随着城市轨道交通逐渐成网运营,人们的出行选择更加多样化,使得网络客流呈现更加复杂化的分布特征。自动售检票(Automatic Fare Collection)系统提供的AFC数据记录了每位乘客出行起讫点的时空信息,数据获取成本较低,辅助相应的数据挖掘技术,使得从AFC数据中挖掘出乘客个体层面的出行信息成为可能。在此背景下,本文的研究旨在基于AFC数据和列车时刻表,辅以数据挖掘技术,量化每条可能的时空扩展出行路径与实际出行路径的匹配程度,从而尽可能真实地再现每位乘客的出行过程,为基于乘客个体层面的精细化客流分配仿真奠定研究基础。首先,本文阐述了AFC数据结构、原始数据可能存在的问题及相应的预处理方法,并通过对旅行时间各时间成分波动性的分析,重新将旅行时间划分为进站时间、在车时间、换乘时间和出站时间,为之后的研究提供基础；其次,本文提出了基于有效物理路径的时空扩展出行路径搜索算法。基于物理拓扑网络,构建了基于AFC数据和列车时刻表的时空扩展出行网络;基于时空扩展出行网络和有效物理路径,针对不包含换乘站的时空扩展出行路径,提出了先满足出站弧约束后判断进站弧约束的搜索算法,针对包含换乘站的时空扩展出行路径,提出了先满足进站弧和出站弧约束,后判断换乘弧约束,并结合深度优先搜索算法进行遍历的搜索算法;之后,本文提出了匹配概率这一参数来量化每条可能的时空扩展出行路径与实际出行路径的匹配程度,论述了其含义及推算方法,并设计了具体推算流程；提出了运用Logit随机路径选择概率模型来验证匹配概率推算方法的可行性;提出了基于匹配概率,运用轮盘赌的方法,可将每条AFC数据记录随机匹配到某条时空扩展出行路径上,从而实现客流分配仿真,并对仿真系统进行了模块设计。最后,本文运用AFC数据,对比分析了北京地铁5号线的客流时空分布特性；并以天通苑北-东四十条这一典型通勤OD对为研究对象,推算了早高峰小时7：30～8：30进站的每位乘客的时空扩展出行路径匹配概率,并计算了该小时内所有乘客对各条物理路径的选择概率均值,与Logit模型的计算结果相对比,相差较小,从而验证了本文提出的匹配概率推算方法的可行性和有效性。