近年来,随着世界上各大城市的城市化进程的大规模的深入和加速,不断强化叠加快速增长的大型企业城市交通运输服务空间需求与有限的小型城市交通服务空间竞争供给能力之间的矛盾日益突出,导致各大城市面临着严峻的交通拥堵问题,由居民的出行行为引发的高峰时期拥堵现象更是十分普遍。交通拥堵现象不仅会给居民的出行给其带来很大的不便,也可能会给其造成巨大的经济社会和其他经济损失,严重地地制约了其城市化的速度。地铁正扮演着越来越重要的一个战略支撑角色,其在有效缓解了道路交通压力的同时,自身也逐渐面临着拥堵的挑战。因此,对于地铁网络的区间客流量估计和拥堵预测,需要针对性的研究。通过预测拥堵来合理地规划和合理调度公共交通工具是当前缓解我国城市交通网络拥堵的有效根本措施。针对以上这些迫切需要解决的问题,本文拟采用机器学习研究方法对某城市地铁2018年1月1日～2018年9月30日的进站客流量数据,进行以小时为单位对总进站客流量的统计、分析与研究。首先,根据已有的某城市地铁客流量数据,对于几个影响该城市地铁客流量的因素进行描述性分析,运用图表等更加直观的表达数据。其次,利用统计软件对已有的某城市地铁进站客流量分别进行基于时间序列分析的建模分析和基于神经网络的建模分析,并进一步进行客流量的预测分析,对比两种模型的分析结果后,选出最适合本文实际情况研究的模型。研究结果对个人出行过程的优化和城市交通的规划和管理具有重要意义。