随着社会经济的发展和城市化的快速推进,城市人口在增加,使得城市交通问题越来越严重。大力发展公共交通得到政府的支持,城市轨道交通因其不占地面资源、安全、污染小、运输能力强的优点成为各大城市建设公共交通的主要方向,在一定的程度上缓解了交通拥堵。但随着城市轨道交通网络规模的增大,客流量增多,使得轨道交通的运输压力也越来越大。如何有效的提高运营效率,对资源合理配置,及时对轨道交通的运输能力进行调整,人员合理安排,成为要解决的难题。本文依托AFC(轨道交通自助售检票系统)上完整的客流数据,对西安城市轨道交通的客流分布规律进行分析,建立基于BP神经网络的时间序列预测模型,对客流进行短期预测,旨在为运营者的工作安排、乘客出行提供参考依据。本文主要的结论如下:(1)本文首先依据从地铁公司获得的西安轨道交通客流数据,总结归纳了西安城市轨道交通的一般客流分布特征,然后分析了西安地铁吉祥村站点在一日与一周的客流分布特征,发现吉祥村站的客流量较大,特别是工作日,一般呈双峰。(2)通过对比传统预测和微观预测常用的方法,总结每种模型适用的情况和它们的优缺点。发现不同的预测理论的侧重点不同,因此适用的范围以及预测的准确度都有所不同。轨道交通的客流是具有动态特征的,组合预测模型就显得有优势,将各单项模型的优点集中发挥,从而更好地预测客流情况。(3)根据基于以上的分析,在进行客流预测建模时,将神经网络与时间序列进行组合,建立基于BP神经网络的时间序列预测模型,利用MATLAB软件,得到了预测结果。结果显示预测值与实际值的误差为12.99%,相比于传统预测模型,具有更加高的准确度。