随着我国高铁的飞速发展,综合客运枢纽作为多种交通方式协同工作的大型交通智能体,将多种交通形式融合,在城市轨道交通网络里担任重要的角色。但综合客运枢纽内部客流类型多,不同线路之间的换乘客流,不同流线的进出站客流,其客流随机流动性强,交叉冲突大,隐患节点多,容易突发大客流,造成事故,因此对综合客运枢纽客流预警进行研究具有重要的现实意义。本文在这样的背景之下,结合国内外文献研究以及并对枢纽站现场进行实地调研,做了以下工作:(1)对枢纽站突发大客流的演变机理进行分析研究,对突发大客流进行辨识,阐述了枢纽站内突发大客流的传播过程以及衰减过程,分析突发大客流情况枢纽站内不同交通工具的通过能力和服务能力。(2)建立基于Kmeans-Grnn神经网络预测模型,将Kmeans聚类模型与Grnn神经网络模型进行结合,对客流进行预测,通过BWP指标提高KMEANS的聚类效果,将客流状态分成16种模式,并将预测数据与客流模式进行比对,然后预测,从而达到提高GRNN神经网络预测精准度的目的;获取精准度比较高的预测客流量。(3)分析判定客流安全状态的预警因素,并将密度值作为预警等级划分的参数,通过参照国内外的密度对客流状态的研究,确定“红橙黄”三级预警下不同区域的密度阈值,进行预警等级划分,并结合枢纽站内设备服务能力,并同时对成都东客站换乘层的设备能力进行分析,比对预测客流量,来判定区域预警等级,并提出相应的应对措施。