城市轨道交通具有延误率低、占用地表空间小等特点,选择轨道交通出行的乘客数量逐年增多,客流压力随之增大。车站作为连接线网的关键节点,人员密集,流动性强,是客流集散的主要关口,如何保证乘客安全出行是城市轨道交通运营的重中之重。避免因客流太密集导致的安全事故,最有效的举措是建立预警体系,提前察觉安全隐患,提出科学的安全预案,防患于未然。本文从时空两个维度对城市轨道交通客流分布特性进行研究,时间上特性表现有周期稳定性、不均衡性和突变性,空间上从轨道交通线网和车站两个方面都表现出不均衡的特性。同时,从客流预测和客流预警两个角度,对城市轨道交通客流安全状态进行需求分析,为预测预警模型的选取及实例验证奠定基础。轨道交通车站客流预测部分,选取ARIMA预测模型、RBF预测模型和XGBoost预测模型这三个客流预测模型,结合国内某地铁站通道、出入口、楼梯和扶梯的客流数据样本进行预测。根据均方根误差、平均绝对误差、R平方和平均相对误差的评价指标值,对比模型预测结果精度,得出RBF预测模型和XGBoost预测模型精度更高,更适用于轨道交通车站这一场景。由于单一预测模型都有各自的局限性,结合实际客流数据特征,本文从主要客流预测模型的不同组合方式中,选取以RBF预测模型和XGBoost预测模型为基础模型构客流组合预测模型。并结合各赋权法适用范围,选取最小平方误差和法为赋权方法,提出了基于LSSE的城市轨道交通车站客流组合预测模型。并结合国内某地铁站的客流数据进行实例验证,证明本文预测模型的预测结果比单一预测模型更为精确。根据轨道交通服务水平、设计标准及车站各区域客流特性,划分客流预警等级为四个等级,依次对应不同的客流状态。选取客流密度、通过能力和承载度作为站台、步行通道和楼扶梯的评价指标划分等级,确定预警阈值。文章结合国内某地铁站真实客流数据,对轨道交通车站安全状态进行预测和预警,以客流量作为研究对象,通过构建本文客流预测模型提高客流预测精度,进而选取恰当的评价指标划分客流预警等级,为轨道交通车站安全运营,保证乘客舒适出行提供保障。