由于中国经济社会的高速发展和综合国力的持续增强,城市交通车辆保有量持续增长,道路交通需求量迅猛增加,造成城市交通拥堵、道路交通污染等城市交通问题。发展与建设智能城市、智慧交通,发掘利用既有城市轨道交通基础建设的潜能,实现城市轨道交通网络化运营是解决大城市交通拥堵的有效举措之一。随着轨道网络化发展使得轨道站点的覆盖范围日渐广泛,对城市出行客流的吸引强度不断增强,研究网络化运营轨道换乘站短时换乘客流预测,精准掌握轨道换乘站换乘客流的短时变化,对提高轨道交通系统的整体运行效率,缓解城市公共交通拥堵具有重要的意义。本文以网络化运营轨道交通IC卡数据为研究对象,针对目前短时客流预测模型的预测准确度、适用范围和可靠性等无法适应智能城市交通、高智能化轨道交通发展所需要的问题,总结国内外现有短时客流预测方法的优缺点。利用箱型图与3σ准则两种数据清洗手段处理IC卡数据,分析换乘客流特性,引入Dijkstra算法、DFS算法确定客流有效换乘路径,分析客流换乘路径选择行为的影响因素,构建客流有效换乘路径选择广义费用模型和客流有效换乘路径概率选择模型,借助贝叶斯估计对模型中乘车时间系数、换乘客流系数值、换乘次数惩罚系数、路网熟悉程度等相关参数进行标定,并使用MCMC算法进行求解,依据换乘客流分配流程,得到换乘客流量。为克服BP神经网络在算法效率上的缺陷,使用LM算法、GA算法进行模型优化,建立GA-LM-BP预测模型,并给出详细求解方法。基于模型可靠性分析广义自回归条件异方差模型（GARCH）、异方差性检验和置信区间确定等相关理论,选取平均绝对误差（MAD）、平均绝对百分误差（MAPE）和均方误差（MSE）3个预测模型精度评价指标,平均置信区间宽度（Average CI width）和无效覆盖率（KP）2个预测模型可靠性评价指标。基于两路口换乘站上行换乘客流量对GA-LM-BP模型进行案例分析,将该模型与BP、LM-BP、SVM预测模型的预测结果相比较。研究结果表明:GA-LM-BP优化模型的精度与可靠性评价指标分别为MAD（27.42）,MAPE（5.12%）,MSE（25.48）,Average CI width（120）和KP（3.24%）,GA-LM-BP模型在短时换乘客流预测有良好的精度及可靠性,优于其他模型。本文基于IC卡数据,研究构建的GA-LM-BP短时换乘客流预测模型,以重庆两路口轨道交通换乘站进行案例应用分析。结果表明,该模型在一定程度上提高短时换乘客流预测精度,改善预测可靠性,为完善交通运输工程学科中短时换乘客流预测提供了参考。