随着我国城市轨道交通的迅猛发展,许多大城市已实现网络化运营,客流规模的不断扩大,不仅对城市轨道交通网络整体运能提出更高要求,还给承担客流集散的车站带来巨大挑战。车站内的通道封闭狭窄,是站内拥塞的易发区域,是客流疏散的关键瓶颈,在客运管理中需重点关注。为了提高车站客运管理的科学化、智能化水平,为车站运营人员提供重要的数据支持,需要实时、准确地预测出车站通道断面客流量随时间的演变情况。客流预测的实时性和准确性,对于运营人员提前预知客流状态、及时采取管控措施、保障运营安全具有重要的意义。本文对城市轨道交通车站通道断面客流量的实时预测方法进行研究,通过站内客流的时间、空间特征分析,建立基于时间特征的单断面预测模型和基于空间特征的多断面预测模型,实现客流量的实时预测。文章研究内容和主要成果包含以下四个部分:(1)为获得预测所需的客流数据,通过对现有客流采集技术的分析,选择全自动采集技术对城市轨道交通车站通道断面客流数据进行采集。利用数据故障识别和修复技术,对原始客流数据进行预处理,得到完整、可靠的预测输入数据。分析车站通道客流数据的时空特性,明确客流的波动性、周期性、不均衡性等特征。提出“池化区域”和“渠化区域”的概念,并提出“客流空间渠化性”来描述站内客流在站厅等池化区域表现出的有序的空间特征。(2)针对车站通道断面客流数据的强波动性,利用小波分析将数据的趋势量和随机量分离并分别预测。通过对各种预测万法的比选,选择SVM支持向量机和RBF神经网络作为基础预测模型。然后利用改进的“基于定长步进算法和时间加权的变权重组合方法”对两基础模型进行组合,构建“车站通道单断而客流的小波变权组合实时预测模型(SCW模型)”。(3)考虑到车站通道断面客流的时空耦合特性,将空间因素引入客流预测模型。通过分析站内乘客的走行特征,提出精细化时滞参数下的客流时空耦合系数计算方法,对站内客流的时空耦合特性进行定量描述。据此对时空耦合系数的影响因素进行了计算和分析,研究了客流流线、断面距离、客流拥挤度、数据的时间聚合程度等对时空耦合系数的影响。将时空分析后的多断面客流数据加入预测模型的输入空间,构建“车站通道多断面客流的时空耦合实时预测模型(RTS模型)”。(4)利用北京地铁建国门站内通道断面客流数据进行案例分析,分别利用SVM、RBF、小波+SVM、小波+RBF,以及本文提出的SCW和RTS模型对换乘通道断面客流进行预测,结果证明本文方法能够在一定程度上提高客流预测的精确度和稳定性。最后,分析了车站通道断面客流实时预测的应用价值,阐述了本文研究的实际意义。