随着时代经济的发展,各种交通方式都获得了空前的进步,人们的出行意愿也随之越发强烈。其中铁路由于其兼具方便快捷与价格低廉的特点,成为我国居民中长途旅行最主要的方式,在我国旅客运输中扮演着不可或缺的角色。近年来,铁路部门采取了诸多措施来改善铁路客运质量,提升旅客乘车体验,尤其是在动车组列车和12306网上购票系统问世以来,人们在购票、服务、准点率、舒适度等方面的体验有了很大提升。在这样良好的发展态势下,铁路部门仍然面临着铁路客运最大的难题:客运量变化影响因素复杂,波动幅度较大,难以使用传统方法做出准确预测。为了有效改善以上问题,提出更加准确的铁路客流量预测方法,本文以我国某铁路站点作为研究对象,选取为期435天的某铁路局全部列车旅客乘车数据进行分析建模。本文首先对原始数据进行清洗和规约,从中提取出上车人数,发车时间,车次等有价值的信息,并将其整理成便于分析的结构化数据。其次,将数据划分为节假日和非节假日两种类型,对具有周期性的非节假日数据选用在传统ARIMA模型中加入周期性的SARIMA模型进行预测,而对节假日数据则选用波动系数模型进行预测。最后,通过计算预测值与真实值的相对误差来评价模型的预测准确度。经验证,本文对铁路站点客流量的预测效果良好,其中非节假日期间的客流量平均相对误差仅为0.0758,节假日期间的客流量平均相对误差仅为0.0914,证明SARIMA模型与波动系数模型相结合的方法对铁路客流量的预测较为准确。运用本文方法所得到的短期内铁路客流量变化的准确预测,能够为铁路部门合理安排调度、充分利用人力物力提供参考,有效避免了资源的浪费或因准备不足而造成的车站拥挤混乱。