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。