摘要：随着地铁网络规模持续扩大，突发故障极易引发全网延误与大客流聚集，亟需精准的延误传播预测模型提升应急响应能力。首先提出基于AFC、WIFI探针及视频的多源数据融合方法，通过增长率校正实现高精度客流估计；其次量化故障-客流双向作用，提出大客流状态下的故障处理时间修正因子，并构建大客流触发的时变传播率SIR（Susceptible-Infected-Recovered）网络模型，揭示延误时空演化机理；最后，以上海地铁9号线肇嘉浜路站为例进行验证。结果表明：该站发生故障时，模型能实时预测未来30分钟内受影响的21个站点及延误时间。研究结果揭示了故障下延误传播规律，为地铁故障时的快速响应与科学决策提供支撑。

关键词：城市轨道交通；大客流辨识；延误传播；多源数据融合；SIR网络模型