随着城市轨道交通网络逐渐成型,城市轨道运输组织呈现日益复杂化,对客流管理要求愈加智能化、动态化和精细化。掌握客流的实时变化规律现已成为轨道运营关注的一个重点,而客流变化规律受客流观测的时间区间影响。以往的研究没有明确考虑过时间粒度的影响,大都停留在单一时间粒度下的客流信息分析,导致很难充分挖掘序列本身包含的有效信息,从而导致无法准确描述客流间相似规律的变化趋势。因此如何选择一个合适的时间粒度是我们目前需要着重思考度量的一个方向。基于这一问题,本文以异周同日和同周异日间进站客流为对象进行以下研究:首先,论述了轨道客流形成的机理,并从系统内部和外部两方面分析了影响轨道客流分布的因素,在此基础上,解析了客流在时空层面的分布规律,为时间粒度与客流变化规律间关系研究提供了坚实的理论基础。其次,异周同日和同周异日下最佳时间粒度选择和客流预测。根据异周同日和同周异日历史进站客流间变化规律及波动性特点,首先,运用相似度量系数法与聚类分析法相结合的方法,对论文选取的多个时间粒度进行分类组合,选取出既能使得进站客流间呈现极强相似规律性,又能保留客流本身特点的最佳时间粒度。然后根据异周同日和同周异日客流波动性特点,构建适合的预测模型。最后,以前文选出的最佳时间粒度作为数据输入的时间间隔,采用异周同日和同周异日两种方式对考核日的进站客流进行预测,通过预测精度合理性验证论文时间粒度选取的可行性。最后,以南坪站点进站客流为例验证时间粒度选择的正确性。根据案例分析可知,异周同日和同周异日短时客流预测的最佳时间粒度均为10min。将10min作为客流输入时间间隔,对两种路径分别运用SARIMA模型和GM-SARIMA模型进行预测。两者结果均在允许的误差范围之内,说明本文预测模型能够很好的拟合具有周期性波动特点的客流;另外将1min,3min,5min,7min,15min时客流预测结果与10min的预测结果进行比较,结果表明时间粒度为10min时,客流预测优于其他时间粒度。由此可以验证本文选取最佳时间粒度方法的合理性和准确性。