本书从城市轨道交通实际应用需求出发，利用信息技术、人工智能与大数据分析方法，解决城市轨道交通运输组织问题。本书包含基于深度学习的客流短期预测方法、数据驱动的乘客出行选择模型、多粒度客流仿真推演技术、客流车流组织协同智能优化方法、面向动态可达性的乘客出行信息服务等内容。本书研究受到多项国家科技计划支持，面向实际行业难题，应用先进理论技术，并使用实际数据进行验证。
本书可作为高等院校交通运输相关专业研究生、本科高年级学生学习的参考教材，也可作为交通行业工程技术人员的参考用书。

第1章 绪论
1.1 研究背景
1.2 本书主要研究内容
第2章 基于深度学习的客流短期预测方法
2.1 客流短期预测方法概述
2.2 基于SVR的日常客流预测
2.3 基于SVR-LSTM的异常大客流预测
2.4 考虑时空关联特征的出站客流预测
2.5 基于多图网络的多点协同客流预测
2.6 本章小结
第3章 数据驱动的乘客出行选择模型
3.1 乘客出行选择模型概述
3.2 城市轨道交通乘客出行行为分析
3.3 基于贝叶斯推理和EM算法的日常高峰期出行选择模型
3.4 基于贝叶斯推理的列车延误下出行选择反演
3.5 本章小结
第4章 多粒度客流仿真推演技术
4.1 客流仿真技术概述
4.2 大规模路网客流快速仿真
4.3 车站客流动态分布仿真
4.4 车站站台客流动态分布微观仿真
4.5 本章小结
第5章 客流车流组织协同智能优化方法
5.1 客流车流组织优化方法概述
5.2 路网大规模客流控制
5.3 车站多点协同客流控制
5.4 客流控制与列车运行协同优化
5.5 本章小结
第6章 面向动态可达性的乘客出行信息服务技术
6.1 乘客出行信息服务技术概述
6.2 出行可达性影响因素分析
6.3 OD动态可达性路径方法
6.4 面向动态可达性的信息发布技术
6.5 案例分析
6.6 本章小结
参考文献