随着网络规模不断扩张以及客运量持续攀升,基于客流动态变化的响应式运营组织措施制定已成为城市轨道交通系统网络化运营中的核心内容。如何准确预测网络内客流分布变化随之成为运营组织措施制定研究中一个亟待解决的问题。本文将网络内客流分布状态预测划分为短时OD客流量预测、乘客出行路径匹配和乘客出行列车匹配三个核心子问题,分别进行研究。针对短时OD客流量预测问题,以杭州地铁为研究对象,分别采用集计模式与非集计模式对乘客出行规律进行分析,确定了近邻一小时客流量与上周同期客流量作为预测模型的预测特征。对短时OD客流量预测模型预测时间粒度与空间粒度选择进行研究,确定了15分钟作为OD客流量最佳预测时间粒度。设计全网络多输入多输出预测结构,分别使用多元线性回归、BP神经网络与Bi-LSTM网络构建该结构中的时间子网络。对杭州地铁全网客流量预测,结果表明,使用Bi-LSTM网络设计时间子网络,模型预测准确度最高。针对乘客出行路径匹配问题,通过分析乘客地铁出行路径决策行为的问卷数据,提出了基于电子地图API的OD间可行路径搜索算法;通过分析OD出行记录,确定了乘客出行时长的正态分布形式,并分别构建了线性回归出行时长期望值拟合模型与随机森林出行时长标准差拟合模型。提出了基于贝叶斯算法的乘客出行路径匹配方法,对江陵路至火车东站间乘客出行记录对应路径的匹配分析表明,该方法匹配得到出行路径与乘客实际出行路径选择结果较为一致。针对乘客出行列车匹配问题,构建城市轨道交通客流仿真模型实现乘客出行列车匹配。通过分析乘客与列车主体仿真流程与仿真逻辑,基于Any Logic离散事件仿真框架开发了城市轨道交通客流仿真模型,对乘客与列车交互行为进行仿真。为实现城市轨道客流分布状态端到端预测,通过整合短时OD客流量预测模型、乘客出行路径匹配算法和客流仿真模型,构建了分布式城市轨道交通客流分布状态预测系统,系统能够以可视化方式展示客流分布状态的动态变化过程。