地铁因其具有速度快、节能环保、安全可靠等优点已逐步成为我国城市居民出行首选的交通工具。目前地铁的运营管理主要依靠历史整体客流特征规律,来制定相应的列车运行计划、应急方案等,保证地铁安全高效地运行。但在智能交通时代,根据客流实时状态,制定相应的方案,才能为乘客提供更加优质的服务。地铁列车客流状态能够反映运行线路上客流的实时变化情况,分析列车客流特征,预测客流状态,一方面可以完善乘客信息系统的客流服务功能,为乘客提供更加实时智能化的乘车引导,另一方面可以为列车运行计划、运营策略等的及时调整提供重要数据依据。因此,本文对地铁运行过程中的列车客流进行特征分析与预测研究,具体研究内容如下:（1）列车客流检测方法:首先分析地铁车厢图像,对比现有客流检测方法,将基于CNN的人群计数算法引入地铁领域,利用车厢视频监控图像实现列车客流的实时检测。其次考虑到目前基于CNN的人群计数算法多是在空间宽阔、视野良好场景下进行研究,同时现有CNN模型存在结构较为复杂、参数量大、计数精度有待提高等问题,提出一种考虑多尺度特征融合的CNN人群计数算法,所提算法以膨胀卷积为基础,搭建多尺度特征提取模块,用于解决图像中人物尺度多变不一的问题,同时为提高图像中小尺度目标的计数精度,将浅层细节特征与深层语义特征进行融合,依据融合后特征进行回归计数。最后在Shanghai Tech、UCFCC50以及自建地铁车厢数据集上,根据相应的评价指标,进行算法性能评估和实际应用场景性能测试,为后续研究提供方法支撑。（2）列车客流特征分析与预测:在特征分析部分,首先从微观列车角度选取车厢拥挤度作为列车客流特征分析切入点,为实现车厢拥挤度检测,提出一种基于CNN算法的车厢拥挤度识别方法,通过自建地铁数据集验证所提方法的识别准确度,并以成都地铁1号线作为研究对象进行实例分析。其次从宏观线路角度选取断面客流作为列车客流特征分析另一切入点,根据车厢图像特征,提出一种考虑车厢拥挤度的实时断面客流计算方法,并根据统计的成都地铁1号线断面客流数据实例分析客流在时间和空间维度上的分布特征。在客流预测部分,鉴于列车客流统计具有实时性的优势,提出采用实时统计数据与历史数据特征对比的方式进行列车客流预测研究,并搭建地铁列车客流监控及统计平台方便管理人员根据列车客流实时走势,预测客流变化趋势。