城市轨道交通由于其运量大、速度快、绿色环保等特点,不仅年客运量逐年递增,而且在城市客运系统中占比逐年提升,轨道交通逐渐成为居民出行的首选交通方式。但聚集了大量客流的轨道交通网络是脆弱的,轨道交通系统由于天气影响或者设备故障等原因导致站点故障,轨道网络结构和客流将会受到极大的影响,所以研究客流加权的轨道网络特征对于线网规划以及轨道交通动态运营具有重要的意义。本文将OD客流短时预测的结果作为轨道网络的客流的权值来研究轨道网络在不同时间段内的网络特征,主要研究内容如下:(1)阐述了地铁刷卡数据处理方法,基于地铁刷卡数据分析了总体客流特征、线路客流特征、OD客流时间特征以及根据站点客流特征将站点分类;(2)阐述了客流运营阶段的客流预测理论,将机器学习理论引入短时客流预测理论,并且构建了站点OD客流相似性计算方法;(3)基于地铁常态客流特征以及最佳时间粒度,构建基于XGBoost模型的短时客流预测模型实现OD客流预测;(4)基于短时客流预测模型的结果,构建了客流加权复杂网络,分别研究早高峰、平峰、晚高峰三个时间段网络特征并识别重要站点;(5)根据对地铁运营事故的分类,分别计算早、晚高峰不同类型站点故障时网络的抗毁性。结果表明,(1)杭州市轨道交通站点根据客流特征可以被划分为6类;(2)杭州市OD客流预测的最佳时间粒度为10min,对预测影响最大的因素为站点之间列车标准运行时间、站点类型以及lagging特征;(3)基于XGBoost的短时客流预测模型精确度较高,对全网OD客流预测的MAE为10.5384、RMSE为21.159,相较于传统的三次指数平滑法有较大提升;(4)不同时间段内,客流加权网络特征有一定的差异性,重要站点序列排布差异性较大;(5)站点故障不影响列车通行类故障,在早高峰客流折损率大于晚高峰,且对相邻站点的影响与线路客流分布相关;站点故障影响列车通行类故障相较于对网络影响较大,杭州市轨道交通网络对此类故障的抗毁性低于前一类故障。