本书在以新冠病毒为代表的传染性疫情的背景下，面向客运交通系统，对人员流动与疫情传播的相互影响机制、截断疫情传播途径的客流管控对策进行了研究。针对不同交通场景、不同疫情扩散情况，运用大数据技术对疫情传播与交通活动的时空关系及分布特性进行了探索性分析，揭示了不同疫情发展时间阶段与客流发生及其交通活动的内在关联；基于人工智能、机器学习等数据处理方法，运用数据可视化技术，模拟疫情期间客流发生与移动特征，进行了疫情发展情况的效应评价和疫情背景下的客运交通预测；以超前防范、控制传染源以及切断传播途径为目标，根据疫情的实际变化情况和预测的交通需求，提出了系统的交通组织和旅客运输管控策略，可为防止病毒通过客运系统进行异地扩散与传播，并尽最大可能保证疫情期间客运系统的正常运作提供参考，有助于有效应对传染性疫情对客运系统造成的突发性和常态化挑战。

1 研究概述
1．1 概念界定
1．2 研究背景与意义
1．3 理论基础与研究综述
1．4 技术路线与研究内容

2 疫情扩散效应与客运系统的耦合关系
2．1 疫情传播的发展阶段及其特征分析
2．2 疫情，客运耦合机制

3 疫情下的客运需求预测
3．1 疫情发展对客运需求的影响分析
3．2 疫情环境下的客运需求预测建模

4 疫情扩散与交通活动系统模拟
4．1 系统设计
4．2 系统实现
4．3 实例仿真分析与讨论

5 多态场景下分级分类的客流管控技术与方法
5．1 交通运输与防疫关系
5．2 多态场景下的分级分类方法
5．3 多态场景下分级分类的疫情防控措施
5．4 多态场景下分级分类的疫情防控框架与流程

6 结论与建议
参考文献