公交是城市公共交通的重要组成部分,客流量是公交运营、调度及线路规划的基础性数据。提前预知公交客流量值或变化趋势能够帮助公交管理部门进行科学的公交运营及调度,因此充分掌握客流量的变化规律以及对未来客流量的预知有着重大的实用意义。随着科技化和智能化的飞速发展,传统公交数据处理系统不能对历史数据进行智能化计算和分析,渐渐不能满足调度的实际需要。由于不能掌握未来客流量变化趋势导致公交线路规划不合理、资源未能得到充分利用,部分线路公交资源浪费严重,乘客满意度降低。为了有效解决公交客流量预测不准确的问题,本文对公交客流量的分析和预测展开了深入的研究。在广东省真实客流数据的基础上,分析客流周期性,天气及节假日等因素对客流量的影响,得出公交客流具有时变性、不确定性、复杂性和海量性。由于粒计算(Granular Computing)在处理公交客流这类数据时具有独特的优势,并能弥补传统的支持向量机在处理大样本数据时的局限性。因此创新性提出将粒计算理论与支持向量机相结合对公交客流量预测。在运用粒计算理论对公交客流量的预测中,本文提出将粗糙集与支持向量机相结合的预测模型,运用粗糙集的属性约减算法删减冗余属性,继而应用支持向量机回归预测模型对指定时间段的客流量进行预测。通过仿真实验证明,该模型与其他预测模型相比,降低了样本的复杂度,提高了预测准确度。在预测客流量变化趋势方面,提出运用模糊粒化算法先将样本数据粒化成较粗的粒子,并与支持向量机相结合预测一段时间内客流量的变化范围,仿真实验结果表明该模型能够对未来时段的公交客流量变化区间进行准确的预测。