中国轨道交通已经成为解决大城市交通问题的最重要的手段之一。但是随着市民出行对轨道交通依赖性不断增强,对网络运营服务质量的要求也越来越高,运营管理压力增大。客流的迅猛增长使路网负荷不断增加,运能与运量的矛盾在轨道交通快速成长期内仍将凸显。对于上海市轨道交通的管理部门或其他相关的部门,及时的掌握轨道交通的实时客流分布状况、客流的动态发展状况,有利于市级层面做好客流组织、调度以及应急事件的处置。这都需要客流预测提供依据。本文针对传统预测模型在预测领域的短期预测存在准确度不高、预测尺度过大的问题,提出了基于径向基函数神经网络的客流预测模型,首先利用上海市轨道交通闸机得到的历史进出站数据为研究对象,然后运用数学和计算机辅助技术对径向基神经网络模型进行建模,其中通过逼近方式采用高斯函数进行计算,采用非监督的K-means聚类方法来训练径向基模型选出有代表性的参数作为中心,用试凑法来确定扩展常数,通过对径向基模型的训练得到学习权值。最后以4号线宜山路站为案例,对该模型进行了应用与验证,并通过调整中心、隐藏层个数、学习权值来提高模型的预测准确度;通过对输入数据进行预处理来提高模型的预测速度与精度;通过调整预测尺度来提高模型的稳定性与普适性,将30分钟预测准确率稳定控制在5%以内。结果表明该模型能有效解决客流预测存在准确度不高、预测尺度过大的问题。