为缓解城市交通出行压力带来的负面影响,如空气污染、交通拥堵和事故等,越来越多的城市将修建与运营城市轨道交通作为首要的最佳对策。为实现增加城市轨道交通吸引力的服务目标,从而确定影响轨道交通乘客出行的关键决定因素并分析其影响的时空演变规律尤为关键。鉴于城市级别的轨道交通客流量具有时空的非平稳性。例如,在某地区的早晚高峰客流量占全日客流量的50%以上,即显著的客流潮汐现象。乘客出行对时间敏感,且受到历史乘客的影响。因此,以往研究采用的不能解释影响因素在空间上的异质性的普通线性回归模型和对时间这个关键维度无法充分学习的传统地理加权回归模型(GWR)是具有自身应用局限的。为解决这一问题,本文运用数据挖掘方法,得到站点建成环境的影响因素集合,针对2018年3月西安市城市轨道交通线网一个月的站点客流数据,通过建立时空地理加权回归模型(GTWR),揭示了站点周边建成环境因素对轨道交通客流量的时空影响。首先,本文针对国内外关于城市公共交通客流影响因素的研究和有关时空地理加权回归模型的应用成果进行了回顾。其次,对与本文相关的模型理论展开详细论述。然后,利用混合泊松分布模型处理地铁智能卡数据,得到车站的分类,进而,针对建成环境挖掘有效的POI数据,构建影响客流量的因素集合,通过相关性分析处理得到建模所需的有效因素集。最后,对比分析,依次构建传统全局回归模型、地理加权回归模型及时空地理加权回归模型对轨道客流量与有效影响因素间的关系展开探究。结果表明,GTWR模型的拟合优度明显提高,比GWR模型和全局回归模型能更好的解释各影响因素对车站客流的时空影响。论文的主要贡献包括两点:一,本研究基于GTWR模型分析西安市轨道交通客流与土地利用的关系,进而探讨建成环境对轨道客流时空分布的影响。二,利用一个月的智能卡数据和各种POI信息,验证了GTWR模型在识别建成环境对轨道出行时空影响方面的有效性。