近年来我国城市轨道交通的运营规模不断扩大,线网客流量也随之急剧增加。为了应对高强度客流的组织管理,国内许多城市纷纷开始建设智能化、信息化、网络化的城市轨道交通线网指挥平台,这也是建设交通强国和智慧城市的重要组成部分。其中,准确实时的轨道交通线网客流分布对于实现网络运行状态监测及预警、协同运营组织优化、应急处置协调联动具有极其重要的作用。鉴于此,本文系统分析和研究城市轨道交通客流的时空分布变化规律和乘客出行特性,重点围绕乘客历史出行路径推断、动态OD客流估计、乘客路径选择行为三个关键科学问题展开,探究准确实时的城市轨道交通线网客流分布估计方法。研究成果对于提升我国城市轨道交通运营管理的智能化水平具有理论和实践的双层指导意义。首先,以南京市工作日轨道交通自动售检票系统（Automatic Fare Collection System,AFC）的刷卡交易数据为基础,提取了城市轨道交通客流量,主要包括进出站客流量和OD客流量矩阵;并分别从时间和空间两个维度详细分析了城市轨道交通客流分布特性,探讨城市轨道交通需求分布的时空变化规律和客流出行特性,为后续模型的构建、参数标定、验证以及应用研究奠定数据分析基础。其次,提出了一种基于限制搜索深度的线网OD可达路径搜索算法;以仅有单一可达路径的OD对作为分析对象,分别采用四种不同的随机分布对单一路径旅行时间进行分布拟合,得到单一路径的旅行时间分布呈现右偏厚尾的特征,并服从对数正态分布;在对单一路径旅行时间分布特征分析研究的基础上,构建了多路径OD对旅行时间的混合分布参数估计方法,同时引入自适应机制思想以实现分布参数的动态更新,在此基础上,利用贝叶斯分类器推断乘客历史出行路径。结果表明,基于自适应机制的动态分布参数估计方法能够更好地描述路径旅行时间的趋势变化和不确定性水平。同时,路径选择比例一致性检验结果表明,本文构建的历史乘客出行路径推断模型估计结果具有很高的可信度。然后,梳理了大规模交通网络OD估计问题中可观测量和待估计OD量之间的复杂关系,以矩阵形式建立了城市轨道交通网络中站点的动态流量守恒关系;本文突破传统动态OD估计模型对于系统噪声的高斯分布假设,构建了基于粒子滤波算法的动态OD客流估计模型,并通过粒子更新和预采样动态捕捉OD客流周期性的影响强度。结果表明相比传统的历史值估计法和卡尔曼滤波方法,本文构建的基于粒子滤波算法的动态OD客流估计方法在整体指标和分时段指标都表现出更高的准确性,且具有非常良好的运行效率,完成单个时间段的OD估计平均仅耗时1.37秒,完全满足城市轨道交通企业动态运输组织的时效性要求。最后,分析了城市轨道交通乘客路径选择行为特征以及与道路交通系统的不同点;分别从路径固有属性（换乘次数、路径旅行时间）和拥挤关联属性两个方面探讨了城市轨道交通中路径选择行为的潜在影响因素,并建立对应量化表征指标;以AFC刷卡数据和根据路径推断结果仿真得到的精细路径状态信息为基础建模数据,构建了基于条件多项Logit模型的乘客路径选择模型,并对模型参数进行标定;结果表明,相比于只考虑简单静态路径信息的选择模型,本文构建的乘客实时路径选择模型不仅具有更好的拟合能力,还更深度而全面地揭示了乘客路径选择行为的决策机理,可以为企业运输组织方案的制定提供精细化和有价值的参考依据。