城市轨道交通作为一种快速大容量的公共交通方式,在解决居民出行问题、引导城市发展方面发挥了重要作用。城市轨道交通车站作为乘客候车、乘降和换乘的场所,是乘客与轨道交通发生联系的纽带,而乘客是访问车站的主体。目前对轨道交通乘客的出行时空规律性研究较充分,却忽略了偶发出行等非规律出行,也很少研究轨道交通乘客出行的多样性、分散性,而出行的时空分散性对于交通基础设施的均衡使用意义重大。对此,本文以城市轨道交通系统中的乘客和车站为对象,通过大量智能卡数据,建立信息熵模型,分析乘客在时间和空间维度上出行行为的多样性,评估车站访问在多大程度上具有分散性,挖掘影响分散性的因素,为解决轨道交通车站限流问题、提升轨道交通基础设施的均衡使用提供新的认知。首先,从乘客角度在空间和时间维度上构建乘客出行的时空熵模型,并对其进行了测算。乘客出行的熵值评估了乘客出行的多样性。熵值大于零时,熵值越大则说明乘客出行的多样性越强。测算结果表明,空间和时间熵值的分布规律相近。在空间维度,出行频次为一周一次和一周两次的偶发出行人数占比较大。本文对空间熵值为0.5、不同出行次数的乘客进行了空间和时间维度的分析,分析结果表明大多数乘客的出行都以离京抵京、购物出行为目的;进出站客流时间分布特征方面,两次出行乘客的进出站客流特征与总体相似,而多次出行的乘客的特征没有明显的早晚高峰。。其次,本文从车站的角度分别计算了车站的乘客构成的熵值和车站的乘客访问时段的熵值,来综合评价车站被访问的分散程度。车站的乘客构成熵的计算考虑北京轨道交通站点的被访问次数与对应人数的分布,采用站点层面的时空熵模型进行计算;车站乘客访问时段熵的计算考虑北京轨道交通站点的进站量的时间分布均匀性,计算站点的乘客访问时段熵。结果表明,北京轨道交通站点的乘客构成熵值与乘客访问时段熵值的较高区域主要分布于四环内,而越靠近外环,熵值越小。对于车站的乘客构成熵与乘客访问时段熵的交叉分析,大部分的车站在周末的进站量在时间维度上更为分散,而工作日的进站量在时间维度上更为集中。最后,构建因变量为车站的乘客构成熵和乘客访问时段构成熵的地理加权回归模型和普通最小二乘法回归模型并进行比选,由于车站的乘客构成熵和乘客访问时段熵有明显的空间异质性,地理加权回归能更好地解释车站的乘客构成熵和乘客访问时段熵具有差异性的原因。。对于政策制定和城市规划而言,希望车站的熵值更大,可以考虑从这些正相关因素入手,从而避免乘客出行在某一时段过于集中的早晚高峰现象,改进轨道交通站点设施在高峰资源匮乏、平峰利用率低的现象,提高轨道交通系统的服务水平和安全可靠性。