轨道交通具有大运量、长距离、准时性、速达性、舒适性、安全性、高效性等诸多优点。提高轨道交通服务水平,增加轨道交通方式吸引力,是解决城市交通问题的重要手段。利用智能交通技术,对交通信息进行精细化的采集和分析,既可以为交通管理者提供运营管理决策的依据,也可以为出行者提供出行信息诱导,从而提高轨道交通的运营效率和服务质量。手机信令数据作为交通大数据的一种,在个体与群体出行特征分析、交通系统运行状态分析领域有着日益广泛的应用。论文首先提出了基于手机信令的个人出行活动分析以及群体出行特征分析的方法体系。由手机信令数据分析交通特征参数的核心是从个人信令事件记录的序列中提取出个人活动的时空轨迹,这一过程中包括信令记录的空间定位,根据交通设施的时空约束与个人活动能力的时空约束进一步定位个人活动轨迹,并根据已知的轨迹点进一步结合时空约束对信令记录未能反映的活动过程进行推断。最后根据轨迹点的时空属性进行统计可以得到站点、车辆的交通特征参数。上述匹配、过滤、推断和统计方法分别应用于数据定位、预处理、历史数据分析、实时数据分析等步骤。信令数据的初始位置匹配采用起源蜂窝小区定位的方法,利用开源数据和实地测量来获取基站地理位置信息,根据基站位置区和小区编码,对信令事件发生的位置进行匹配,确定每条信令记录的经纬度坐标。论文提出了轨道交通站点线路的编码方案和换乘站点的编码方案,将轨道交通系统相关基站与线路和站点编码进行匹配。对于经纬度坐标缺失的情况,提出了基于时空约束的坐标修复方法。该方法以坐标精确的基站为基准,以乘客途经三个基站所花费时间内活动能力上限为时空约束,确定基站信号的可能覆盖范围。计算结果表明该方法修复的经纬度误差与起源蜂窝小区定位本身的精度接近,可用于修复产生信令数量较多的坐标缺失基站。移动信号的波动性和个人空间活动复杂性会在信令记录中留下冗余和错误的信息。针对上述两类成因,论文分别基于时空约束提出了手机信令的预处理方法和个人出行轨迹提取算法。预处理方法用于过滤由信号不稳定而产生的无效冗余数据、乒乓数据、漂移数据。数据预处理的目标是尽可能地减少对后续判别有错误干扰或毫无意义的噪声数据,同时尽可能保留对后续判别提供依据的数据,实现无用数据最小化,效用数据最大化。根据这一原则,分别提出了乒乓数据、漂移数据的判别规则、判别流程、判别阈值。根据试算以及信号覆盖特征确定判别阈值,并对噪声数据进行删除。该方法可在剔除无效和错误数据的基础上,尽可能多地保留了原始数据中包含的有价值信息。轨道交通乘客出行轨迹提取算法针对个人空间活动的复杂性,对乘客在地下轨道交通系统的进站点、换乘点、出站点等关键轨迹点的空间和时间信息进行了识别和提取,同时提取了本次轨道交通出行的出发点和目的地。在出站点识别中,提出了基于就近原则的出站线路和站点识别方法,减少了出站点识别对地面调查的依赖;在换乘点识别中,按照识别次序提出了信令序列、站点序列、线路序列、关键点序列的识别方法,充分利用了不同种类信令事件提供的判别依据。在识别关键轨迹点的基础上,利用相邻关键轨迹点之间信令的时空序列,结合列车运行的时空轨迹,将乘客与列车进行匹配,由此完成由一日信令序列到乘客全部轨道交通出行过程的还原。上述方法改进了现有多数算法中以正常位置更新事件记录为核心的方法,充分利用了信了序列中的所有有价值时空信息,降低了对非理想数据直接删除的处理方式带来的采样偏差的可能性。根据乘客个体一日轨道交通出行轨迹中的站点、线路、车次、时间信息,以站点和线路为分析对象,可以进一步分析研究不同时刻各个站点进出站与乘断面客流量,站点与车辆空间乘客数量,乘客车外步行时间、站点服务范围。实时数据的数据条件与历史数据存在一定的差异性,区别在于实时数据不能通过个人一日完整的信令序列来相互映证每个信令事件所对应的真实出行过程。在轨道交通系统中,除正常位置更新外,由于其余类型信令事件数据具有随机性和稀疏性,信令数据对不同指标的反映具有不同的采样特征。在基于实时数据的轨道交通实时运营状态分析方法中,对于采样率较高的指标,利用乘客当前状态判别和历史状态修正实时动态反馈,提出了乘客状态判别的直接判别法,分析站点断面客流量、位置区内空间乘客数量、出站过程时间等运营状态指标;对于采样率较低的指标,基于大数据的理念选取不同的信令特征指标进行相关性分析,并使用机器学习的方法进行空间乘客数量判别计算。在相关性分析的基础上,提出了异常客流预警的方法,分别对客流在系统内的聚集情况和站外大量客流进站的情况进行了判别。在各类分析方法研究的基础上,选择某轨道交通网络化运营的特大城市作为案例进行分析,分别从历史数据分析和实时数据分析的角度对提取方法进行了计算、验证和评价。最后对不同类型的数据在轨道交通乘客组织诱导中的结合应用进行了展望。