北京里程包括同一网络上的磁悬浮线和延芳线，但每天的客流量约为10,000至10,000；上海和长沙不包括磁悬浮线；一些区域间线，例如广佛线的佛山段和上海线的江苏段11所有统计数据都合而为一；覆盖多个运营商，例如北京香港，杭州香港，深圳地铁等。里程值应为外部运营里程，但是在实践中不可避免地会混合使用工程数据和运营数据，并且其中的数据文章可能不可避免地会有一些小错误。
客流数据是指城市中同一网络的“地铁”，不包括不同网络中的电车和城市铁路；内地的原始客运量数据是指车站到达和换乘的时间，个别城市除外；香港和台湾的原始数据均为行程（为了便于横向比较，将根据网络规模根据经验估算大陆，香港和台湾的各个城市的数据，并进行近似换算）可以得到乘数。
现在，我们有了地铁信用卡数据，城市的票务系统和票价以及城市轨道交通网络的结构。我们需要解决的问题是通过信用卡数据在网络上分配这些客流。同时，必须对轨道交通车站，线路和网络三个层面的客流指标进行一些统计。
为了解决这些问题，我们的方法分为几个步骤：首先，我们需要进行网络拓扑分析，以建立站点与站点之间的连接关系和传输关系。另外，我们还需要建立一个评估模型来权衡每个乘客的旅行路径，即旅行的效用。另外，我们必须确定每个“ OD对”之间的可能路径。我们将乘客最常选择的路线称为有效路线。当确定哪个路径是有效路径时，还涉及复杂的搜索算法。
