,一旦某一列车发生晚点,其影响范围将扩大并出现晚点传播的现象,影响乘客乘车体验,甚至导致路网瘫痪。在有限的时间内对列车进行调整,降低晚点造成的影响是亟待解决的问题。本文基于地铁运营现场数据,提出了一种分析列车晚点趋势并对晚点列车进行调整的方法,以提高列车的运行效率与服务质量。论文主要工作如下:首先,分析了国内外列车晚点预测与晚点调整领域的研究现状,并对晚点产生的原因、晚点传播的原理以及晚点调整的方法进行了总结。同时,基于线路的运营情况对原始数据进行了预处理与相应分析。其次,从晚点的分布特征与统计特征两个角度对数据进行了聚类分析,聚类结果能够体现列车晚点时间的变化规律、晚点时间与列车开行时段、晚点时间与车站之间的关系,以及晚点影响程度。通过聚类分析,将列车的晚点状态分为5个类别,各类列车的晚点状态均具有明显特征。然后,基于随机森林分类算法对当前列车的晚点状态进行分类,模型具有较好的分类效果,能够准确判断当前列车晚点状态的类别。结合马尔可夫链,将分类结果作为初始状态,通过构建马尔可夫转移矩阵,对后续列车的晚点趋势进行分析。最后,以其中一种晚点状态为例,建立了列车晚点调整模型,设计了基于遗传算法的模型求解算法。晚点调整模型将晚点总时间与乘客不满意度作为目标函数,将列车停站时间、区间运行时间与追踪间隔时间作为约束条件,根据实际运营场景对模型相关参数进行设置。利用Python语言对模型与算法进行了仿真,结果表明:与仅考虑晚点总时间的模型相比,该模型在适量增加晚点总时间的情况下,能够有效降低乘客的等待时间、提高城市轨道交通的服务水平。