面向精细化城市管理对客流量预测的新需求,以及互联网数据广泛应用的背景,本文采用基于地理加权回归模型(GWR)的直接需求预测法(DDM)来研究轨道交通客流量预测问题,通过分析站点吸引范围内的土地利用、社会经济要素、交通设施等周边环境因素,建立站点客流量与各要素之间的关联关系,具有成本低、快速响应、结果易于解释等优点。本文从客流特性分析、客流预测相关数据采集与处理、模型构建等方面展开研究。主要内容包括:(1)对土地利用视角下城市居民轨道交通出行过程及影响要素进行分析,总结现有轨道交通客流预测方法的特点,结合空间统计技术,提出基于精细化用地数据的轨道交通客流量预测方法。(2)基于影响要素明确轨道交通站点客流量预测建模所需目标数据集和数据来源,针对数据特点与获取难度,确定运用多种手段进行多源数据采集的技术方案。对于互联网数据设计了数据抓取方案,开发应用程序实现互联网数据批量获取与定期更新。(3)对于获取的电子地图POI数据,分析其特点与存在的问题,运用半结构化文本信息提取方法进行居民小区与写字楼的信息提取,提高数据可用性。针对多源数据属性项的不完整性、冗余性和可互补性,分别使用空间属性融合算法和非空间属性融合算法进行数据融合,得到精细化的空间地理数据。(4)分析站点客流量与收集到的土地利用数据的关联关系,计算分析了多接驳方式吸引范围,提出了将多接驳方式影响区域叠加实现空间划分的方法,从而反映吸引范围多圈层离散衰减的关系。使用探索性回归完成建模的变量与数据准备,通过构建地理加权回归模型结合空间插值技术实现站点层面的客流直接预测。图50幅,表36个,参考文献66篇。