摘要：[目的]为应对大客流事件,需准确识别城市轨道交通对大客流时空分布状态及演化规律,有必要基于EKF(扩展卡尔曼滤波)和UKF(无迹卡尔曼滤波),对城市轨道交通客流密度进行短时预测。[方法]从车站和断面两个层面,介绍了自动售检票设备数据的处理方法,并划分了城市轨道交通车站及断面的舒适度等级。通过定义客流密度状态方程和量测方程,分别介绍了EKF模型和UKF模型的城市轨道交通客流密度短时预测计算方法。以国内某城市轨道交通网络化运营城市某条线路为案例,比较了EKF模型及UKF模型的预测精度。[结果及结论]算例结果表明,EKF模型及UKF模型均能通过实时采集当前时段车站自动售检票设备数据来预测下一时段的车站客流密度和断面客流密度,适用于城市轨道交通客流密度短时预测场景。相比于EKF模型,UKF模型全天分时段预测值更接近真实变化趋势,UKF模型预测值与真实值的散点分布更趋集中收敛;UKF模型的均方根误差、平均绝对误差及平均绝对百分比误差均相对更低,说明UKF模型预测精度相对更高。