城市轨道交通具有运量大、安全、快捷、准点、舒适等特点,已经成为城市交通建设管理、解决城市交通拥堵的重要组成部分。合理、精确地预测轨道交通线路中的短期客流量,对优化轨道交通运营的效率及提高服务质量具有重要意义。因此,本文基于广州地铁线网指挥平台项目的需求,对短期客流预测方法进行了研究并编码实现客流预测子模块。由于轨道交通线网初步建立,客流持续增大,客流时空分布特征不断变化,对客流量的预测迫在眉睫。而目前的客流预测主要针对单条线路客流,忽略了成网条件下不同线路的客流之间的相互影响。因此本文以广州地铁的实际客流数据为基础,同时借鉴了公路短期交通流预测的相关理论,结合轨道交通自身特点及线网客流的时空相关性,进行了轨道交通短期客流相关性预测的研究及客流预测子模块的实现。本文首先对城市轨道交通客流进行分析,主要分析了影响客流规模的因素、客流的变化特征及客流在时间维度上的特点。然后对轨道交通客流预测的常用方法进行研究,分析了几种长期、短期客流预测方法的特点及适用情况,并指出神经网络在处理非线性、数学模型未知、影响因素众多的问题上的优势。同时以传统的时间相关性分析为基础,分析了轨道交通在成网条件下客流在时间维度上的相关关系,并引入空间的概念,分析同一线路、交叉线路间的客流时空相关关系。在实验验证部分,以广州地铁2、8号线历史客流数据为例,分析了三元里车站的历史客流在时间维度及空间维度的相关性,并根据相关性结果建立对应的神经网络模型对未来客流情况进行预测。实验证明,考虑时空相关性的神经网络预测方法的均方误差较仅考虑时间相关性的方法降低21%。最后,针对广州城轨线网数据中心指挥平台的客流预测需求,使用Python的开源web框架Flask完成了客流预测子模块的构建,主要完成了客流相关性分析、神经网络训练及神经网络预测等相关模块。