近年来,随着我国城市轨道交通的快速发展,各大城市的轨道交通逐渐形成规模,已经成为人们必不可少的交通出行方式,并且人们对于城市公共交通的服务要求也越来越高。因此,有必要探究实时准确地预测轨道交通客流的方法以及正确评价公共交通之间换乘协调度的模型。故而针对北京地铁14号线轨道交通短期客流预测以及车站与地面公交换乘协调进行了系统研究,包括客流特征分析、人工神经模型短期客流实时预测、轨道交通和地面公交换乘协调度评价、分析与建议等。主要研究工作包括:(1)详细介绍短期客流在时间和空间上的分布特征,并且根据实际客流数据对北京地铁14号线各车站按照客流分布特征进行分类,准确掌握了14号线各车站客流特点,为准确预测客流打好基础。为达到实时预测的目的需要预测时间划分为5min,需要模型具有很好的抗噪能力以适应客流分布的高度非线性和振荡性。因此,选用小波神经网络作为预测模型,根据客流数据样本分析结果设计网络拓扑模型,调整模型各项参数。(2)针对小波神经网络存在可能陷入局部最小值而无法得到全局最优值的问题,使用遗传算法和免疫算法综合优化小波神经网络。结合对北京地铁14号线不同客流特征站点的预测结果,使用设立的模型预测评价指标比对改进前后小波神经网络的预测效果,证明优化后的网络模型具备全局寻优的特点,精度和均等系数更高,具有预测轨道交通短期客流的优势。(3)对轨道交通与地面公交换乘情况进行评价,选择合适的评价指标,建立具有九个指标的评价体系。评价模型采用以可拓理论为基础的物元分析法,结合遗传算法等进行模型计算。运用模型对北京地铁14号线将台站和枣营站进行评价,分析评价结果,给出合理建议。