近年来,随着我国城市的发展和汽车保有量的增加,道路交通拥堵成为了各大城市的常态。发展轨道交通是缓解城市道路交通拥堵的有效手段之一,然而城市人口的增长与出行需求的增加会导致轨道交通系统面临日趋增大的压力。随着轨道运营网络化的逐步形成,传统客流分配模型难以精确的描述乘客面临OD对间多路径选择时的路径选择行为,较难实现合理的客流分配。因此,本文开展基于轨道IC卡和POI数据聚类的轨道客流分配研究具有重要的意义。本文基于图论和Space L法构建了轨道网络拓扑结构,对轨道网络基本特性进行了分析。给出了轨道网络有效路径的定义,确定了有效路径搜索范围与规则,分别利用Dijkstra算法和基于图的深度优先搜索算法搜索轨道网络最短路径和有效路径;对轨道IC卡数据和POI数据进行预处理和分析,分析发现轨道站点周边用地性质与站点进出客流之间存在较为密切的关系,利用约束种子k均值聚类模型对轨道站点POI数据进行聚类分析,实现对轨道站点的分类;通过对IC卡数据的处理与分析,将轨道乘客初步分类,从出行强度、出行习惯、出行目的等维度提取合适的聚类指标,结合轨道站点聚类结果,通过构建高斯混合聚类模型和模糊c均值聚类模型,分别对高频出行和低频出行两类乘客进行聚类分析,实现对轨道乘客的分类;对轨道乘客出行偏好和影响乘客路径选择行为的多项影响因素进行了研究,建立基于乘客分类的广义出行费用函数,用于量化乘客所选路径的出行费用,并基于多项Logit模型,构建了基于乘客分类的轨道客流分配模型;选用某工作日重庆市轨道IC卡数据,以重庆轨道部分经典路网为案例进行客流分配分析,计算了不同乘客对OD对间各有效路径的选择概率和各路径断面流量,直观体现了不同类型乘客在路径选择上的差异,也反映了不同影响因素对各类乘客路径选择的影响。将模型计算结果与传统模型和调查结果对比分析,与调查值相比,路径客流比例平均误差为4.59%,验证了模型的准确性。本文提出的基于POI和IC卡数据的轨道乘客聚类模型和基于轨道乘客分类的轨道客流分配模型,可以更好的描述不同类型乘客的出行偏好与路径选择行为,实现对不同类别乘客的差异化客流分配,提高轨道客流分配的准确度,丰富交通运输工程学科的交通流分配方法,为轨道公司日常运营调度管理、断面客流预测和票务清分提供一定的决策理论与方法。