随着城镇化的快速推进,城市半径不断扩大,职住分离现象日益普遍,居民的出行距离不断拉大,出行需求日益提升。同时,随着机动车保有量的增加,城市交通拥堵越发严重。北京作为一个超级城市,职住分离问题和交通拥堵问题尤其严重。在此背景下,城市轨道交通因其大运量、快速、安全、准点、平均能耗低的特点,几十年来快速发展,逐步连通了城市内部的各大板块,构建出了城市的骨架。大数据时代,与居民出行相关的交通数据和其他地理信息数据呈爆炸式增长,利用大数据研究居民出行行为的方法成为行为研究领域的主流模式之一。轨道交通AFC刷卡数据具有成本低、信息量大、客观、时空连续性强的特点,可以帮助我们高效的研究轨道交通出行的特性。为了从时间、空间、线路等多维度研究分析城市轨道交通,寻找理解轨道交通客流的新思路,论文引入了关联规则挖掘方法。关联规则挖掘是一种经典的数据挖掘方法,先找出数据集中经常出现的频繁项集,再寻找频繁项集之间的相关关系,发掘出一些有趣的现象,进一步寻找这种相关关系背后存在的潜在因果关系,对这些现象做出合理解释。区别于传统的统计分析,关联规则挖掘方法既可以挖掘出常见现象背后不为人知的机理,也可以挖掘出罕见现象的潜在规律。论文选取北京市轨道交通AFC刷卡数据,从中提取出轨道交通出行的站点信息、时间信息和线路信息,以单次出行为研究对象,利用关联规则挖掘方法,先从时间维度、空间维度、线路维度上,单维度分析研究北京市轨道交通的客流特征和乘客出行行为,再跨维度更深层次的分析。研究发现,通勤出行在北京市轨道交通出行中占据了重要地位,不仅形成了早晚高峰,更催生了热门站点和热门线路;单个大型商业型站点-多个小型居住型站点和单个大型居住型站点-多个小型商业型站点的组团式搭配比较常见,形成了具有明显的客流方向性的组团;天安门西站等几个小站点存在非高峰时段的集中出行,可能存在具有特殊出行需求的小群体;同线路出行占所有出行的35.8%,郊区线路对与其相连的主干线路有很强的依赖性;63个大客流站点站点承担着全网50%的客流量。论文为理解城市轨道交通出行提供了新的思路,为研究城市轨道交通客流规律提供了新的角度,有助于轨道交通系统的资源优化,辅助调整营销策略,维持常旅客,提高轨道交通系统整体运输性能。