随着城市轨道交通线网规模的不断扩大与乘客出行需求的持续增长,使得客流拥挤问题日益严重,降低了网络的通行效率和运营的稳定性。当出现大客流时,目前主要依赖管理者的主观经验,缺少对于站内乘客状态和线网客流分布状态的准确把握和分析,解决上述问题有利于提高网络化运营条件下的客流组织管理能力,为城市轨道交通突发事件处置提供辅助决策。本文结合当前国内成网运营条件下的城市轨道交通客流运营管理情况,以城市轨道交通“客流特征分析-客流控制”为核心问题,具体研究内容包括:（1）城市轨道交通站内乘客群体聚集特征分析:发掘并掌握站内乘客群体的聚集时空变化规律,对于优化城市轨道交通线网间车辆的调度,特别是优化灾害条件下的客流组织管理等,有积极的作用。本文以WIFI定位数据为基础研究了城市轨道交通车站内客流的聚集分布特征,根据乘客定位数据的分布不均匀特点提出高斯混合模型的数据分层方法,并对DBSCAN算法进行改进,解决其无法直接应用于具有分布不均匀特征的站内乘客定位数据的问题。通过标准和实测数据的计算,从聚类准确性、聚类效果两方面证明了改进型算法的优势。通过理解乘客的站内聚集特征,为后续的客流状态预警及控制管理提供可行性依据。（2）城市轨道交通站内客流状态识别与控制:针对城市轨道交通高峰时段车站的大客流拥堵问题,进行了站内客流动态控制。首先构建云模型判断站内客流状态,当达到控制阈值时,进行进站流量控制。基于线性二次型最优控制理论设计了车站的客流反馈控制策略。通过建立车站的客流离散状态空间方程,结合站内服务水平设计了最优状态反馈控制器,求解获得最优客流控制序列,使控制时段内车站实际客流密度与车站期望客流密度的总体差值最小。以一典型车站为例对提出的控制方法进行客流优化控制仿真计算,结果显示,线性二次型算法能够使控制密度较快恢复并稳定在期望值,控制过程中客流波动幅度较小,能够应对一般换乘客流的扰动。（3）城市轨道交通线网客流分布状态预测:首先进行短时OD客流预测,确定预测模型输入特征与短时OD客流量预测最佳时间间隔,并构建了全网络多输入多输出预测框架;然后,设计了乘客出行路径匹配算法,将乘客出行路径匹配问题转化为分类问题,提出基于贝叶斯分类的乘客出行路径匹配模型,用于确定给定OD记录的乘客出行路径选择结果;最后,构建客流分布状态预测系统,分析仿真系统中乘客及列车主体的仿真运行逻辑,并搭建仿真场景。（4）城市轨道交通线网客流的协同控制:面向线网级客流控制提出了一种基于牵制控制理论的客流协同控制方法,该方法以线路中各站点实际密度与期望密度差值之和最小为目标设计多站点协同控制策略,通过对比站内客流特征与各车站的承载能力判断是否触发客流控制,在分析城轨线网客流状态的可控性的前提下,推导出客流状态的稳定性条件,以此选择关键受控站点和其反馈增益矩阵。并通过案例分析证明方法的可行性。