在对站台短时客流特性进行分析的基础上,基于卡尔曼滤波理论,提出了改进卡尔曼滤波短时客流预测模型,并给出了模型的求解过程.选取北京市客流量较大、客流变化明显的岛式站台、侧式站台、普通站台、换乘站台进行数据采集和实例分析.结果表明,该预测模型的平均绝对误差为0.299,均方误差为34.094,均等系数为0.923,提出的模型可以有效地对短时地铁客流进行预测.相较于传统卡尔曼滤波预测方法,改进的卡尔曼滤波短时客流预测方法能够提升预测信息的实时性,并使平均绝对误差降低了0.448,进一步提高了预测精度.