《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出要加快城市轨道交通总量规模发展,有效支撑新型城镇化、都市圈与区域一体化发展等国家战略。未来一段时间内,我国将有大量轨道交通新线规划建设、投入运营。城市轨道交通新线接入客流预测是新线建设可行性分析的重要依据,也是运营单位制定运营管理计划的重要支撑。当前轨道交通新线接入客流预测主要应用模型驱动的四阶段法,该方法主观性大、预测效果不理想。因此,本文从数据驱动的角度出发,研究一种准确、高效的轨道交通新线接入客流预测方法。首先,本文分析了轨道交通客流特征及其影响因素。从客流产生、转移、接驳三方面阐述乘客在轨道交通系统中出行的全过程。从轨道交通站点客流大小、方向和站点平均乘距两个方面分析了城市轨道交通站点客流特征,在此基础上从区域社会经济指标、土地利用情况、轨道交通线网建设水平和轨道交通站点接驳水平四个方面分析了轨道交通客流影响因素,阐述了数据驱动客流预测在数据层面和模型层面需要解决的关键问题。其次,本文研究了轨道交通多维度数据,奠定了新线接入客流预测的数据基础。城市轨道交通多维度数据包括轨道交通自动售检票系统（Automatic Fare Collection,AFC）交易数据和轨道交通站点外部数据两部分;针对轨道交通AFC交易数据进行了数据预处理,并统计站点客流特征;针对轨道交通站点外部数据,轨道交通站点客流吸引范围确定是研究站点外部数据的前提。选取代表性站点进行步行及公交接驳时间调研,确定接驳时间阈值。选用基于时间阈值的方法确定轨道交通站点客流吸引范围。在该范围内量化了轨道交通客流影响因素,提出了轨道交通站点外部数据获取、计算方法。最后,本文研究了数据驱动的轨道交通新线接入客流预测。新线接入客流预测分为站点客流预测和客流分布预测两部分。针对站点客流预测,构建了基于径向基函数（Radial Basis Function,RBF）神经网络的新线接入站点客流预测模型;将既有年的轨道交通站点外部数据作为模型输入,将站点客流特征作为模型输出,训练神经网络,并输入预测年的站点外部数据,预测轨道交通新线接入后的线网进出站客流量和站点平均乘距。针对客流分布预测,对站点外部数据和站点平均乘距进行因子分析,得到能够表征站点属性和区位的综合因子;将综合因子输入层次聚类模型,将轨道交通站点分为九类;基于站点分类结果,通过改进重力模型研究不同类别站点间的客流分布规律。利用既有线网OD（Origin-Destination）客流数据,采用最小二乘法对重力模型参数进行标定,预测新线接入后的客流分布。实例结果表明,利用轨道交通多维度数据驱动的新线接入客流预测与传统四阶段预测方法相比精度较高。