“十三五”期间,我国城市轨道交通的建设将进入高峰期,城市轨道交通迎来大规模组网运营阶段。为了充分发挥城市轨道交通的运能优势、提升城市轨道交通服务水平,城市轨道交通的运营者和参与者对客流信息的实时性要求越来越高,为客流信息采集和测算工作带来了极大的挑战。传统的客流监测和清分系统因其相对滞后性,已经不能较好的满足实际需求。近年来发展起来的视频识别技术,因设备昂贵、精确度不高、识别速度低等原因也与实际需求不相匹配,需要一种新的技术对客流进行前瞻性实时测算。基于此,本文结合大数据技术和传统的客流分析预测计算方法,对基于票务信息(Automatic Fare Collection System简称AFC)的城市轨道交通客流实时测算系统的关键问题进行研究。乘客刷卡进站后,系统就能准确的预知其目的地以及径路选择比例,以实现精准的客流信息测算。为优化车站设施设备布置、精细化运输组织和出行路线选择提供支撑。本文的主要研究内容是:(1)介绍现有城市轨道交通客流监测系统,对路网拓扑、路径求解、AFC数据挖掘相关研究进行总述,引出论文的研究目标和研究内容。在分析传统城市轨道交通客流监测系统的基础上,提出基于票务信息的城市轨道交通客流实时测算系统面临的四个关键问题。(2)给出适应本文需要的有效径路集定义,拓扑城市轨道交通网络,建立城市轨道交通合理路径集模型,采用C#编程语言和Sq1 (microsoft sq1 server)数据库实现了有效径路集生成算法,并用成都地铁实例验证了该算法。(3)运用ETL相关原理对原始AFC数据进行清洗,得到数据挖掘的数据源,设计出城市轨道交通乘客目的地数据挖掘引擎算法,开发出乘客目的地数据挖掘引擎。以成都地铁AFC运营数据为例,对挖掘引擎的准确性和实时性进行了验证,并对实际挖掘中出现的问题进行修正,在此基础上完成了短时客流OD矩阵的生成。(4)结合AFC历史出行数据,验证单一路径OD对间的乘客旅行时间服从对数正态分布,推导出多路径旅行时间的分布规律,提出分布参数估计方法,建立多路径客流分配比例估计模型。并利用实际数据对上述过程进行了验证,最终得到多路径旅行时间存在明显差异的客流径路分配比例的确定方法。对于多路径旅行时间差异不大的情况,则运用最大效用理论给出客流径路分配比例的确定方法。(5)在本地搭建模拟开发环境,完成基于票务信息的城市轨道交通客流实时测算系统,实现了客流信息的实时测算统计,并给出了数据的外部接口,方便客流信息的传递。以成都地铁某天的进站数据进行系统运行测试,结果显示系统运行流畅、客流信息实时性强,验证了文中所提出模型和算法的有效性和可靠性。