公交车辆调度是影响公交系统运行效率和服务水平的主要方面,是智能公交系统研究的核心内容,利用大数据对公交车辆动态调度不仅节约人力资源,更能满足乘客需求,提高公交出行的吸引力,同时保证车辆的满载率。为了实现杭州公共交通的智能化车辆调度,本文从公交GPS定位数据和视频监控统计数据出发,建立公交到站时间预测模型、公交站点客流预测模型以及发车频率优化模型。预测公交到站时间,使用欧式距离公式以及公交车速度大小计算公交车到站信息,再根据公交车历史数据预测公交到站时间,取用的方法为BP神经网络算法。预测公交站点客流,根据视频采集的公交车上下车乘客数统计各站点处随靠站时间和靠站间隔变化的上车率和随靠站时间和断面通过量变化的下车率,并预测出不同线路不同站点不同时间段的上下车乘客数,预测方法为指数平滑法。合理安排公交车辆发车频率,通过建立目标函数实现减少乘客等待时间、提高公交车利用率、增加公交车公司的盈利,在有多种约束的情况下,通过加权得出最终目标函数,使用改进遗传算法得出最优解。线路发车频率的目标为乘客的平均候车时间达到最小,以及公交车的平均每趟运客量达到最大,同时还要满足各班次间的最大断面通过量标准差最小,将取最大值的目标化为求最小值,三者通过加权求和,综合计算目标最优。文章从多个方面改进了遗传算法,包括精英协同进化、自适应概率、模拟退火算法还有染色体编码方式,通过实例MATLAB仿真将这些改进逐步运用到公交车发车时间安排上发现结果在不同程度上变好,在收敛代数上逐渐降低同时最优适应度值也在降低。