随着经济的不断发展和城市化进程的加快,交通运输方式变得多样。其中,城市轨道交通因其环保、快捷、低价等优点,已成为城市中重要的基础性交通设施和人民群众首选的出行方式。然而,现在轨道交通供需矛盾日益突出,轨道交通拥堵、故障成为了制约城市智慧交通发展亟待解决的问题。因此,制定合理高效的轨道交通应急管理策略与服务调度策略成为了提高轨道交通鲁棒性,保证轨道交通高效运行的关键。而此类策略是否高效可行很大程度依赖于轨道交通管理者对乘客出行行为特征与规律的了解程度,对乘客出行决策与轨道交通拥堵、故障之间关系的认识程度以及对实时乘客出行状况的掌握程度。因此,本文将基于网络科学理论,利用轨道交通数据,从乘客出行行为角度展开两个主要研究内容,一方面揭示乘客出行时空特征对轨道交通网络鲁棒性的影响,便于轨道交通管理人员在突发故障的情况下,预先制定合理的应急管理方案,为乘客提供可靠的出行服务;另一方面预测轨道交通站点短时客流,让轨道交通管理人员预先掌握乘客出行状况,制定高效的服务调度方案,优化轨道交通运行模式,实现乘客智慧出行。（1）针对站点发生故障时客流重分配对轨道交通网络鲁棒性的影响,构建了基于轨道结构和客流分布之间动态关系的轨道交通网络,提高了级联失效模型对客流时空特性表征上的能力,刻画了轨道交通网络由客流重分配引发的级联失效过程,实现了对轨道交通网络鲁棒性的动态分析。首先,本文从时间上和空间上对乘客出行行为特征进行了研究,让轨道交通管理人员能够掌握站点间的客流分布在时空上的动态变化。然后,根据轨道交通站点发生故障时乘客是否已处于列车上的两种情形,分别构建轨道交通双层网络和轨道交通时空网络。再者,在耦合映像格子模型中加入客流重分配策略和各站点最大的客流容量用以模拟不同时段轨道交通双层网络中的级联失效过程,并根据级联失效规模分析网络的鲁棒性;在线性阈值模型的影响力函数中纳入站点入强度用以模拟不同时段轨道交通时空网络中的级联失效过程,并提出新的鲁棒性指标来分析不同时间网络的动态鲁棒性。最后,基于上海轨道交通相关数据进行了实验仿真,综合实验结果得出结论:轨道交通网络的鲁棒性与外部扰动和失效模式（即随机和目标失效模式）有关,大量的客流会增加外部扰动和失效模式对轨道交通网络鲁棒性的影响。此外,在工作日的高峰时段,由于客流量大,较小的扰动仍会引发接近20%的级联失效规模。并且在对站点引起的平均级联失效规模进行排序后,发现此现象不仅由枢纽节点引起,还由它们的邻居节点引起。（2）针对图卷积网络（GCN）无法准确拟合客流峰值问题,提出了一种基于聚合信息差异最大化的方法,优化了GCN提取轨道交通网络空间特征的能力,实现了不同时间粒度下站点短时客流的精准预测。首先,本文对图卷积网络（GCN）进行了公式分解,在对GCN中的邻接矩阵归一化后,通过增加邻接矩阵主对角线上节点的权重值来抵消GCN的傅里叶域中平滑滤波器对局部峰值的平滑效果,使聚合信息的差异达到最大化。然后将上述具有空间特征的时序序列作为门控循环单元（GRU）的输入进行时间特征的提取,从而构建了由优化的GCN结合GRU的组合模型,即基于聚合信息差异最大化的时空图卷积网络（E-GCN）。最后,本文基于上海轨道交通相关数据,利用E-GCN模型进行了大量的实验仿真。通过与其它主流客流预测算法预测结果的对比,发现E-GCN模型能够使节点的聚合信息得到有效地优化,解决了无法准确拟合客流峰值的问题,实现了更高精度的客流预测。综上,本文展开的城市轨道交通网络动态鲁棒性分析、轨道交通站点短时客流预测的核心研究内容可以让城市轨道交通管理者了解乘客出行行为,更为深刻地认识不同时间、不同站点因故障所引发的级联失效对网络鲁棒性的影响,掌握未来短时乘客出行趋势,从而及时改进其服务调度策略与应急管理策略,实时有效地保护重要站点。