在城市空间规划和大数据技术快速发展的背景下,精细化城市管理对轨道客流预测有了新要求,如何建立起快速响应、便捷精准的客流直接预测模型成为一个亟待解决的问题。本文从空间视角出发,利用大数据分析手段与空间建模技术,研究基于多方式影响域与吸引强度的轨道站点客流直接预测方法与模型,主要包括以下内容:(1)分析了轨道交通客流特性与出行需求,根据轨道出行过程分析了轨道客流的影响因素及其作用,提炼出在空间视角下进行轨道客流预测的关键问题,包括轨道客流相关的空间数据获取与分析处理、站点多方式影响域及吸引强度研究、空间视角下的客流预测建模,并形成了相应的研究思路与框架。(2)根据轨道交通相关空间数据的来源与特点进行数据获取,对影响站点客流的空间要素进行表征和量化,并基于Jaro-Winkler算法及空间叠加法实现多源数据融合与集成,提高数据的可用性和规范性;对处理得到的相关空间数据进行多尺度分析,为模型构建奠定数据基础。(3)基于空间要素的分布特性及可用数据特点,运用基于阈值的高德点阵分布法来研究直接影响域,以及基于空间数据抽样的灰色距离衰减模型来研究间接影响域,并给出相应算法;在此基础上,研究形成了站点多方式吸引强度模型,给出了模型的计算方法并进行了分析,为建立客流直接预测模型提供条件。(4)考虑客流影响要素在不同空间层次上的异质性与依赖性,提出了将全局特征与局部特征进行综合考虑的站点客流直接预测建模方法。基于空间集成数据构建了客流影响因素的原始指标,结合站点多方式吸引强度模型对原始指标进行重构,分析了重构指标的空间特性与数据特征,在此基础上进行特征变量选择,构建了双层空间视角下的混合地理加权回归(MGWR)模型,并与全局回归(GR)模型、地理加权回归(GWR)模型进行了预测效果的对比分析。(5)以北京地铁为案例,对本文研究方法进行验证分析。图80幅,表44个,参考文献76篇。