在智能交通系统(ITS)领域,交通网络动态客流分配理论是其关键技术。虽然动态客流分配理论在传统公共交通网络中研究和应用比较广泛,但与轨道交通网络中实时客流密集度相结合,提供动态的换乘路径信息方面存在不少亟待解决的问题。交通诱导系统是轨道交通运营管理发展的方向与趋势,如何有效、实时地引导乘客选择优化的出行路径,合理降低早晚高峰期间轨道路网中核心线路区间的客流运营压力,是当前交通系统工程科学研究热点问题之一。针对上述问题,基于北京轨道交通路网的基础客流数据,本文重点研究了短期客流预测、客流密集度指数体系和客流路径引导模型等关键问题,实现了轨道交通网络化运营中的乘客出行路径选择优化的目的。本文的主要研究内容如下：(1)提出了基于支持向量机的短期组合客流预测算法。首先给出了遗传算法与支持向量机组合的客流预测算法,其中遗传算法能对支持向量机的参数选择进行优化,使得组合算法具有更准确的预测效果。其次提出了小波变换与支持向量机结合的客流预测算法,其中小波分解能无损地将客流信息分解为高频和低频数据,并获取多尺度细化的低频序列,然后支持向量机对一个低频和多个高频序列进行预测,最后对预测的多个序列进行小波重构得到最终的客流预测结果。本文以北京轨道交通网络客流数据为基础,在多种标准评价方式下,实证结果表明本文提出的客流预测算法与多种当前比较流行的客流预测算法相比获得更好的客流预测结果。(2)提出了一种基于轨道交通网络客流密集度的路径选择模型。首先针对轨道交通网络的划分层次,提出了区间、线路和全路网客流密集度指数,实证结果表明不同层次的客流密集度指数均能较好地反映轨道交通网络的客流密集度。其次以客流密集度指数为基础,提出了一种基于轨道交通网络客流密集度的路径选择非集计模型。该模型依据路网客流密集度和路网基础数据实时计算路径广义费用,动态调整路径分配比例并模拟路网客流分布。实证结果表明本文提出的路径选择模型能较好地模拟轨道交通网络中的客流动态分布变化。(3)提出了一种路径引导下的时变比例调整模型。首先以客流密集度指数为基础,给出了一种根据交通诱导系统信息实时选择广义费用最小路径的路径引导模型,以达到动态调整轨道交通网络客流压力的目的。其次通过数学推导证明了模型的可行性,并推导验证了模型的多项基本性质。最后以北京轨道交通客流数据为基础,从“区间--线路--路网”三个层次进行模拟,实证结果表明交通诱导信息能较好地引导乘客选择优化的出行路径,降低轨道交通网络中部分线路和区域的客流密集度,合理降低早晚高峰期间核心线路的客流运营压力,实现换乘优化,达到改善路网客流状况的目的。