目前，东京都的人口密度为日本都道府之最，从都市圈角度来看，其与千叶县、琦玉县和神奈川县组成的一都三县已容纳近四千万人口，约占全国人口的三分之一。
作为全球人口密度最高、商业活动最频繁的城市之一，其公共交通有着极高的使用率，深受大众青睐。曾经盛极一时的小汽车文化逐渐式微，居民开始高度依赖铁路 、公交等出行工具，以避免交通拥堵，践行一种更加绿色环保的生活方式。
东京轨交发展简史
1872年，东京开通了第一条铁路，迷你化的1号蒸汽车在众人的欢呼中驶离新桥站。
东京1号蒸汽车（来源：网络）
二战后，日本经济进入高速增长的黄金时期，东京的城市规模也急剧扩张，大量人口开始向城市核心区域聚集，出现了私家车和路面有轨电车相互拥挤的现象，“城市病”逐渐浮出水面。
针对这一状况，东京都率先提出废除路面电车，同时加强建设地铁以疏导路面交通量，并依托轨道交通进行沿线新城建设，以及用卫星城纾解核心城区的人口压力。如1971年多摩新城迎来了首批居民入住，其乘坐轨道交通约40分钟就能到达东京市中心的新宿。
东京都市圈代表性新城的分布（来源：网络）
经过数十年的高速发展，如今东京（东京都区部）的轨道交通网络十分复杂且成熟。截至2018年，东京铁路网络总长达到1181.9公里，共有站点769个，其中：JR（指以前的国有铁路）运营的铁轨线路长419公里，站点141个；私铁（在日本各大都市圈，除了JR还有私人企业修建的铁路，主要有7家公司）运营线路长387.9公里，站点291个；地下铁（担任大城市市内交通且因为用地紧张而不得不基本修在地下的轨道交通，主要有2家公司）运营线路为298.5公里，含236个站点；单轨铁路、新制式交通等线路长75公里，共101个站点。
东京都轨道交通线路图（来源：网络）
目前，东京轨道交通的分担率极高 ，占机动化出行比例78%。此外，在东京轨道交通网络最为核心的JR山手线环形圈内，5分钟、400米步行圈 已占到64%，10分钟、800米步行圈完全覆盖。
轨道交通站点覆盖（来源：网络）
行东京版TOD发展模式
东京版TOD开发最早可追溯到上世纪五六十年代，彼时快速膨胀的人口亟需类似多摩新城这样的卫星城进行吸纳，而轨道交通沿线站点能有效满足上班族和学生的日常通勤需求，无疑成为了新城的最佳起点。
早期的新城建设多为东京都政府主导，旨在快速提供大量住宅，带有强烈的政府干预色彩，而后期的TOD开发主体多为私营企业。
民营铁路公司涉足领域较多，探索出了一套全新的商业模式，除建设铁路线路、出售沿线配套住宅，还运营属于自己的购物中心，形成了运输服务业和商业服务业的双轮驱动，能快速收回铁路建设投资，从而创造一个良性的、可持续的开发方式。例如，日本仅次于新宿站的第二大交通枢纽、世界日均换乘人数排名第二的涩谷站，最早就由私铁东急集团着手大规模开发，东急会馆，东急文化馆和涩谷东急大楼等标志性建筑依次拔地而起，推动着涩谷的商业发展繁荣至今。
此外，在六本木、二子玉川等站点处，与闸机口紧邻的商场均系铁路公司运营，而像新宿站这样由多家铁路公司共同运作的大型枢纽站附近，更是形成了超高容积率的密集商圈。
东京商业圈（来源：网络）
进入二十一世纪后，随着建设技术的不断突破，东京对诸多老旧轨道车站站点进行了再开发建设，在原有车站功能基础上进行改造并将周边的商业、住宅、公园、公共服务设施等进行一体化规划综合开发，促进轨道交通站与周边城区的融合，力将“站城一体化”做到极致，提升东京的综合实力和国际竞争力。
2007年，《涩谷站中心地区更新建设导则》横空出世，根据该导则，涩谷站周边地区被分为五个单独的更新项目。其中最引人注目的是“涩谷之光”，被称为轨道线上的“立体城市”：其地下空间和地面由“城市核心”（urban core）进行垂直连接，B5-B3层是地铁车站，B3-7层是与车站无缝衔接的商业设施，11-16层是可以容纳约2000人的剧院，17-34层是办公楼。办公、文娱和商业的大力度多重开发，源源不断吸引着客流，营造出了一个高度年轻化的公共空间，使得涩谷地区焕发出新的活力和朝气。
东京“涩谷之光”（来源：网络）
蓬勃发展的中国轨道交通
基于手机信令，识别城市主要客流走廊，掌握沿线人口分布等，为规划及运营优化都出行需求把握提供数据支撑。
城市客流走廊与轨道规划线路叠加图
轨交沿线现状人口分布图
基于总体出行需求，联合常规公交数据，对轨道站点客流开展客流诱导及客流接驳等运营优化提供数据支撑；
轨道交通站点接驳公交线路分析
公交接驳客流强度分析
精细化站点客流分析，结合周边土地利用性质、商业开发强度、地块功能设置等条件，开展对轨道客流影响因子分析，为轨道交通线路规划、运营优化等提供数据支撑。
轨道站点土地利用与客流特征联合分析
轨道交通的健康发展，要从做好规划与设计、建立完善的城市公共交通体系、精细化调整运营策略等多方面入手，是一个巨大的系统工程。在这个过程中，大数据能够起到一定贡献，但对数据质量、数据分析维度、数据解读能力、数据应用深度都具有较高的要求，路漫漫其修远兮，让我们共同上下求索、执着向前。