随着城市化进程的快速发展,城市人口的出行需求与城市交通运载量之间的冲突愈发突出。城市轨道交通以其特有的高速、高容量以及环保等优势,从多种交通方式中脱颖而出,成为解决交通拥堵的主要交通工具。各城市纷纷投入建设,令城市轨道交通从单线运营向线网运营转型,其规模和复杂性提升的同时,也对轨道交通的网络化管理和发展提出挑战。而快速准确的客流预测既是科学制定行车计划的基础,也是实时调整运营计划的重要依据,它有助于交通运营管理更全面优质的发挥其作用。本文基于重庆轨道交通历史客流数据,分析客流特征及时空分布特征,建立了多个客流预测模型。本文主要工作及创新点如下:(1)探讨线网特点与客流特征,联系重庆轨道交通真实数据,总结归纳客流的时空分布规律。(2)研究客流预测理论基础,分析常用的预测方法与前人的研究经验,指出支持向量机在解决小样本与高维模式识别等问题上有突出表现,但对于大数据量、复杂的非线性数据的预测仍旧存在局限性。进一步指出时滞非线性自回归神经网络在处理时序的非线性数据上有更好表现,且能弥补支持向量机对于样本量的局限性问题。(3)构建基于支持向量回归机的客流预测模型,通过实验对比几种常用核函数的预测效果。构建基于NAR神经网络的客流预测模型,为提高预测精度,引入带有外部输入的NARX神经网络并建立预测模型。对神经网络的网络结构和参数进行设计,实验对比几种训练算法和激励函数优劣。(4)以重庆轨道交通所有线路(一号线、二号线、三号线以及六号线)在2014年1月份的客流数据为基础,通过数据预处理统计有价值数据,代入三种预测模型进行实验。根据客流特征理论,实验设计了短时客流预测和高峰预测,针对神经网络模型设计以通勤、通学为主和以商圈为主的代表性客流分布站点预测。(5)设计并实现重庆轨道交通协调发展分析平台的预测模块,该模块从运营指标、线路客运量、线路断面和票价分布几个方面为重庆轨道交通系统的日常运营提供科学依据。模块在提供多种常用预测算法之外,还提供外部接口供研究者随时添加新的预测算法。