杨恺鹤，丁小兵，刘志钢，陈家萍，万 苏

（上海工程技术大学 城市轨道交通学院，上海201620）

0 引 言

中国轨道交通建设和运营高速发展，在运营管理方面积累了经验，也带来了一定的问题：城市区域内交通通行拥堵状况加重，城市的部分功能开始转移向郊区，市郊区间的时段客流明显增加，市郊线路、地铁客流的出行规律产生了明显改变，且预测难度较大，增加了车站客流组织的难度，若车站站台的滞留客流过大，还可能引发严重的安全问题。本文通过大数据理论分析，结合先进的数据挖掘技术研究轨道交通客流在车站的聚集规律，可以及时获取不同规模车站，不同手段的客流出行特征，有助于运营企业及时调整行车计划，为日常行车调度指挥提供决策依据。

在国内外研究地铁客流出行分布所构建的模型中，以重力模型和增长系数法用得较多，奠定了客流研究的基础。1940年，Stouffer最早提出了介入机会模型；1955年，Casey提出了重力模型，后来该模型在最大熵原理和最大似然原理方面均得NT解释；1965年，Fumess提出了著名的增长系数法。随后，美国在交通规划中开始使用线性回归模型来预测出行发生和吸引量；1960年末，英国专家首先提出一种交叉分析法的客流研究算法，基于此Gordon W.S提出了不以家庭为出行单位的研究模型，研究了客流的分布于聚集模型［1］；Richard C.M.Yam建立专门模型来研究专有客流的出行特征［2］；J.L.Bowman等以出行者的活动安排为切入点建立模型，来预测出行的产生［3］。……