伴随着城市轨道交通建设加快、网络化水平提升,新线开通后既有线路客流变化和新建线路客流的不确定性给城市轨道交通网络化运营管理和发展提出了更大的挑战。为了解决上述问题,从而在新线开通初期向运营管理人员提供切实可靠的客流数据,本文基于传统四阶段法的思想,在总结国内外相关研究现状的基础上,针对城市轨道交通新线开通客流预测这一特定场景,分别对进出站客流预测、客流分布预测、客流分配的理论与方法进行了研究。具体研究工作如下:（1）完成了网络化条件下,常态化运营和不同类别新线开通前后客流特征分析,分析角度涉及周、全日分时等时间维度和线网、线路、车站等空间维度;分析指标涉及进站量、出站量、客运量、OD量、平均运距等。通过分析,得到了客流变化特征与车站周边土地性质密切相关的结论,为后文的客流预测提供理论依据。（2）基于BP神经网络,以通过百度地图API爬取、处理得到的区域面积和计算得出的区域对于车站的隶属度为输入数据,利用改进的PSO-BP算法实现了新线开通初期新建车站和既有车站的进出站量预测,并通过测试样本验证了其预测结果的准确性。（3）在既有重力模型研究的基础上,提出了考虑车站类型的三约束重力模型,以实现客流分布预测。在车站类型的确定过程中,利用车站周边的土地利用数据及车站自身客流变化数据,通过k-means++聚类算法将车站划分为6种类型。在确定重力模型的阻抗函数时,充分考虑了乘客换乘时会放大换乘时间的乘车心理,提出了考虑乘客走行时间、乘车时间和换乘时间的综合阻抗计算方法。此外,本文还在客流分配过程中,提出了分离式递归Dijkstra算法,以提升k短路的计算速度。（4）在国内某城市轨道交通新线开通的真实场景下,对其新建车站及既有车站进行了进出站量和客流分布预测以及客流分配,并将预测结果与经典的BP算法、双约束重力模型等进行了对比,对比结果证实了本文提出的新线开通客流预测模型、算法相较于传统的预测方法在准确性方面具有一定的提高,同时表明了本文提出的新线开通客流预测方法在实际应用过程中的可行性和有效性。图57幅,表37个,参考文献88篇。