城市轨道交通短时客流预测是轨道交通运营企业制定行车和客运组织方案、应急保障预案等的重要决策依据,同时也是发展智慧运输服务、智慧乘客服务,建设数字化、智慧化城市轨道交通的重要组成部分,对助力轨道交通数字化转型,建设智慧轨道交通具有重要意义。论文以石家庄地铁短时客流为研究对象,在分析其线网客流时空分布特征的基础上,构建了基于改进粒子群算法优化长短时记忆网络的线路级短时客流预测模型和基于卷积神经网络的线网级短时客流预测模型,分别对轨道交通线路和线网各站点进行短时客流预测研究。在上述研究基础上,设计并实现了轨道交通短时客流预测系统。主要内容如下:（1）轨道交通客流特征分析。以石家庄地铁自动售检票系统原始交易数据为基础,进行数据初步预处理后,得到基础数据集。从不同日期、不同时段、不同站点等角度,分析石家庄地铁线网客流的时空分布特征。（2）基于IPSO-LSTM的轨道交通线路级短时客流预测。以长短时记忆神经网络为基础,建立轨道交通线路级短时客流预测模型。首先对标准粒子群算法中的惯性权重和学习因子进行了改进,然后利用改进的粒子群算法对LSTM神经网络进行参数寻优,建立了轨道交通线路级短时客流预测模型。与传统的SVM模型和基础LSTM模型相比,提高了预测精度。（3）基于CNN的轨道交通线网级短时客流预测。以卷积神经网络为基础,构建轨道交通线网级短时客流预测模型。首先,将客流数据处理为以时间为行、各站点客流量为列的二维矩阵,然后构建并训练不同深度结构的CNN神经网络模型进行精细化调参,得到模型最优结构和参数,完成模型构建,实现轨道交通线网全部站点短时客流的同步预测。（4）轨道交通短时客流预测系统。利用Python语言、MySQL数据库和Vue前端框架等工具,设计并实现了轨道交通短时客流预测系统。系统实现轨道交通线路和线网各站点的短时客流预测和客流数据统计分析等功能。