随着我国各大城市轨道交通新线的密集开通和网络化运营的持续推进,OD对间可供乘客选择的路径不断增加,换乘客流在全网中的占比不断提升,在一票制“无缝换乘”模式下掌握乘客的路径选择及换乘客流的时空分布规律,对均衡客流分布、提高运营效率至关重要。本文主要针对城市轨道交通中换乘网络内“模糊换乘”OD对间乘客的路径选择的问题进行研究,基于时空网络描述特定时空棱镜下的有效路径,通过对AFC数据的挖掘和分析,推演出乘客的出行时空路径。基于自由时间模型快速估计乘客的路径选择决策,运用监督学习方法,构建决策树模型学习乘客的路径选择行为,为实时、准确把握客流,高效、快速诱导客流提供了模型和数据支持。本文主要从以下四个方面展开:(1)论证了乘客出行的时空限制性,在时空网络理论和列车时刻表信息扩展的基础上,搭建了乘客视角下的城市轨道交通时空网络,设计了三层k(k≤3)短路径深度优先算法,实现了乘客有效路径集生成和时空出行轨迹匹配推演。(2)通过AFC数据抽取、转换和清洗,建立城市轨道交通运营数据仓库。选取参考乘客样本数据,结合乘客路径选择特性和时刻表数据,利用参数统计和非参数统计相结合的方法,得到了95%置信度下不同方向进、出站和换乘时间的公差区间,即进站弧、换乘弧和出站弧的有效长度范围。(3)在时空网络和路径集生成基础上,通过D站反推与AFC数据挖掘公差区间下限,计算自由时间下各有效时空路径的匹配度。创新归纳了6类换乘网络单元的结构及特点,提出了“模糊换乘”概念。(4)总结影响乘客路径选择决策的主要属性,选取成都地铁典型“模糊换乘”OD对数据,量化分析各属性对路径选择的影响。以此为训练数据集,生成了一棵快速分类预测乘客路径选择的决策树,发现各路径换乘次数的增减是影响乘客选择理论最短路径最重要的因素。通过性能评估和检验,验证了决策树模型的高效性。