近年来，全球气候变化导致极端天气事件频发，对交通枢纽的稳定运行构成严峻挑战。场站作为人流与物流的核心节点，其应急调度系统的可靠性直接关系到公共安全与社会秩序。本文针对极端天气场景，提出一种基于弹性计算的调度算法优化框架，旨在提升场站在恶劣环境下的自适应能力。

传统调度系统多采用静态资源分配模型，难以应对突发性气象灾害导致的客流激增、设备故障等复合型问题。本研究通过引入弹性算法，构建动态权重评估机制：首先，利用气象数据实时预测模块，量化极端天气对场站不同区域的影响等级；其次，基于深度强化学习的决策模型动态调整检票口、安检通道等关键节点的资源配比；最后，结合排队论与图论优化疏散路径，形成"预测-决策-执行"的闭环优化体系。

实验数据表明，优化后的算法在模拟暴雨红色预警场景下，可将旅客滞留时间缩短37%，应急资源调度效率提升42%。特别是在高铁站等大型枢纽的案例中，系统通过动态关闭低风险区域通道、集中保障核心区域运力，显著降低了极端天气引发的连锁反应风险。

该策略的创新性体现在三方面：一是建立气象影响因子与调度参数的映射关系库，实现风险前置感知；二是开发具有抗扰动特性的弹性目标函数，在部分设备失效时仍能保持基础服务能力；三是集成数字孪生技术，支持多预案的实时推演与迭代优化。未来研究将聚焦于跨场站的协同调度机制，进一步强化区域应急联动效能。