常规公交运行可靠性不仅是城市公交运行状态评价的重要指标之一,而且是乘客进行路径选择时考虑的重要因素。然而,当前在我国的大多数城市中,因高峰期间交通拥堵和公交运行环境复杂,导致了公交到站时间不确定、准时性差、串车现象严重等问题。日臻激烈的社会、经济活动促使人们时间价值的增强,乘客对公交出行时间可靠性提出更高的要求。因此,有必要预测公交到站时间,为乘客提供实时的公交运行时间信息以及合理的出行路径建议,提高乘客出行时间可靠性。本文以常规公交为研究对象,建立公交到站时间动态预测模型,提出基于预测到站时间的公交多路径搜索算法,并分析各公交路径的运行时间可靠性。具体研究内容如下:首先,通过对公交到站时间影响因素的分析,选取天气、日期、时段、路段运行时间等作为输入条件,建立基于粒子群优化的小波神经网络到站时间预测模型。利用公交调查数据对模型进行训练和测试,结果表明,相对于小波神经网络模型,本文所建模型有效提高了预测速度和预测准确度,表明该模型具有较好的可靠性及可行性。其次,在分析公交乘客出行决策基础上,提出基于预测到站时间的公交多路径搜索算法。该算法在传统K短路算法基础上,以换乘次数为约束条件,利用预测模型对路段运行时间进行动态调整,对于同一乘客,在不同时间段里,给出不同的公交出行路径,为乘客提供合理的出行路径建议。最后,从乘客的公交出行心理意愿出发,提出基于预期时间的公交路径运行时间可靠性分析方法,采用蒙特卡罗模拟仿真方法,结合具体算例对各出行路径时间可靠性进行分析,验证该方法的可行性和合理性。另外,通过敏感性分析研究乘客冒险系数、准时性系数、乘客可接受的相对延误阈值范围三个模型参数变化对运行时间可靠性的影响,为乘客选择出行路径提供参考依据。