面对我国城市机动化水平的不断提高和城市人口的持续增长带来的城市蔓延和日益严重的城市交通问题,优先发展城市轨道交通是提高交通资源利用率、缓解城市拥堵、降低交通污染和改善人居环境的有效途径。城市轨道交通客流的分布在一定程度上反映了城市内部居民的流动规律和城市空间布局,明晰轨道交通站点服务功能、居民出行特征及其影响因素是协调城市发展和精细化城市管理的新需求。鉴于此,本文聚焦客流特征视角下的城市轨道交通站点类型识别及影响机理,以南京市轨道交通为例,结合SCD、兴趣点（Point of Interest,POI）和土地利用等多源异构数据,对城市轨道交通站点进行类型识别和客流时空分布规律的研究,并建模分析周边环境对不同类型城市轨道交通站点客流特征的作用机理。首先,提出了一种基于客流时间序列特征的轨道交通站点类型识别方法。基于城市轨道交通海量进出站刷卡数据,从客流时间序列特征视角构建了包括数据清洗、特征提取及主成分分析（Principal Component Analysis,PCA）、聚类趋势检验及数量确定和站点聚类等流程的站点类型识别方法。采用高斯混合模型（Gaussian Mixture Model,GMM）期望最大化算法构建轨道交通站点聚类模型,并与K-means聚类算法进行对比。以南京市轨道交通站点为例开展实证研究,结果表明:在相同的输入变量和迭代次数下,GMM的站点聚类效果优于传统的K-means聚类算法;结合后验概率,采用GMM将南京市轨道交通站点分为居住导向型、就业导向型、职住错位型、错位偏居住型、错位偏就业型和枢纽综合型6种类型。其次,从时间和空间两个尺度研究了城市轨道交通站点客流的分布特征。以南京市为例,分析各类站点日客流出行模式及进出站比例,对乘客出行时间的分布曲线进行回归拟合,并采用地图可视化和客流分级等方法对不同类型站点的区位分布和客流空间分布规律进行研究。结果表明,乘客在工作日全天和早晚高峰时段的出行时间均符合对数正态分布;客流在不同行政区划间具有显著差异,存在较严重的职住分离问题;站点间OD在客流分配上极不均衡,早晚高峰客流的流向和规模在居住类和就业类站点间存在相反的趋势。最后,采用多尺度地理加权回归（Multiscale Geographically Weighted Regression,MGWR）模型探究了城市轨道交通站点客流特征的影响机理。分别以城市轨道交通站点的全天客流和早晚高峰进出站客流为因变量,采用泰森多边形与GIS缓冲区对站点覆盖范围进行划分,并将量化后的站点自身属性、连接性和建成环境等多源异构指标作为自变量,结合共线性检验和Moran指数检验结果构建了考虑空间自相关的MGWR模型。结果表明:MGWR模型解决了OLS模型无法从空间局部动态地观测客流特征影响差异的问题,回归效果优于OLS和传统的地理加权回归模型;局部变量对客流的影响程度具有空间非平稳性,随地理位置的变化产生差异。此外,将轨道交通站点的类型识别结果考虑在内的MGWR回归模型的拟合优度得到了显著提高,且由于不同类型站点空间区位分布的异质性,客流特征的影响因素和作用程度也不尽相同。本文对城市轨道交通站点类型识别、不同类型站点客流的时空分布特征及影响机理展开了深入的研究,研究结果可为制定个性化的城市轨道交通运营调度方案、引导城市土地开发与轨道交通协调发展提供理论依据和实证参考。