随着国内城市轨道交通线网越来越复杂,科学合理的站点类型识别对于城市轨道交通的线网规划、客流预测、车站运营管理有重要的辅助作用。为了指导车站周边空间的规划,为了更有针对性地指导车站的客流管理组织,为了给客流预测提供更科学的依据,很有必要对车站进行分类。本文对北京市城市轨道交通原始AFC刷卡数据进行了清洗,并整合成城市轨道交通常规指标、车站等级评价指标两大类数据;对北京市城市POI数据进行了重新分类与整理,并构建了定量校核指标;生成了以车站为中心的缓冲区作为研究对象。将日期分为了工作日、周末、节假日三类,将清洗后的AFC数据整合成进站量、出站量等客流指标,对北京市城市轨道交通进行了客流特征时空分析。分析了一周客流、单日客流、高峰小时客流的特点,还分析了线路客流特征、断面客流特征。本文在客流特征的时间序列聚类的基础上,构建了7类聚类变量指标,包括车站属性指标、全天分时客流指标、全天客流指标、月客流量指标、车站交通特性指标、客流特征属性指标、项目评分指标。使用标准化方法与主成分分析法对多维变量进行了降维,并对比了处理前后的聚类效果。通过对比K-MEANS算法、层次聚类算法、DBSCAN算法、混合高斯模型算法,选择使用改进后的K-MEANS算法对车站进行聚类。通过肘部法与轮廓系数确定了最优k值。借鉴了城市功能区定量识别的思路,利用Arc GIS工具将城市POI数据整理成校核指标,构建了聚类校核指标对聚类结果进行对比校核,包括密度型校核指标、距离型校核指标、区位型校核指标、频数密度指标、类型比例指标。本文以北京市城市轨道交通为例,将328个车站分为6类,分别是交通枢纽站点、居住区站点、居住就业错位混合区站点、以居住为主的居住就业混合区站点、以就业为主的居住就业混合区站点、居住就业娱乐混合区站点。对车站进行分类后,针对每种类型的车站提出了行车组织、客流管理、营销组织的优化建议。本论文中包括图44幅,表39个,参考文献34篇。