本书以作者及其团队多年来研究的城市轨道交通短时客流预测基础理论和算法为基础，深入细致地阐述了城市轨道交通短时客流预测面临的一系列数据，模型、管理需求等问题，提出了相关的机器学习和深度学习模型与算法，是作者及团队近年来一系列研究成果的体现。本书主要内容包括城市轨道交通常态与非常态场景下车站级和网络级短时进站流预测、短时OD流预测、短时断面流预测、以轨道交通为骨干的多模式交通短时客流预测、基于计算机视觉的轨道交通站内关键设施处短时客流预测。本书主要面向从事城市轨道交通运营管理的科研人员，广大从事交通大数据分析、机器学习或深度学习的专业人员，从事高等教学的相关教师，高等院校的在读学生及相关领域的广大科研人员，可作为各高等院校交通运输、交通工程等专业的本科生和研究生教材。
第1章绪论
1.1研究背景及意义
1.2相关概念
1.3面临的问题
1.4本书研究内容
第2章城巿轨道交通车站级常态短时进站流预测
2.1概述
2.2客流空间特征挖掘
2.2.1基于两步K-means算法的车站聚类
2.2.2基于车站类别的客流特征分析
2.3客流时间特征挖掘
2.3.1客流时间序列相似性度量
2.3.2客流时间序列平稳性检验
2.3.3客流时间序列可预测性评估及分析
2.4基于聚类和LSTM的车站级短时进站流预测
2.4.1问题及数据简介
2.4.2基于聚类的LSTM模型
……
张金雷，男，1993年2月生，工学博士，讲师。现任职于北京交通大学轨道交通控制与安全国家重点实验室，主要从事人工智能与交通大数据挖掘、短时客流预测、机器学习深度学习、计算机视觉相关研究，主讲《人工智能与大数据应用实战》 研究生课程、《人工智能与交通大数据实战》本科生课程，参编《深度学习与交通大数据实战》教材1部，指导多项本科毕业设计和大学生创新创业项目。主持和参与国家自然科学基金面上、国家自然科学基金青年基金、北京自然科学基金等项目多项。在Transportation Research Part C、IEEE Transactions on Intelligent Transportation Systems等交通领域国际很好SCI期刊发表论文10 余篇，申请国家发明专利8项。读博期间2019、2020年连续两次获博士研究生国家奖学金，获2021年校优选奖学金-知行奖学金提名奖，主持研究生优选等创新基金项目，获国家留学基金委资助，赴美国华盛顿大学进行了为期一年的访学。
