近年来城市轨道交通飞速发展,已经成为现代大城市中最受欢迎的交通方式。列车运行调整对于保证地铁安全高效的运营具有重大意义。作为列车运行调整过程中最关键的因素之一,站台等待人数与列车动态运行之间存在着耦合关系。激增的客流使得地铁系统的发车间隔越来越小,从而导致列车运行极易受到外界的干扰,继而引发列车晚点,增加站台等待人数;而站台等待人数的增加则会延长列车的停站时间,加剧列车晚点。因此,对列车运行调整与客流量控制进行联合优化具有非常重要的意义。随着全自动运行（Fully automatic operation,FAO）系统的广泛应用,对列车实时调整与客流量控制的自动化程度提出了很高的要求。在列车实时调整优化算法上,现有的列车运行调整大多采用集中式优化算法,具有计算效率低和响应速度慢的缺点,不能满足列车调整实时性的需求。基于此,本文开展列车实时调整与客流量控制的联合优化研究,旨在提高列车到发的准点率、列车的运行水平和服务质量。本论文首先建立了列车实时调整、列车运行曲线动态生成和站台等待人数调整的联合动态模型;其次采用分布式优化算法提高了计算效率;最后利用C#编程设计并实现列车自动监控系统（Automatic Train Supervision,ATS）仿真验证平台,主要对运行图界面、数据库和列车自动排列进路进行设计,验证列车实时调整与客流量控制分布式优化算法在ATS仿真系统的有效性。本论文的研究内容和创新点主要在以下几个方面:（1）考虑列车动态运行和客流之间的耦合关系,建立列车实时调整、列车运行曲线动态生成和站台等待人数调整的联合动态模型;在此基础上,建立列车动态调整优化目标和运营约束条件,利用模型预测控制（Model Predictive Control,MPC）算法将联合动态模型转换为优化控制模型。（2）本文基于交替方向乘子法（Alternating Direction Method of Multipliers,ADMM）设计列车实时调整与客流量控制分布式优化算法。该算法能够解决具有耦合约束的复杂优化模型,与集中式优化算法相比,有效提高计算效率,保证列车调整的实时性。（3）本文将列车实时调整与客流量控制分布式优化算法在ATS仿真系统中进行验证,实现ATS系统中基于改进A*算法的列车自动排列进路功能和基于ADMM分布式算法的列车实时调整功能。通过列车受到干扰后的实际运行图恢复为计划运行图的效果来验证列车实时调整与客流量控制分布式算法的有效性。