轨道交通已经成为市民出行的首选方式,并且在城市公共交通中发挥着越来越大的作用,它不仅能显著高出行效率,而且能为缓解地面交通拥堵供根本保障。在给市民供便捷出行条件的同时也增加了相关部门管理大客流的难度。目前,防范及预测类似“2014年上海外滩踩踏”等大客流事件的发生是相关部门非常重视的事情。针对上述问题,本文以某研究院工程大数据应用创新项目为背景,结合区域人流监控与预警系统为实际项目,针对基于传统预测方法面临的问题,出了结合使用季节性的时间序列SARIMA模型的客流预测方法,设计并实现了短期客流预测系统。该系统能够支持预测未来15分钟的客流情况,可查看潮汐客流以及历史进出站点客流迁徙情况,并且能够进行调整告警参数阈值和系统预警的设置以适应不同时间段的预测需求。系统测试以及经过半年的上线运行表明,该系统是可行的以及是有效的。本文主要的研究内容和工作如下:1.通过上海轨道交通AFC系统采集的历史数据以及电信OIDD信令数据的分析,得出基本统计特征:节假日及突发事件的客流统计特征与平日客流明显不同。对短期客流预测算法进行了深入研究,平日客流以周为周期,总体表现出非线性和非平稳性。2.数据处理与预测监控告警设置:可以对告警级别、区域人数的阈值等相关数值进行调节。一旦出现异常情况的发生,第一时间通知管理者,并采取有针对性的预警措施,以免危险的发生。3.客流预测系统可视化展示:将各个区域的人数通过实时统计在地图上直观的展示给用户。通过采用ECharts图表、报表展示趋势统计分析,从而达到可视化的效果。最后,根据系统上线运行效果进行的验证和结果的分析,证明了该系统具有一定的实际应用价值。