客流量是城市轨道交通进行新线设计、基础设施建设、车辆购置、人员配置和运营管理的重要依据。恶劣天气下,站点客流出现较大波动变化,给城市轨道交通的运营组织和乘客安全带来较大隐患。进行恶劣天气下的城市轨道交通客流研究,建立客流预测模型,能为恶劣天气交通应急预案的制定提供一定的数据支持。本文基于BIGEMAP平台、采用序数变量和虚拟变量的气象数据处理方法,通过逐步回归的方式,分析在恶劣天气影响下客流量大小与各因素间的关系,在此基础上构建客流预测模型。(1)根据北京城市轨道交通站点0.5h粒度的分时客流数据,构造距离评价函数来确定最佳聚类数,在满足距离评价函数值最小,类与类之间相似度最小、差异度最大的前提下,将车站划分为6类,即通勤居住型、通勤偏居住型、通勤均衡型、通勤偏商业型、全日均衡型、通勤商业型,且不同类别站点的分时客流特征有明显差异。(2)基于九项平均法处理客流数据,得到恶劣天气客流平滑值,对比分析分时客流曲线和客流波动率,研究表明降雨天气使得北京城市轨道交通全日路网客流量下降了大约40万;各类站点特征的差异,致使降雨天气客流变化情况不同,第1类和第6类地铁站点早晚高峰客流增加明显,第5类车站各个时段客流都明显减少;路网客流和车站客流受空气污染的影响相对较小。(3)通过分析客流随时间和空间演变特征,确定恶劣天气、车站周边的用地性质、车站聚类等级三个维度客流影响因素,以气象云图与地图进行拓扑计算确定恶劣天气覆盖范围、基于BIGEMAP平台获取不同用地面积和车站聚类分析为数据基础,对降雨天气进行序数变量处理、对雾霾天气进行虚拟变量处理,在此基础上,运用逐步回归方法构建考虑恶劣天气的轨道交通客流预测模型。(4)以北京地铁4号线为例,建立了考虑恶劣天气的北京市分时段不同客流性质的6组城市轨道交通客流预测模型,通过模型预测客流量与车站实际客流量的对比,模型取得较好的拟合效果。