公交车辆串车与大间隔问题严重影响公交系统的服务可靠性，是乘客和公交运营公司都非常关心的问题，对该问题进行研究具有重要的意义。论文首先给出了串车与大间隔的定义，分析了串车与大间隔的具体危害，提出了一种基于到站时间的判断串车与大间隔的方法，并用一个实例进行了验证；接着，论文从宏观与微观两个层次建立了公交车辆串车与大间隔问题的成因分析模型；进一步的，建立了一个基于GPS数据的解决串车与大间隔问题的动态反馈控制模型。在此基础上，论文设计并实现了从GPS数据中提取出所需数据和数据的插值处理的方法，根据两点经纬度计算实际地面距离的方法，得到了公交车辆的详细运行数据。随后建立了BP人工神经网络预测模型，使用样本数据来训练神经网络，利用实时GPS数据对后续车辆间隔进行预测。最后，论文对北京公交16路实际采集来的680组数据进行了实证分析。聚类分析的结果表明车辆间隔与前后车辆的车速因素最为相关。BP人工神经网络的预测结果表明所建立的预测模型具有比较好的预测效果。根据预测的结果，实现了对车速的反馈控制，有效地预防了串车大间隔的发生。