城市轨道交通系统因自身速度快、载运量大、安全性高等优点成为我国城市公共交通的重要组成部分,也是居民日常出行时首选的交通工具。然而一些突发事件或大型活动会造成轨道日客流量的突然变化,进而导致轨道线路上重大客流的形成,严重影响到轨道交通的正常运行以及行人们的出行安全。因此,对轨道交通中存在的异常客流进行检测以及对异常客流传播规律进行挖掘分析,有助于制定有效的应急措施,提高轨道服务水平。针对以上存在问题,本文基于北京市轨道交通一卡通刷卡大数据,充分考虑了轨道客流周期变化的特性,研究北京市轨道客流的异常波动,提出了一个异常客流检测模型。此外基于异常检测结果以及数据分析探究异常客流在轨道网络中的扩散情况,并通过可视化的方式对异常客流的检测、验证、及扩散过程进行了展示。最后设计并实现了一套面对大客流情况下的应急处置决策支持平台-地铁客流智慧监测与管控系统。具体来讲,本文的研究内容分为以下三块:(1)引入动态模式分解方法,提出了基于低秩动态模式分解的异常客流检测模型。该模型充分考虑原始客流中存在的噪声影响,将其分解为噪声矩阵、稀疏异常矩阵以及低秩客流矩阵,并在低阶矩阵中引入动态模式分解获取客流内部特性。与传统异常检测方法相比,该模型的检测正确率和鲁棒性更高。并结合时空扩散算法,研究客流在轨道中的扩散规律。(2)基于异常客流检测结果及扩散分析,设计并实现了一套可视化分析方法,该方法分别对异常客流检测、验证、扩散分析进行可视化,支持多视图交互探索轨道异常及其影响。(3)设计并研发了地铁客流智慧监测与管控系统,该系统利用预测技术和监测技术实现线网监测模块、车站检测模块、统计分析模块进行客流监测预警,为应对轨道交通网络化运营下大客流冲击提供技术支撑。本文的研究基于北京市地铁刷卡数据,结合微博数据,通过大量的实验证明了提出模型的有效性和实用性,并挖掘异常客流扩散规律,为轨道交通管理者和相关研究人员提供了初步的理论参考,相应的可视化方法也为分析轨道异常提供了有效的展示工具。