公共交通系统是城市交通系统中不可替代的重要组成,城市交通系统的良好运行要求公共交通系统具有较高的鲁棒性,在面对交通事故、设备故障等突发事件时受到最小程度的负面影响。而公共交通网络作为城市公共交通系统的运行载体,从多个维度深刻影响着公共交通系统的稳定性。通过对城市公共交通网络的拓扑结构进行深入分析,能够探究城市公共交通网络的鲁棒性特征,从而帮助行业管理者科学应对突发事件,保证城市公共交通系统的高效运转。为了深入研究城市公共交通网络的拓扑结构及鲁棒性特征,本文首先基于复杂网络理论,提出超级节点的概念构建公交地铁双层网络,然后引入集成节点的概念降低模型复杂度,构建公交-地铁集成网络模型。其次,考虑到复杂网络中社区代表着一组具有共同或相似属性的节点,而在城市公共交通网络中地理因素、道路结构限制等通常会导致交通网络的高度模块化,因此利用社区结构来分析公共交通网络鲁棒性是合理且有效的。本文基于图表示学习方法与无监督学习算法,提出了用于检测交通网络社区结构的CDDG（Community Detection via Deep Walk and Gaussian mixture model）模型,该模型利用Deep Walk模型学习节点在低维度嵌入空间的向量表示,利用高斯混合模型对节点进行聚类,检测公交-地铁集成网络中的社区结构,依据交通网络中的社区结构,构建社区图。最后,以拆解社区图为首要目标提出了基于社区检测的节点攻击策略CNA（Community-based Node Attack）与边攻击策略CEA（Community-based Edge Attack）,并选择最大连通子图的大小作为衡量网络鲁棒性的度量指标。此外,本文以深圳市福田区公交地铁系统为例,分析该区域公共交通网络的社区结构与鲁棒性。实验结果表明,福田区公交-地铁集成网络累计度分布基本服从幂律分布;相比于传统社区检测方法,CDDG模型取得了最高的模块度值,更适用于公共交通网络社区检测问题;相较于基于节点度与介数中心性的攻击策略,CNA与CEA算法在攻击公共交通网络时对网络的结构破坏更彻底。通过对深圳市福田区公交-地铁集成网络进行鲁棒性分析发现,有目的的攻击网络中的公交或地铁线路能够对网络性能造成更严重的破坏,且在攻击的初始阶段,相对于攻击站点,网络的性能对线路的攻击更为敏感。