城市轨道交通具有速度快捷、运送量大、舒适度高等优点,已成为城市公共交通网络不可或缺的组成部分。客流短期预测是城市轨道交通客流组织优化的关键技术之一。本文以北京地铁1号线日进站客流量数据为研究基础,结合城市轨道交通自身的条件特点,对城市轨道交通客流的统计特性及预测模型展开研究,主要研究内容包括:(1)根据客流预测时间的长短及预测精度的要求,客流预测可分为三种类型:以交通规划化为目的的长期预测,以交通管理为目的的中期预测以及实施控制和诱导为目的的短期预测。本文对比分析了常用的宏观客流预测方法与微观客流预测模型的优缺点及适用性。(2)分析了城市轨道交通客流的统计特性,包括年统计特性、节假日客流统计特性及常态客流统计特性。主要特征为:常态客流是以周为周期波动变化的,具有非线性、随机性的特征,并应用聚类分析将常态客流划分为工作日客流与周末客流两类;节假日客流与常态客流不同,其波动性较大且波动变化形式不唯一。根据客流统计特性将客流预测模型分为常态客流预测模型与节假日客流预测模型。(3)构建了一种基于小波分析与神经网络组合的预测模型,该模型适用于预测常态客流的变化。应用此模型预测时首先对原始的客流时间序列信号进行小波变换的处理,再将小波变换后的信号作为网络的输入进行预测分析。通过实证结果可得:改进后的预测模型在迭代收敛速度精确度等方面均有了较大改善。(4)提出了一种K近邻非参数回归模型,该模型适用于节假日客流的预测。通过研究模型原理,确定了模型的算法步骤,并对状态向量的选取进行优化,最后将其用于国庆节客流与元旦客流的预测。预测结果显示,该模型预测节假日客流的精确度较高。