在经济快速发展、运输市场竞争日益激烈的背景下,铁路运输企业必须提高客运营销管理科学水平,快速、灵活地应对市场变化,以更好地满足市场经济和自身发展的新要求,而这些都需要以对短期客流及时、准确的分析和预测为基础。本文主要研究铁路客票发售数据的抽取方法及短时客流预测问题,利用预售期内往日的已售客票及当日实时售票的样本数据,预测预售期内的客票发售数量,进而推算发车时的最终客流量。为了给客票发售数据抽取方法的设计和客流预测算法的选取提供依据,本文首先从对客票销售历史数据的统计分析出发,研究其各个维度上的时序趋势规律,提出售票事件的统计分布假设,并通过拟合优度检验加以验证。依据单日不同时段售票量的时序特征,本文提出了针对客票发售数据的分层抽样方法,即:通过三阶段多层抽样得到客票发售样本数据,并基于实际数据,从统计特征一致性角度,对该方法的有效性进行了验证。同样以客票发售数据的时序特征为依据,本文提出了以径向基函数(RBF)神经网络为工具,以预售期内已售客票数据为基础,对预售期内后续各天售票量的预测方法,并提出了利用单日24小时内的售票量时序规律预测当日售票量,进而对最终客流预测结果提供修正的方法。论文的最后利用客票系统的历史数据,运用所提出的三阶段分层抽样方法及短时客流预测方法,针对平日和五一长假两种情况,分别对武汉至广州的日客流进行预测,结果验证了所提出方法的有效性和可行性。