发展公共交通是缓解城市交通拥堵的重要措施,合理的城市公交需求预测能更加合理地进行公交规划,促进公共交通的发展。城市不同区域由于社会经济条件不同,其公交产生量也存在差异。为了解不同社会经济因素对公交客流产生量的影响,大多数研究者以公交站点为研究单元建立线性回归模型分析公交客流的影响因素,取得了良好的效果。但是,这些研究中的大部分公交客流数据是通过人工调查得到,费时费力。此外,对于一个城市级别的大区域来说,普通线性回归模型并不能解释影响因素在空间上的异质性。因此,本文运用公交大数据的融合处理技术,得到城市不同区域的公交客流量,通过建立地理加权回归模型,揭示公交客流影响因素的空间异质性。本文首先回顾了国内外有关公交客流影响因素的研究成果以及有关地理加权回归模型的应用研究。其次,对空间不均匀性理论、多元线性回归理论和地理加权回归理论进行了详细地阐述,为后文研究奠定理论基础。接着详细介绍了信息化条件下利用公交大数据获取公交客流量的过程,并将公交客流量以交通小区为单位进行整合。然后,处理得到建模所需的因变量和自变量数据。最后,分别建立普通线性回归模型与地理加权回归模型分析公交客流量的影响因素。研究结果表明,利用公交GPS与IC刷卡数据推断得到的公交客流量分布与实际情况相符,能够代表整个区域的公交客流产生量。地理加权回归模型的调整R~2大于普通线性回归模型,并能够解释各影响因素对局部公交客流量的影响。论文的创新点包括以下两点:第一,对于公交客流的获取,一般的获取途径是公交客流调查,本文利用公交大数据挖掘处理得到公交站点客流量并整合至交通小区层面。第二,本文在交通小区层面上利用地理加权回归模型分析公交客流影响因素,结果表明地理加权回归模型在拟合度上优于普通线性回归模型,这有利于提高对城市不同区域的公交客流预测。