轨道交通系统是城市公共交通系统的重要组成部分,提升轨道交通系统规划和运营水平,有助于提升其出行比例,进而缓解整个城市交通系统其他部分的压力,减少交通拥堵的发生。而对轨道交通系统的客流进行精准刻画和描述,对已有线路的运营优化,及新线路的规划调整等有很重要的借鉴意义。传统的基于刷卡数据的轨道交通客流研究,往往只能获得系统内部的客流时空分布特征,而对于乘客的完整出行轨迹信息则无法准确获知。随着个人通信设备的不断普及,以及通信技术的发展,手机数据在城市居民出行分析中的优势也日益凸显。由于手机基站广泛分布在城市空间之中,同时,在轨道交通系统的地下部分,安装有专用的基站,因此通过对手机信令数据进行分析,我们能够提取得到出行者的全链条出行轨迹。基于这些全链条出行信息,对轨道交通系统乘客的来源地与去向地的分布特征进行分析,也能够为评估现有线路的服务范围,为现有线路调整及新线路的规划提供可靠的数据支撑。本论文基于手机信令数据,对出行者的轨道交通相关出行链进行挖掘,构建了宏观层面的轨道交通系统客流全时空评价体系,而在微观层面,则实现了对轨道交通系统站点客流预测模型的搭建。首先,本论文对传统的基于刷卡数据的轨道交通客流分析方法进行了综述,并调研了手机信令数据在轨道交通客流分析中的已有应用,通过对现有地铁客流预测方法进行总结,论证了手机数据在站点客流预测方面的应用可能性。综合以上分析结果,确定了本研究的具体方向,也即基于手机信令数据与刷卡数据等数据源融合的轨道交通客流分析及预测方法构建。在对移动通信技术原理进行简述后,本文对研究中使用的各类基础数据,包括手机信令数据、轨道交通刷卡数据、以及地理信息数据、天气数据等进行了介绍。由于原始手机信令数据中包含大量的噪声,因此第二章最后对手机信令数据包中含的乒乓数据、漂移数据等噪声的清洗方法进行了详细介绍。在清除手机信令数据中的噪声后,每个出行者的轨迹也能较准确地用信令序列表示。基于预处理之后的数据,利用轨道交通出行者出行链的时空特征,本文介绍了出行者上车站点及下车站点的识别方法。同时,本文充分利用手机信令数据能够全过程追踪的特点,结合轨道交通线网的拓扑特征,提出了一种乘客换乘站点识别的方法,从而能够对不同换乘线路的特征进行分析。在第三章最后部分,本文还基于刷卡数据,对出行者轨迹识别的结果进行了验证,结果表明基于手机数据获取的轨道交通出行量具有较高的准确性。前述内容只能对出行者在轨道交通系统之内的轨迹进行识别,基于手机信令数据能够记录出行者在轨道交通系统之外轨迹的特征,本文介绍了出行者来源地与去向地的识别方法,并构建了一套结果评估指标体系。本章提出的方法,能够对各线路各站点来源地的时空分布进行分析,进而明确各站点的服务范围等特征。对用户的全时空轨迹进行识别能够获得宏观层面的线网客流时空分布特征,为了获取微观层面相关特征,进而服务于线网运营和事件处置,通过将手机数据获得的进站客流特征与使用刷卡数据得到的出站客流特征等输入特征进行融合,本文构建了对站点短时客流进行预测的深度模型框架,并获得了准确度较高的结果。最后,对本研究的主要研究成果进行了总结,并对未来可能的进一步研究方向进行了拓展。本研究提出的轨道交通客流分析方法,能够对出行者在轨道交通系统内部及外部的轨迹,以及轨道交通系统内部及外部的整体客流特征进行精准描绘,从实现宏微观结合,为相关部门进行宏观的规划,以及微观的应急处置提供强有力的数据支撑。