在交通强国的政策下,交通行业飞速发展,城市轨道交通建设作为缓解道路拥堵问题的重要方案,正加快实现“从建设向经营转变,从高速发展向高质量发展转变”。目前,大数据、云计算等技术手段在数据分析和推演方面表现出巨大优势,改变了传统的研究方法。为满足轨道交通管理者制定列车计划、组织乘客运输等日常工作需要,本文研究轨道交通线网短期客流分布特征,基于自动售检票系统和天气系统的数据,利用长短期记忆网络预测未来一周的站间客流,运用乘客路径选择及网络分配模型获得客流在网络中的分布情况,具体研究内容包括:（1）利用自动售检票系统历史数据分析客流在时空分布上的波动性与相关性特征,从运营时间、土地利用性质、天气因素等方面定性分析起讫点（Origin Destination,OD）客流影响因素,从出行综合效用方面定性分析影响网络客流分配的因素。（2）分析目前运用较为广泛的各类客流预测模型的优势及适用条件,选出适合轨道交通客流预测的长短期记忆网络。运用线性回归法分析各因素对客流的影响程度,将筛选出的因素作为特征值改进模型输入,从而建立了基于长短期记忆网络的轨道交通短期站间OD预测模型,该模型可预测未来一周的OD客流。（3）以图论为基础建立轨道交通网络,用节点和弧分别表示轨道交通车站及区间,在网络建模过程中提出了虚拟节点和节点属性标识,解决了路径搜索中的绕行路径问题,进而提出更完善的有效路径判断规则。（4）分析影响乘客路径选择的主要因素,以旅行时间为基础计算路径广义费用,同时考虑换乘次数、换乘时间和拥挤程度对广义费用的影响,在此基础上提出了随机用户平衡条件下的网络客流分配模型。（5）利用Python3.7构建运行环境,以苏州市为例验证轨道交通短期站间客流预测模型及网络客流分配模型,并进行线网客流特征分析。结果表明,本文提出的方法在研究轨道交通短期客流分布方面具有一定的实际应用价值。