在城市轨道交通网络规模不断扩大以及客流量迅速增长的背景下,运营工作面临巨大挑战,本文针对路网运营部门在组织过程中的实际需求研究客流OD预测方法,考虑运营部门的可用的数据情况,综合运用数据挖掘和机器学习建模方法,提前对路网客流做出准确预测,为运营决策提供定量依据。主要研究内容如下:(1)对网络化运营条件下的城轨特点、路网客流OD影响因素以及客流OD特性进行分析,针对路网运营部门的实际需求以及可用数据条件,在分析客流OD预测问题的特点、总结现有客流预测方法特点的基础上,提出了由客流特征提取、客流特征映射、客流时序预测三个环节构成的客流OD短期预测方法框架与流程。(2)针对客流特征提取问题,在对进站客流和进站客流去向的变化规律及特点进行分析的基础上,对客流OD在多个时间维度的特征进行定义和表示。进一步,针对进站客流数据和客流去向数据的数据特点,分别提出了对应的趋势特征提取办法,即通过STL时间序列分解方法对进站客流进行趋势特征提取,通过聚类分析方法对进站客流去向进行趋势特征提取。(3)基于客流特征提取结果,进一步提出客流特征映射与时序分析相结合的预测方法框架。针对客流特征映射问题,采用随机森林模型构建客流OD特征与日期属性之间的映射关系模型。针对时序预测问题,主要分为OD结构特征下的时序预测和进站量趋势特征下的时序预测两个方面,给出了方法的详细步骤,并进行了实例验证。(4)以某市城市轨道交通为案例研究对象,应用本文提出的研究方法进行验证。图44幅,表25个,参考文献59篇。