经济的高速发展促使城市轨道交通线网的日益完善,同时,人民生活水平的不断提升也导致节假日期间的城市轨道交通出行需求日益增长,城市轨道交通线路的运载能力与节假日期间的客流需求之间存在着不匹配的现象,这不仅给城市轨道交通运营管理带来压力,也难以有效地保证旅客出行效率,因此,有必要预测城市轨道交通节假日时的客流,为节假日期间城市轨道交通客流协同控制、确保运输安全、提高乘客出行效率提供基本的决策依据。首先,论文通过对处理好的西安市城市轨道交通AFC数据进行了节假日客流分析。在对城市轨道交通AFC数据进行预处理后,从全网客流特征、线路客流特征、车站客流特征三个方面分析总结了节假日客流特征,并以此对重点研究车站进行识别,将研究集中于重点车站节假日期间的客流,为下文的短时客流预测提供依据。其次,考虑到节假日客流的历史数据较少,而进行预测时,需要输入较多的历史数据,这些历史输入数据并不是都适用于进行节假日客流预测,并且历史数据在不同时间粒度下的相似性及平稳性均不同,所以针对选择的不同期的历史输入数据,在15min、30min、1h三种不同时间粒度下,对其进行相似性和平稳性检验,判断不同期的历史数据是否可作为预测模型的输入数据及对最佳预测时间粒度提出建议。然后,构建了节假日车站短时进出站客流预测模型。首先在前述研究的基础上,选择分析了ARIMA(Autoregressive Integrated Moving Average Model)、SVR(Support Vector Machine for Regression)两种预测模型的原理,结合城市轨道交通相似性与平稳性的结果分析,提出ARIMA-SVR组合模型对节假日短时客流进行预测。最后以2018年西安市城市轨道交通网为例,利用ARIMA、SVR、ARIMA-SVR三种模型分别对2018年西安17个重点研究车站劳动节第一天的进出站客流进行预测,对比分析三种模型的预测结果,不断寻优迭代模型参数,得到表现优异的ARIMA-SVR组合预测,并验证ARIMA-SVR模型的适用性,因此ARIMA-SVR模型的预测结果可以为城市轨道交通的运营和管理提供一些具有价值的参考。