优先发展公交可以有效地解决日趋严重的城市交通拥堵问题。近年来,随着政府对公交优先发展的重视,以及“公交都市”政策的实施,如何提高公交调度水平、公交服务质量已然成为公交公司与行业研究人员关注的热点。在公交线路实际的运营中,首末站会存在长时间内没有车辆资源执行行车计划的问题,这种情况即为公交服务的中断。公交服务的中断,一方面会损坏公交企业形象与增加企业管理难度,另一方面会造成站点乘客候车时间过长的后果。可见,服务中断问题的解决对公交服务质量的提高非常重要。为此,本文从公交企业与乘客利益两方面考虑,建立免于服务中断的多模式调度模型,并根据广州实际公交数据对调度模型进行分析。首先,根据广州市176线路的实际刷卡数据与GPS数据,分别对站点客流到达规律、公交行驶时间进行分析,并将分析得到的结果输入到eM-Plant仿真模型。根据仿真模型统计得到的指标,分析出该线路在早晚高峰期间出现较为严重的公交服务中断问题。其次,预测公交车辆的返场时间是解决公交服务中断至关重要的一步,本论文利用卡尔曼滤波方法来预测公交车辆总行程时间,从而预测车辆的返场时间。在此基础上,建立公交服务中断预判方法。然后,从客流到达站点随机性与路况不确定性的角度出发,建立基于随机客流与行程时间的公交时刻表模型;并在此模型基础上,加入区间车、快车模式,建立免于服务中断的多模式调度模型。并采用神经网络和遗传算法相结合的混合智能算法,求解调度模型。最后,利用eM-Plant软件对广州市176线路建立仿真模型,输入站点乘客、行程时间、发车时刻表等数据,模拟该线路的运营与公交服务中断的发生,对调度方案进行实例分析。在仿真模型里面,统计车辆轨迹与乘客等待时间等方面数据,以便对调度方案进行评价。结果表明,本文提出的多模式调度模型能够有效地解决公交服务中断问题,并使得站点乘客平均等待时间下降了11%,保证了服务的连续性,提高了线路运营的稳定性。