科技的进步致使我国各大地区城市化的趋势越来越明显,一系列的交通问题也随之而来。若交通问题得不到解决势必会对城市居民的生活以及社会经济发展的运行效率造成影响。为缓解城市交通问题,对城市交通网络进行整体稳定性的分析是很有必要的。复杂网络是近年来兴起的一门学科,城市交通网络实质上就是一个大型的复杂网络,利用复杂网络的相关知识对交通网络进行鲁棒性分析可以识别交通中的薄弱环节,提高交通运行的稳定性,同时对交通网络进行鲁棒优化可以提高有限资源的利用效率,给城市交通网络的规划提供一个全新的角度。本文首先收集了重庆公交网络、成都公交网络和深圳公交网络的站点及线路数据,基于Python软件建立了三个网络的拓扑结构模型。采用连通度、最大连通子图的相对大小以及网络效率作为鲁棒性指标,以蓄意攻击与随机攻击的方式攻击网络来分析网络的鲁棒性。结果显示,在蓄意攻击模式下,三个网络的鲁棒性都较差,但在随机攻击模式下,网络都具有较强的鲁棒性,其中深圳公交网络的鲁棒性最佳。随后,通过高度数加边、高介数加边、低度数加边、低介数加边和随机加边的方式对网络进行了鲁棒优化,结果表明通过低度数加边和低介数加边的方式可以最明显地提升网络鲁棒性,且加边率越高效果越好。最后,对比了度识别、邻度识别、KSD识别、DKS识别和DKSN识别这五种关键节点识别方法在三个网络中的识别效果,结果表明KSD识别在动态识别下可以得到最优的关键节点识别效果。