在城市化进程不断推进的时代,城市轨道交通凭借高效、准时、环保等诸多优势,从丰富多样的城市交通运输工具中脱颖而出,发挥着举足轻重的作用。乘客作为轨道交通网络中最重要的服务对象,对出行时效性、便捷性、舒适性的要求不断提高。为能够提供给乘客更好的出行体验,掌握其出行特征是前提条件。客流的时空分布规律可以揭示乘客的出行特征,反映轨道交通网络在不同时间不同地点的运营状态,是行车组织方案调整与优化的重要基础,掌握客流的时空分布规律有助于管理者对运营调度决策的制定。列车运行时刻表详细记录了列车经过每一站的到站时间和离站时间,本文利用AFC数据以及列车运行时刻表数据推算乘客的出行路径以及乘坐的列车车次,得到乘客途经每一站点的时刻,并将结果推算至轨道交通全网,对城市轨道交通客流的时空分布特征进行分析。本文主要工作内容及成果如下:（1）结合轨道交通网络特点,选择K短路搜索算法对物理路径进行搜索,并对算法进行改进。将对站点的K短路搜索转化为对线路的搜索,并且依据起讫点（OD）所处线路间的连接关系、起讫点是否为换乘站以及起讫点所属线路的换乘站点个数三方面因素,对OD进行分类,以此筛选出可以通过最短路搜索的OD,从而降低搜索量;结合刷卡数据和列车运行时刻表数据,根据总行程时间阈值对物理路径进行筛选,提出动态时间约束条件对乘客的进出站时间、换乘时间进行约束,对乘客的时空路径进行搜索。（2）依据有无车次、乘车车次数量、换乘次数三个指标对乘客行程进行分类,综合考虑轨道交通网络运营状况和乘客出行习惯,对不同类别的行程分别设置相应的匹配规则,并且对无车次情况进行修正,将所有乘客匹配至对应的车次。以南京市轨道交通作为实例研究,利用南京地铁公司提供的AFC数据以及列车运行时刻表数据,对算法进行分析与验证。（3）基于本文算法所获得的乘客个体的时空路径,从换乘站点、线路、断面三个角度计算全网的客流量,探索其时空分布特征。结果表明:在时间维度上,工作日的换乘客流量大于休息日,且周五的换乘客流量最大,周日换乘客流量最小;工作日换乘客流量表现出明显的早晚高峰特征,且早高峰换乘客流量大于晚高峰,而休息日的早晚高峰特征不明显;工作日高峰期内每10分钟的换乘客流量存在明显的峰值,早高峰的峰值出现在8:10-8:20期间,晚高峰的峰值出现在17:50-18:10期间。在空间维度上,大行宫、新街口及南京南站的换乘客流量较大,且三个换乘站点的换乘客流量分布均表现出方向不均衡的特点,其中,大行宫站和南京南站换乘客流的潮汐现象较为显著;1号线、2号线、3号线承担了主要的客流运输工作,且客流量排名前十的断面均位于这3条线路;1号线、2号线、3号线的客流均表现出潮汐现象,其中,3号线潮汐现象最明显的区域为线路北部的天润城-大行宫,2号线潮汐现象最明显的区域为线路中部的孝陵卫-集庆门,1号线除南部的部分断面以外,全线其他各断面客流均有较为明显的潮汐现象。