“十二五”以来我国各大城市均倡导以公共交通为主导,公交优先的城市交通发展模式,出行便捷性、快速性、准点性、舒适性等作为影响居民方式选择的主要因素,成为城市公共交通亟待提升的服务指标。基于历史客流规律对城市公共交通网络、各线路、全站点的客流预测一方面将指导中长期线网规划,交通基础设施建设,有效改善城市公共交通供需不匹配问题,提高出行便捷性、快速性以及舒适性。另一方面精准的短期客流预测将为城市交通管理部门客流组织提供数据支撑,以对重大事件、节假日、恶劣天气等造成的突发大客流及时做出预警,提升出行准点性。以往的客流预测基于客流专项调查或居民出行调查的数据,样本量相对较小,数据采集周期长,难以适应城市交通管理部门对客流预测的实际需求。在数据技术与智能交通不断发展的时代背景下,本文提出大数据挖掘的城市公共交通客流特征分析及预警系统设计课题,以充分应用数据挖掘技术提升城市公共交通智能化管理水平。首先,本文基于深圳公交IC卡出行记录数据融合深圳常规公交车GPS数据,提出城市公共交通出行数据估测算法,以解决大规模历史客流数据难以获取的问题。其次,结合城市气象数据、国家法定节假日、重大事件等数据,分析影响城市公共交通出行的外部因素,并提出基于天气数据、节假日及重大事件的混合客流预测模型,该模型不仅能反映城市公共交通客流量的时间分布特征,同时充分考虑影响居民出行的各因素对客流的扰动,该模型预测的均方根误差平均下降13%。计算结果表明气象数据中,气压、温度等因素对客流的影响极为显著,节假日对客流的时间序列影响同样明显。最后,基于文本的混合预测模型依托大数据平台,构建了深圳市公共交通客流预警系统,系统可对未来一定周期内线网客流量进行预测,同时对出现异常大客流的线路、站点等提出预警信息。该系统应用于城市交通管理部门客流监控,为客流组织提供数据支撑,能有效提高城市公共交通系统对突发异常客流的应急能力,提升市民公共交通出行服务水平。