随着国内经济的飞速发展,城市轨道交通的运营模式从单一线路时代过渡到网络化时代。而乘客在城市轨道交通网络中的出行也愈加多样化,乘客每一次出行都会有多条路径供其选择;并且,乘客的异质性也日益凸显,这都给城市轨道交通客流清分带来了很大的困难。清晰合理地描述乘客在运营路网中的物理路径选择行为,有利于掌握乘客在路网中的分布规律与特点,为相关运营部门制定合理的运营策略提供科学的理论依据。同时,随着自动售检票系统和一卡通的普及,客流数据以惊人的速度积累,客流进出站数据也更容易获取,这为研究城市轨道交通路网中乘客出行行为提供了切实可靠的数据支持。本文利用AFC系统（全称Automatic Fare Collection System,即自动售检票系统）产生的客流数据,从乘客出行特征挖掘入手,将乘客从出行规律角度分类,使用改进logit路径选择模型,对乘客在路网上的出行路径进行了估计和预测。首先,以乘客真实出行记录为基础,利用数据挖掘手段对乘客进行特征提取与分析,从1个月的乘客出行AFC数据信息中提取出行强度、时间维度、空间纬度和卡类型等特征,基于RFM指标对以往研究进行了改进与补充,构建客观的乘客分类指标。通过SPSS软件使用两步聚类算法对1日内的样本乘客进行分类,并采用BIC准则选择最优聚类数,将乘客分为5类。再根据各类乘客的各种指标特性,分析总结乘客的出行行为规律,从而初步识别其社会经济属性。其次,基于MNL模型（全称Multinominal Logit Model）建立城市轨道交通路径选择模型。在考虑出行时间、换乘复杂度、路网熟悉程度等因素影响的基础上,构建广义费用函数,并在使用图的深度优先搜索算法搜索全网有效路径的基础上改进logit模型,搭建算法框架。在参数标定方面,利用基于贝叶斯推断的参数标定法进行参数标定,再采用MCMC算法结合各类乘客特征属性与AFC数据信息进行参数值的估算,得到各个类型乘客的参数集。最后,以郑州轨道交通网络为例进行实例验证,利用上述算法与模型对每位乘客进行路径匹配,整合得到各类乘客对每条路径的选择概率,验证模型的可行性及适用性。