近期，城市轨道交通在我国呈现迅猛发展态势，随着新线的建设及投入使用，轨道交通线网的网络拓扑发生变化，网络上的客流分布规律也越发复杂。作为轨道交通系统高效、安全运营组织的前期重要环节，准确预测新线开通后的客流需求是目前亟需解决的问题。本研究在分析已有研究在数据获取，预测精度方面的不足后，考虑易获取的土地利用指标与区位条件确定的可达性指标对客流的影响，提出适用于新线接入下条件下的轨道交通进出站客流预测模型。
　　首先，为了确定站点属性特征与区位条件差异对客流的影响，基于网络爬虫技术构建站点周边精细化土地利用数据库，并基于K-means聚类方法对既有站进行聚类分析，为了确定客流吸引范围对客流量的影响，考虑接驳站点的交通方式差异划分直接与间接吸引范围并采用孰高原则确定，基于集聚效应理论构建模型计算站点直接吸引范围，基于广义费用模型计算间接吸引范围，同时为避免客流吸引范围重合区域造成的冗复问题，基于泰森多边形理论实现对客流吸引范围重合部分的精准划分。
　　其次，为了捕捉新线接入线网后因轨道交通系统可达性提升引发的轨道交通诱增客流的影响，基于轨道交通拓扑网络节点的物理特性建立目的地选择模型，并基于LOGSUM效用函数定义轨道交通线网的可达性指标，实现对新线接入后的线网各站的可达性改善的量化。
　　再次，为了捕捉新线接入下客流的非常规变化特征进而实现客流精准预测，针对既有线和新线站点分别构建进出站客流预测模型。将既有线站点进出站客流预测解构为对自然变化客流、诱增客流及转移客流三部分的预测，其中，基于季节性ARIMA模型及径向基神经网络，对自然变化客流进行预测并衡量两种方法对该特定条件下客流预测的适用性，基于对历史开通新线客流数据下的非线性分析以获取站点可达性变化对诱增客流影响的量化权重系数，并基于前述章节确定的吸引范围约束条件，量化区位条件对转移客流的影响。同时，针对新线站点通过构建站点类别与土地利用指标间的映射关系，提取新线站点周边兴趣点(Pointofinterest, POI)及AFC(Automatic fare collection system)历史刷卡数据，计算相应修正系数，并对相同类别既有线站点客流进行修正，获得新线站点的进出站客流预测值。
　　最后，为验证模型的适用性与精准性，以北京地铁14号线中段(北京南站-金台站)为例对新线接入下新开通站点进行客流预测。通过比对历史数据分析发现，对自然变化客流的预测采用ARIMA法时精度更高，依据此方法进行后续预测的平均误差绝对百分比为3.87%，说明ARIMA模型可以较好的捕捉新线接入下客流的非常规变化，验证了提出的吸引范围约束下考虑土地利用与可达性轨道交通新线站点客流预测方法具有较高精度，为轨道交通新线建设立项和可行性研究环节的客流预测环节提供新思路。