随着城市轨道交通系统的不断发展与完善,人们在出行时逐渐将城市轨道交通作为首选方式,对城市轨道交通运营管理的要求与标准不断提升。考虑到在实际的运营管理过程中,客流具有较强烈的随机波动的特性,运营时段的划分较难反映实际的客流变化情况,为此以城市轨道交通系统中自动售检票(AFC)系统采集的乘客进出站交易记录为基础,寻求一种能够表征线路客流变化趋势的方法,并以此作为参考依据研究城市轨道交通中的行车调度优化问题。首先对短时客流预测与公交调度优化两方面的研究现状进行了介绍。接着对自动售检票系统、南京地铁发展现状和AFC客流数据采集等进行介绍,并以一号线为目标线路,提出了客流变化趋势的两种思路:一种为先进行短时客流预测,再分析客流变化情况;另一种为直接预测下一时刻客流的变化趋势,按照客流变化趋势直接预测与间接预测模型的要求准备相应的训练数据与测试数据。然后基于已预处理的目标线路所有站点进出站客流数据集,分析了客流变化趋势预测的实现方案,并选取珠江路站与南京南站两个客流具有典型特征的站点为例,基于预先提取的一号线站点进出站客流量数据集,分析客流变化趋势表征的指标与计算方法;接着利用Python与Matlab对指定运营日(2017-10-01~2017-10-30)一号线各所有站点的客流量统计学描述结果与客流量走势进行计算;最后以2017年10月27日典型站——珠江路站和南京南站为例,介绍客流变化趋势研究方案的实现。同时对目标线路所有站点采用相同方案步骤获取了对应的变化趋势预测结果,使用数据挖掘技术对客流变化趋势预测结果进行聚类分析,以此获得更加符合轨道交通日常客流变化情况的运营时段划分结果。利用Fisher最优分割方法对两种客流变化趋势预测结果的状态序列进行分割,计算两种方法所得预测结果的损失以对比两种思路的性能。对比两种思路的最优分割结果可以得出,基于Markov模型的客流变化趋势预测结果的损失函数值较小,并且分界点的分布较均匀。选择更好的划分方案结合预处理的线路客流数据集,以发车时刻为决策变量,建立行车调度优化模型;采用遗传算法求解模型,获得优化的发车时刻表,以乘客候车平均时长为评价指标,将其与实际运营调度时刻表进行对比单辆列车搭载乘客的总体候车时长,对于大多数班次列车,调度优化模型的时长均低于实际调度方案,验证该优化方案的有效性。总之,基于AFC系统产生的历史客流数据,探讨了一种对客流的变化进行分析并预测其趋势的方法,对提高轨道交通运营管理的质效、提升乘客乘坐体验提供了一种不同的思路。