城际铁路客运专线开行给人们出行带来了极大便利，但旅客出行需求的变化使客运专线客流呈现出不同的时间和空间分布特征。定性分析、图表统计等传统客流分析方法主要应用于单个对象的特征提取，对于多个对象的大量数据则主要采用数据挖掘方法进行特征提取。聚类分析是一种重要的数据挖掘方法，可用于客流时空分布特征提取，对优化列车开行方案、运力调配、提高客运组织的科学性有着重要指导意义和实际价值。　　本文在分析我国城际铁路客运专线发展状况、运营特点和当前主要客流分析方法的基础上，深入研究了面向数据挖掘的聚类分析方法，并以某条已开通运行的城际铁路客运专线作为研究对象，通过聚类分析方法对其客运量变化所蕴含的客流时空分布特征进行了提取，设计、开发出能够自动分析和展示该城际铁路客运专线客流时空分布特征的信息系统。论文主要研究内容如下:　　(1)客流空间分布特征研究。采用层次聚类和k-means聚类方法，对客运站、客运站之间和整条线路三个层次的客流分布特征进行研究。根据实际客流量重新标定了客运站等级，发现该线路站点G、H由三等站升为二等站、站点C由二等座降为三等站更为合理;分析了客运站列车运力调配的效果和合理性;同时对客运站的日客流量高峰时刻及流向特征，发现H站点高峰时段在8:00-9:00和下午15:00-16:00，且主要流向站点G;以客运站之间的客流分析关联强度，发现站点A和站点B、站点G和站点H为强关联;以客运量和旅客运输密度为指标，挖掘出该线路以站点H为中心，短途旅客为主，运输站越过站点H后客运量越来越少，对旅客运输密度聚类得到该线路的繁忙时段集中在9、10月。　　(2)客流时间分布特征研究。采用层次聚类和k-means聚类方法，对该客运专线日、周、月等不同时间周期的日常客流分布特征进行了研究，发现该客运专线每天客运量呈单峰形、高峰时间段为7:00-8:00、每周客流量高峰主要在周五、周六、周天、月高峰主要9、10两个月。以节假日客流分析为专题，提取出该客运专线周末、3天小长假、7天长假和春运期间客运站、客运站之间的客流分布特征以及节假日客流量高峰时间特征。　　(3)客流特征分析信息系统开发。对城际铁路客运专线客流特征分析系统进行了系统框架和功能模块设计，完成了数据库建模和设计，开发了进行客流时空分布特征提取的层次聚类和k-mans聚类算法包，开发了分析结果展示界面等。