既有基于交通调查的乘客分类存在样本有限及分类标准主观性强等不足,本文以乘客真实出行记录为基础,从"消费行为"视角构建客观的乘客分类指标及方法.为满足大规模数据集处理需求,采用SPSS Modeler软件对全样本乘客进行聚类.选取北京轨道交通连续1个月自动售检票(AFC)数据进行实证分析,结果显示:将乘客分为5类时,聚类效果最佳;通过连续5个工作日聚类结果对比,验证了分类结果具有良好的稳定性.结合乘客分类结果进一步对北京市轨道交通低峰折扣票价策略下不同类型乘客的出发时间转移弹性进行测定.该研究提高了乘客分类客观性,能够为交通政策制定及运营策略评价提供方法支持.