城市轨道交通以其运量大、速度快、安全舒适、污染小、综合效益高等特点逐渐成为了城市交通建设和管理的重点。随着城市轨道交通路网建设速度的不断加快,客流间相互影响作用加大,使客流将更具实时性特征。因此,对历史客流数据进行分析并对未来客流量作出预测,对运营部门制定合理的运营调度计划,提高服务质量具有十分重要的意义。本文以城市轨道交通自动售检票系统采集的实际客流数据为基础,参考城市道路交通和公共交通系统的相关理论,结合轨道交通特点,以北京城市轨道交通系统为研究对象,进行了相关的理论研究及实践,主要工作及结论如下：(1)结合城市轨道交通客流的分布特征,分析了客流时间和空间分布的不均衡性,并给出了表明这种不均衡性的时间、断面、方向、站点不均衡系数的数学公式描述。(2)对客流预测理论进行了研究,分析了几种长期客流预测模型及短期客流预测模型的各自的特点,指出BP神经网络在处理非线性、不确定、不确知问题上的优势,确定使用BP神经网络对城市轨道交通短期客流预测问题进行研究。(3)基于BP神经网络应用于预测的原理,分析了BP神经网络标准算法及改进算法的特性,常用传递函数的特点以及提高网络泛化能力的方法,研究了神经网络设计方法,并应用聚类分析的方法对样本进行了分析处理,确保训练样本的合理性。(4)以北京城市轨道交通系统2号线断面客流数据及2号线西直门站进出站客流数据为例,建立神经网络时间序列预测模型和神经网络回归预测模型,分别研究基于时段和日期的BP神经网络预测。分析输入向量与输出向量间的相关系数,通过大量试验确定使用于每种方案的BP网络拓扑结构,通过回归预测在一定误差范围内揭示了短期未来客流与其影响因素之间的关系。(5)研究确定车辆调度形式及行车计划的方法,以北京城市轨道交通系统1号线和2号线为例进行了全日行车计划的编制,并给出了解决客流时间和空间不均衡性的运营调度方案。(6)应用Matlab图形用户界面设计系统程序,实现各种客流时间、空间分布曲线的显示、客流的预测与误差分析、行车计划的显示等功能,实现了程序的可视化操作,完成了研究内容的综合展示。