突如其来的新冠感染疫情似乎给正常的社会秩序以致命一击,打破了社会生产和生活的原有平衡,作为城市运转大动脉的公共交通亦难逃厄运,在严峻的疫情大环境重压之下遭受严重冲击。随着全民防疫意识的提高和管控策略的持续有效,整体疫情得到了良好的控制,复工大潮接踵而至,公共交通逐渐恢复正常运行,城市也渐渐复苏。然而,后疫情时期公共交通后遗症逐渐凸显:公共交通需求粘性黏性不高、回暖乏力,公交公司持续严重亏损、信心丧失,难以预料的输入性风险不断流入、防不胜防,疫情感染风险沿线蔓延、小区域爆发成为可能,运营调度模式僵化、资源浪费严重等问题不断涌现。为此,本论文围绕公共交通在后疫情时期暴露出来的若干问题进行研究和讨论,并完成了需求演变分析和预测、随机输入输出风险定量评估等工作,并以此为基础提出后疫情时期公交调度策略的优化思路,结合乘客OD（Original-Destination）数据与公交区间行程数据完成算例分析。本论文的主要研究工作有以下几个方面:第一、基于排序熵的需求演变分析以及改进预测模型的构建。本论文提出了基于排序熵的公交需求随机性度量方法,以疫情影响前后公交站点需求时间序列为例计算排序熵值,验证排序熵在本论文研究场景下的适应性;提出一种基于排序熵的非平稳时间序列的状态空间改进模型,该模型通过对时序数据进行分解、建模和参数辨识,从而完成预测。研究结果表明:本论文所提出的排序熵度量方法可以较好地运用于公共交通需求演变分析中,并且通过与传统状态空间模型对比表明,所建立的改进预测模型具有更高的预测准确性。第二、基于随机微分方程的随机输入输出风险评估模型研究。本论文提出了以公交站点为进出口环节的公交系统输入输出风险理念,并据此作了阐述。依据传染病动力学模型、感染率风险模型及随机微分方程,完成了随机输入输出风险模型的构建,并完成了区间输入输出风险模拟、对单条公交线路模拟和以公交站点为中心多线路模拟,仿真结果显示:疫情感染风险点分布明显,存在着显著的点扩散特征,通过平-高峰期的对比,初步验证了客流情况、行程时间等因素在风险扩散过程中的作用。第三、基于敏感性分析和遗传算法的公交调度策略优化分析。本论文提出一个着眼于线路感染风险的评估指标,分析了随机输入输出风险模型中部分参数的敏感性,分析结果发现:对于单因素敏感性分析来说,发车间隔的改变对于线路感染风险的影响不大,而乘客需求、满载率和防护力度等因素对感染风险有很大的影响;考虑到分散乘客以降低需求和满载率本质上都可以通过发车间隔来调控,据此,提出建立以乘客等车成本、公交运营成本以及线路感染风险最低为目标、以满载率和发车间隔为约束条件的多目标公交调度模型对发车间隔进行优化,以苏州市313路公交线路为例,利用遗传算法对模型进行求解,得到各时段的发车间隔,并将优化前后的成本和感染风险进行比较,对比结果发现:优化后的线路总成本降低16.9%,感染风险降低32.3%。