针对城市群空铁联程客流需求获取困难、客流规律难以把握的问题,提出一套集成空铁联程客流识别及预测模块的综合分析框架.首先,考虑交通枢纽的空间范围及旅客出行的时空特征,提出一种基于信令数据的空铁联程客流识别方法,并挖掘其时空分布规律.然后,在双向门控循环神经网络模型(Bidirectional　Gated　Recurrent　Unit,BiGRU)的基础上,引入时间周期编码,构建具有时间周期性的双向门控循环神经网络模型(Temporal-Bidirectional　Gated　Recurrent　Unit,T-BiGRU)对空铁联程客流进行预测.最后,以京津冀城市群为实例,对研究框架进行验证.研究结果表明:京津冀城市群空铁联程客流呈现出明显的聚集分布特征,其中北京南站—天津站—天津滨海机场和北京西站—正定机场站—石家庄正定机场两个场景的联程客流占比最高,超过联程客流总量的65％;T-BiGRU模型可以对联程客流的需求进行精准预测,对两个主要场景的双向联程客流的预测精度均超过了89％,优于多个基线模型.研究结果可为城市群空铁协同发展及空铁联程服务优化提供参考.