在城市生活中，地铁由于其便捷和低碳环保的特点，为城市公共交通负担了越来越多的运载量。如果有一种能够实时跟踪地铁运行状态及到站时间预测的导航服务，将可以为每日数十万的通勤人员带来极大的便利。传统的基于固定时间表的地铁导航服务由于对到站时间预测精度低及实时性差等因素未能的到广泛应用。目前一些利用WiFi节点进行到站检测的研究也因为此类节点在地铁站内尚未大范围铺设而受阻。基于此背景，本文提出了一种利用智能手机传感器进行地铁运行状态实时跟踪及到站时间预测的导航系统。该系统主要能够自动跟踪预测用户的多种行程信息：入站检测、用户在地铁上实时位置跟踪及到站时间预测。具体而言，本文主要工作和贡献有：　　首先，本文分析并通过实验验证了惯性导航系统中的主要误差来源和传播过程。证实了陀螺仪误差是导致导航误差的主要来源及对加速度积分得到的速度会呈现线性漂移的特性。这些结论是后续消除导航结果中漂移误差的基础。　　其次，为了能够实现自动化导航，基于地铁内部及附近基站分布的特点，设计了一种基于基站ID的用户入站检测方法。该方法与传统基于GPS的方法相比，在保证精度的前提下，避免了消耗手机能量过多的缺点。　　结合用户乘坐地铁的实际情况，设计了一种基于四元数的手机姿态二次对齐方法。消除了相关研究中对手机姿态保持不变的不合理假设，使本文所设计系统的实用性大大增加。同时通过对手机姿态进行对齐，使手机采集的运动数据能够真正反映出地铁的实际运行情况。　　最后根据姿态对齐之后的加速度在时间上积分完成了对地铁原始速度估计。根据实际的原始速度估计漂移特性，结合惯性导航系统中的误差来源及传播特性，设计并实现了一种基于参考点和同区间历史数据的速度漂移矫正方法。据此最终实现了对地铁实时运行速度、距离和到站时间的估计。通过在两个城市的多条地铁线路上的大量验证性实验，证明本文提出的系统能够准确的跟踪地铁的动态信息、预测到站时间。