目前,国内的城市化进程正迅猛发展,随之城市交通的需求量也急剧增加,轨道交通正借助它自身具有的迅速、安全、便捷、环保以及运量大等特点得到了众多大中城市的青睐,而城市轨道交通也进入高速发展时期,很多城市实现了地铁网络化运营。网络规模效应使地铁对客流的吸引能力急剧增加,产生了大客流效应,给地铁站运营管理带来巨大的挑战,这其中通勤大客流影响最大。通勤客流是地铁客流的重要组成部分,准确识别通勤客流,全面了解客流的分布情况及规律,能够有效的规划交通、有序的组织行车并合理的管理运营。自动售检票系统(AFC)不仅提高了乘客乘车的便利性,而且为城市轨道交通规划及运营管理提供了海量的基础数据。地铁刷卡数据在统计粒度、准确性、覆盖范围方面具有良好优势,能作为轨道交通运营管理的辅助数据源[1]。地铁刷卡数据包括IC卡、移动支付等多种类型数据。通勤客流是地铁客流的重要组成部分,其对地铁运营的影响越来越大,准确识别通勤客流,全面了解客流的分布情况及规律,合理的评估日后的客流量,能够有效的规划交通、有序的组织行车并合理的管理运营。为了有效识别通勤客流,本文提出一种基于筛选集对地铁刷卡大数据进行筛选和识别的方法。地铁刷卡数据包括IC卡、移动支付等多种类型数据,大数据分析技术的出现使得对地铁刷卡数据进行分析和利用成为可能。本论文对各类型刷卡数据进行分析,总结通勤客流特点,并提出一种简单、可靠的筛选规则,对通勤客流数据进行筛选与识别。最后,本文基于杭州市地铁2号线刷卡数据对通勤客流进行实例研究,结果显示本文提出的方法符合实际要求。该研究扩展了地铁刷卡数据的应用范围,为精细化客流特征研究提供了一种成本低、效率高的分析方法。以杭州地铁为例,经数据分析发现:(1)工作日通勤出行占全日总出行的比例在36%左右,周末通勤出行则占全日出行的10%左右,与工作日相比大幅下降,这是因为周末上班或上学等通勤客流较少,与经验相吻合。(2)工作日通勤出行占高峰时段总出行的80%以上,周末则下降一半,这表明工作日高峰时段通勤出行占据主要地位,周末通勤出行的影响则大幅度下降,工作日出行时间相较于周末更为集中,对地铁运营管理的挑战更大。