客流高峰的管理作为城市轨道交通运营管理的一个重要组成部分。针对现有客流高峰管理决策支持数据在准确性、有效性、实时性方面的不足,本文以城市轨道交通运营历史交易记录数据及收集的客流高峰特征数据为基础,重点研究城市轨道交通客流高峰持续时间的内在规律性及预测模型。在城市轨道交通客流高峰持续时间预测模型构建方面,本文选择以决策树与生存分析理论相结合的方法,采用卡方自动交互检测(CHAID)算法建立了一个分类树将客流高峰事件划分为工作日早高峰、工作日非早高峰、非工作日三个子类型,并根据赤池信息量准则(AIC)为三个子类选择Logistic、Weibull、Weibull分布分别构建了基于风险的持续时间预测模型;此外,通过借鉴贝叶斯分类器中基于最小风险决策规则的思想,本文还提出了一种基于最小损失风险的修正方法对持续时间预测模型的预测结果修正。本文所构建基于“分类树+风险”的持续时间预测模型的评价结果表明：对工作日早高峰时段和工作日非早高峰时段子类客流高峰事件的持续时间预测结果非常可靠准确,但周末／节假日子类的预测效果不尽人意；就整体模型的预测性能而言,根据平均绝对百分比误差(MAPE)评价显示模型性能优越,且比基于单一生存分析的预测模型有较大幅度的提升。而修正方法检验结果表明,相比传统的预测方法该方法可以一定程度上减少由预测误差造成的损失。