我国城市轨道交通的建设迎来了高速的发展,线网规模和复杂性不断提升。各城市在不断修建新线的同时,也在利用大数据、云平台完善运输组织,使我国城市轨道交通朝着智慧化发展。客流预测作为智慧地铁的基础,支撑各种功能正常运行,尤其是遇到节假日、可预知大型活动等场景。因此,本文从实现轨道交通客流多场景预测的角度出发,做了以下研究:（1）分析了城市轨道交通客流预测各种子功能的概念与整个客流预测的运行机制,理清了各种子功能之间的数据交换,突显出短期客流预测的重要性,并且确定本文围绕进站客流展开研究。其次,基于某市轨道交通清分后的进站数据进行深入分析,以探索不同场景下的客流特性,为后文建模提供理论支撑。最后,对常用的预测算法进行介绍,并且对预测存在的一些问题进行分析,明确下文建模的方向。（2）通过对历史客流的分析,针对进站客流提出一种可解释的结构分解方法,即对于每个城轨车站短期内的指定日客流预测而言,车站进站量可以看作背景客流与场景影响客流的总和,并且提出多元线性回归和长短期记忆神经网络的组合预测方法,设计基于MLR-LSTM组合模型的城轨客流预测机制,来完成对背景客流与场景叠加的预测。最后,与多元线性回归以及二次指数平滑法的预测结果进行对比,通过MAPE和RMSE等指标来评价预测质量,验证了构建模型的有效性。（3）面向城市轨道交通运营管理部门研发了多场景下的短期客流预测系统。首先,对该系统的功能详细设计,并且基于功能进行了界面设计;其次,对系统结构加以阐述,通过逻辑视图明确系统运行机制以及数据的提供与使用,通过部署视图介绍系统需要的硬件设施。最后,详细介绍了系统接口,主要与AFC系统、天气、计划运行图、场景信息配置以及其他客流预测子系统存在的数据的传递。（4）针对某市轨道交通的基础数据进行实例分析。通过预测随机指定的常规日、清明节、糖酒会等场景,并且分析线网级、线路级、车站级的预测数据,结果显示,常规日线网的预测误差在1%以内,线路的预测误差在6%以内,世纪城站的预测误差在5%以内;节假日线网的预测误差在4%以内,线路的预测误差在8%以内,世纪城站的预测误差在2%以内;糖酒会期间线网的预测误差在2%以内,线路的预测误差在15%以内,西博城站的预测误差在1%以内,对于运营管理部门有一定的辅助决策作用。最后基于预测结果提出合适的客流管控和运营调整措施。图64幅,表20个,参考文献62篇。