目前,中国城市化进程仍处在快速演变时期,城市用地规模不断扩大,城市人口总量也不断攀升,城市居民的时空出行范围进一步扩展,所面临的交通问题也越来越严重。具备大运量、长距离等优点的城市轨道交通出行方式给城市居民带来了出行便利。但随着城市轨道交通网络规模的不断扩大,轨道交通营运也面临着大客流预警、轨道交通线路布局优化和营运组织改善等方面的难题,而解决这些难题的的基础在于及时准确地把握轨道交通客流出行特征。但是轨道交通客流出行特征的分析依赖于准确、完整的客流数据,传统的数据获取方法局限性明显。作为新兴的研究方向——手机信令数据,一方面,手机用户群体数量和手机使用率的不断提高,保证了手机信令数据的样本数量和随机性特征；另一方面,无线通信网络覆盖区域的不断扩大,使得手机信令数据的时空信息具备时间连续性和空间广覆盖性等优点。本文研究利用手机信令数据的时空信息,对轨道交通客流出行特征进行定量化的科学分析和研判,挖掘出实时动态交通信息,为大客流预警、轨道交通营运组织改善等提供科学定量化的决策支持。本文首先结合无线通信网络相关知识,着重介绍手机COO定位技术和手机切换定位技术,从原理方面解释手机信令数据的生成和时空特性。根据手机信令数据的记录规则,解释信令数据中各个字段的详细定义。使用SQL Server数据库软件,存储和管理经数据预处理后的手机信令数据以及地铁GSM系统地下和地面的基站信息等数据,奠定后续分析研究的数据基础。无论是分析轨道交通客流出行特征还是挖掘实时动态交通信息,关键的第一步是如何通过手机信令数据的时空信息识别出地铁乘客的几个重要出行行为和相关的移动路径。在深入分析地铁无线通信网络系统特点的基础上,提出地铁乘客出行路径识别原理,进而构建高效的地铁出行路径识别流程,主要包括手机信令数据的预处理、地铁出行数据的筛选以及地铁出行站点匹配算法和路径有效性判别。重点研究了地铁出行站点匹配算法和路径有效性判别的内容。实例数据验证的结果表明：地铁乘客出行路径识别流程能够准确、高效地识别出单个手机用户地铁出行路径。为进一步的地铁乘客出行特征分析提供研究基础。以地铁乘客出行路径识别为基础,利用工作日一天的手机信令数据,对指定地铁站点的乘客进、出站行为和换乘行为特征进行研究。提出进、出站行为和换乘行为的算法识别思路：当筛选出疑似出行行为的特征数据后,回溯判断该用户前一条信令数据的LAC信息是否符合要求,若符合计入客流量,若不符合舍弃该用户。依据这一思路进行Java编程,分别获取指定地铁站点的进、出站行为和换乘行为客流量时变图,结合地铁站点的周边土地利用性质等实际情况,分别对进站行为特征、出站行为特征和换乘行为特征进行分析。研究发现：一、不同站点的进站客流高峰现象跟站点周边土地利用性质有关；二、商业办公区的地铁站点具有十分明显的上下班潮汐现象,且中午时段活动量较大;三、换乘站点不同线路间的换乘客流具有潮汐现象,其余时间段换乘客流量波动不大。因此,利用手机信令数据能够获取准确的轨道交通客流出行特征信息,并且能够契合站点周边土地利用性质。针对地铁占有率指标,定量评估高峰期间特定车次的地铁占有率波动情况。首先,利用地铁出行中的通话信令数据的特点,结合地铁运行时刻表信息,再统计分析得到的多组具有随机性的进站时间和出站时间,建立指定站点的进站时间和出站时间分配模型。依据时间分配模型,将待分析车次在指定站点的上、下车乘客数转化为特定时间分布区间的进、出站客流量。统计沿线每个站点特定时间分布区间内的进、出站客流量来获得对应站点的上、下车乘客数,再依次进行累次加减来定量评估该车次的地铁占有率波动情况。随机选取高峰期通话信令数据进行验证,验证结果表明精度可到90%,此方法具备一定的适用性。