智能交通卡数据（Smart Card Data,SCD）样本量大、持续采集、时空信息丰富,记录了大量乘客的出行信息,从出行信息中可以挖掘乘客出行规律,利用出行信息对乘客进行分类,有助于展开对特定人群的调查研究、优化城市交通系统以及构建人群社会网络.城市轨道交通带来诸多便利的同时,也给公共卫生事件应急管理带来了挑战,公共出行对疾病传播有着至关重要的影响,根据乘客出行规律,建立乘客出行仿真模型,研究传染病在乘客中的传播,对城市应对疫情有着重要意义.本文以杭州市地铁刷卡数据为例,对刷卡数据进行数据挖掘与乘客分类,并对传染病人群中的传播进行了研究.主要工作内容如下:1.利用清洗后的刷卡数据,对杭州地铁乘客的站点客流、出行时间、站点区域识别进行统计.以用户卡号为索引提取个体出行轨迹,构建包含进站时间、进站线路、进站站点、出站时间、出站线路和出站站点的用户出行链,从中提取乘客出行强度特征、时间特征和空间特征共6个分类指标,利用二阶聚类算法建立乘客出行的分层聚类模型,首先基于出行强度特征对乘客进行初始层聚类,然后基于时间特征和空间特征进行第二层聚类,最终将乘客分为8类,并分析不同类别乘客的出行规律及总体特征.2.基于Net Logo仿真平台,建立传染病传播的多主体仿真模型,以8类乘客的空间移动规律作为模型主体特征,模拟8类乘客在地铁内部的活动,设计管控措施的仿真实验,对传染病传播效果进行对比,观察传染病传播过程,分析易感者、感染者、恢复者的人数变化,分析管控措施对传染病传播的影响.3.通过传染病管控策略的仿真试验,对比乘客3种移动模式、防范措施下3种感染概率、环境中不同乘客人数和去掉3类乘客情况下传染病传播情况变化,从两个角度直观的展现管控措施对传染病传播的影响:减缓流行病的增长速度和平坦化流行病曲线（即减少病例的峰值）,结果表明人员限流、隔位就坐、增加车次等措施对疾病传播控制的有效性,并提出5条管控措施建议.