随着经济社会的高速增长,城市居民购买的私家车数量也大幅增加,与此同时也带来了交通拥堵、资源不足等问题,我国城市道路交通出现的许多问题已经越来越成为影响现代化城市高速发展的重要因素,研究公交车辆的行程时间预测可以帮助提高城市公共交通系统的运行效率,降低公交车的运营成本,同时也是智能公交系统的重要发展方向。为了改善城市道路公交系统的服务质量,缓解城市道路交通资源的压力,许多科研人员对公交车的行程时间预测展开了大量的调查和钻研。本文首先介绍了公交车行程时间预测的研究背景及现状,然后介绍了常用的一些预测模型。针对其中存在的一些问题,本文主要做了以下工作:(1)本文将公交的行程时间分为站点停靠时间和站间路段行驶时间,对于站间路段行驶时间以前的许多研究一般都是根据目标线路公交的行驶信息建立预测模型,而在时间数据采集方面没有很好地考虑到突发性事件、公交车自身行驶区别等带来的差异,本文提出了以目标线路公交出行时间为基础融合其它线路公交信息的数据预处理方法,很好地处理了单一线路公交不足以反映实时道路交通流的问题,提高了预测结果的准确性。同时对于站点的停靠时间本文使用了改进K-means聚类算法对公交的历史停靠数据依据站点进行了聚类处理。(2)对本文提出的卡尔曼滤波算法与指数平滑法两个预测模型的基本内容进行了详细的描述,并根据两个算法各自的特点提出了卡尔曼滤波算法与指数平滑法的组合模型来预测公交车的行程时间,对两个算法相结合的优势、组合原理以及组合方法进行了详细的说明。(3)本文选取236线路公交行驶路线中的长江街泰山路站到北方医院站为实验路段,对中间的沙河子小区和第九印刷厂两个站点的停靠时间做了聚类分析,同时对站间路段行驶时间的预测中融合了190路和106路公交信息,并通过实验验证了多线路公交信息融合以及卡尔曼滤波与指数平滑法组合模型的预测准确度更好。