通道是城市轨道交通车站行人进出和换乘的重要设施，在节假日或者高峰时期，轨道交通车站通道内经常会滞留大量行人，很有可能发生一些意外情况，使得行人出行的安全隐患增加。对城市轨道交通通道内的行人交通状态进行分类和判别研究有助于轨道交通的运营管理部门对通道内的客流运行状态信息的获取，决策者能够对客流运行状况做出科学评价，从而及时进行客流疏散诱导、应急信息发布等一系列措施，从而避免通道内行人交通安全事故的发生，使乘客能够更加放心、舒适地乘坐轨道交通出行，从而提升轨道交通服务水平。主要研究内容如下：
　　（1）对轨道交通通道内行人交通状态进行定义，对行人流参数之间的关系进行了分析，选择密度、速度和流量作为行人交通状态的判别参数，并选取重庆市两个轨道站点的行人通道进行视频拍摄工作，采集所需要的行人交通流参数。
　　（2）选择相对划分标准来对行人交通状态进行分类，介绍了模糊C均值（FCM）聚类算法的原理，对FCM算法的参数进行了分析，根据FCM算法的聚类有效性函数来确定行人交通状态的划分数目；针对FCM算法由于随机分配初始聚类中心导致聚类结果不稳定、容易陷入局部最优问题，引入遗传算法来优化FCM算法对于初始聚类中心的选取，增加了对于行人交通状态聚类分析的可靠性，构建了基于随机森林的行人交通状态判别模型和基于BP神经网络的行人交通状态判别模型。
　　（3）以重庆南坪轨道站和红旗河沟轨道站两个站点行人通道内调查得到的行人流数据作为基础，对本文建立的城市轨道交通通道内行人交通状态判别方法进行实例分析和验证。结果表明，基于遗传算法的模糊C均值聚类算法收敛速度快，稳定性更好；以查准率、查全率以及运行时间为评价指标，多次运行RF算法和BP算法，结果表明，随机森林算法和BP神经网络两种算法多次运行后的平均查准率和平均查全率都能达到93%以上，而且两种算法的平均运行时间都很短，由此说明将随机森林和BP神经网络算法用作行人交通状态的判别是可行合理的。