每逢高峰时段，人流聚集量较大导致轨道交通的拥堵成为常态。通过对已掌握数据的分析，进行长期或短期的客流预测，能够改善列车运营组织计划。随着轨道交通数据采集系统不断地更新与完善，以客流数据挖掘为基础的客流预测逐渐受到众多研究者青睐，但目前关于客流特性分析及预测大多是针对单维时间序列。单维时间序列的客流预测易受到突发事件、天气等外部因素的影响，这些因素使得客流预测精度并不理想。已有客流预测大多直接采用以日为统计单位的时间序列建模方法，忽略了客流在某一时刻的变化特性。
　　本文首先将客流数据划分为横向与纵向两个方向的时间序列客流，并在此基础上研究了重庆市普通轨道交通站点与换乘枢纽站的客流变化特性，发现无论是横向时间序列还是纵向时间序列，客流变化趋势在特定时间段内总是相似的，并且具有一定的规律可循，在高峰时段变化趋势尤为明显。在考虑客流变化特性与影响客流特征因子的情况下，利用循环神经网络与Elman神经网络的结构来刻画两个方向时间序列的数据结构，并利用重庆市轨道交通站点2017年10-12月三个月的历史客流数据对短时客流进行建模预测。通过对重庆市轨道站节假日与非节假日客流的预测，预测结果表明循环神经网络的预测效果最佳；并且还发现无论是换乘枢纽站还是普通轨道站，进站客流预测效果要优于出站客流预测效果。
　　该项研究具有一定的实际价值，通过分析结果可以对列车运营组织进行优化以使其适应客流变化的规律。本项研究不仅有助于科学制定行车计划，是实时调整运营计划的重要依据和票卡以及自动售票机的零钱预备依据，同时也为应对突发事件的提供数据支持，从而整体提升轨道交通整体服务水平。