城市公交车辆的运行状态在城市动态交通环境下受社会车流、公交乘客、路口行人、信号灯等各交通组成部分的影响,在时间与空间维度均表现出极强的随机性。因此在在实际的公交运行调度管理中,使用更科学有效的预测方法提升对未来运行状态不确定性的把控能力,是提升公交运行效率和稳定性、实现更精准可控的高质量公交服务的关键手段。从实际工程应用需求的角度分析,预测模型的部署需要从预测能力和计算效率两个方面综合衡量,并且预测结果应提供更多的信息参考用于辅助决策。针对该问题,本文建立了一种基于基本图理论和Copula理论的公交到站预测数学建模方法,从动态性、多模式、随机性的角度揭示公交车到站行为的影响因素和预测机理,研发了以概率分布预测为核心的藤结构预测体系,并牺牲较小的预测精度换取更高的预测效率和实时预测能力。具体工作如下:首先,对以公交GPS为主的多模式交通数据进行离线批量路网匹配算法、浮动车渗透比率折算等方法对社会车流与公交车流状态参数进行估计,提出三维随机基本图理论重建随机速度-密度模型,分析路段混合交通流状态特征;其次,使用非参数核密度估计-ML方法构建二元Copula模型,把交通流的速度参数作为服从一定密度条件下的随机变量输入到四种Copula模型求解联合概率分布,分析公交速度与社会车速度的动态相关性结构,量化在不同混合车流密度下社会车速度对公车车速度的影响程度。最后,从二元Copula延伸到高维变量的联合概率分布求解,使用三种藤Copula结构构建了分布曲线预测模型,利用逆函数求解分位数预测区间。并对广州市黄埔大道的公交运行数据进行了混合密度-速度模型、多路段混合速度模型的案例分析,使用PICP和PINAW等评价方法完成模型预测精度的验证。实验结果表明,基于R藤Copula的多路段混合速度模型在计算效率和预测精度上都有较好的表现。