城市轨道交通网络化条件下,线网规模和复杂性不断提升,其规模效应日益明显,对网络化运营管理和发展提出的挑战越来越多。诸如常规日期、节假日及可预知大客流等场景下运力与运量之间的矛盾加剧及车站突发大客流等情况,对管理人员如何提高运输效率、改善运营管理水平和提升服务质量提出了严峻的挑战。客流多状态短时预测是保证日常运营安全的基础,对于科学和高效地管理也具有重要意义。为解决上述问题,本文以多源数据为基础,进行了客流多状态短时预测理论与方法研究。具体研究工作内容如下:(1)客流多状态短时预测基础理论和相关问题分析。首先,对轨道交通网络化运营条件下的客流时空状态分布特性进行分析;其次,鉴于AFC数据在上传过程中存在延时,利用单一的AFC数据进行预测误差较大。本文对我国西南某市轨道交通的AFC数据、手机信令等多源数据进行质量分析,为客流预测提供数据支持;最后,阐述了客流预测存在的一些问题以及本文需要解决的主要内容。(2)基于计算图架构的客流多状态短时预测模型构建与算法设计。首先,对本文的符号体系以及多源数据驱动的计算图架构进行说明;其次,以多层次交通流网络各阶段预测误差之和最小为目标构建了非线性误差综合优化模型。另外,采用计算图架构融合多源数据,结合前向及反向传播的误差分层优化算法,实现对当天不同时段的OD分布、进出站量和断面客流量等多状态客流指标短时预测。具体方法是通过由客流生成层、OD分布层、路径分配层和指标输出层构建的多层次交通流网络来集成多源数据进行求解。同时,使用FR共轭梯度法对反向传播过程预测变量的误差进行分层迭代优化;最后,构建小规模案例结合MATLAB R2019b编程,验证反向传播过程中不同方法的误差优化性能。(3)客流多状态短时预测系统设计与实现。首先,对系统的功能、架构等进行设计;其次,基于第3章构建的模型与算法利用Visual Studio 2017软件结合C#编程语言、WPF框架和Postgre SQL数据库,开发了多源数据驱动的客流多状态短时预测系统;最后,对系统实现的客流多状态短时预测与多维度客流指标统计等功能进行阐述。(4)案例分析。以某市轨道交通为例,针对使用单一数据源和多源数据驱动的客流多状态短时预测两个场景,基于实现的系统分别对线网、线路、断面和车站不同维度的客流指标进行短时预测;其次,分析预测指标的准确性,基于多源数据驱动的线网层预测指标误差总体在5%以内。通过对预测指标分析与验证,表明了本文研究的内容对于辅助运营管理决策,优化客运服务水平具有很好的指导意义。