地铁站的高峰时间可以说是可怕的。通过使用智能客流统计信息，每日客流统计信息可用于获取一天，一周，一个月和一年的客流更改规则，以便管理人员可以了解未来的活动。进行准确的计划并确定时间和人力，以更好地控制地铁人员的流动。
客流热点的统计信息可以计算出每个不同时区的客流数量，这一点更加清晰。地铁车站采用客流分析系统进行客流统计，分析，管理和运行，有效帮助地铁站解决人员进出地铁的问题和人员安全，并安排人员调配。时间表。准确统计地铁站的客流动态，准确勾勒出客流线，为地铁站提供实时的客流大数据，如客流统计，分析和咨询等，并有助于地铁站的运营和管理。地铁站管理员可以随时随地查看乘客流量数据的变化，并根据实际需求做出更有针对性的决策。
地铁客流的变化以复杂性，随机性和周期性为特征。客流预测问题是高度非线性和不确定的，并且与时间有很强的相关性。解决此类问题的常用方法主要包括回归模型预测方法和以神经网络为代表的机器学习方法。在回归模型中，一元回归是最简单，最可靠的，但在描述复杂系统的行为时通常较弱。因此，基于多元回归的预测技术更为普遍。
随着轨道交通的飞速发展，轨道交通每天都会产生大量数据，例如出入境，票务发行，卡销售和充值。但是，轨道交通数据分散在各个车站和线路中，并且没有统一的系统来汇总和查询数据。因此，已经开发了可以集成乘客流量查询，故障处理，报告生成和其他功能的自动票价查询系统。系统数据分析特别重要。
