随着经济快速增长,我国城市化进程加速,导致机动车保有量亦快速增加,在给人们带来出行便利的同时,造成交通拥堵、交通事故和空气污染等城市问题,严重影响了城市的可持续发展。公共交通具有载客量大、人均占用道路资源少等优点,优先发展公共交通能够有效缓解交通拥堵等城市问题。随着车联网技术的发展,智能网联车辆逐渐被应用于实际道路中。通过智能网联车辆,能够获得多种多样的基础交通数据。基于此,本文利用卡尔曼滤波、车辆跟驰理论、车流波动理论等方法,预测公交车辆的运行速度、估计交叉口处混合交通条件下公交车辆前方的排队长度、预测公交车辆到达交叉口的时刻,进而提出混合交通条件下的公交信号优先控制方法,有助于丰富公交信号优先理论和推动公交信号优先应用于实际道路。首先,基于车辆运动学理论,建立多种运动场景下的卡尔曼滤波模型。考虑公交车辆与智能网联车辆在道路上列队行驶时的跟驰特性,利用跟驰理论,建立公交车辆速度预测模型,并对预测结果进行评估。结果显示,本文提出的预测方法绝对误差小于1m/s,相对误差小于1 0%,最大相对误差小于25%。然后,基于车流波动理论,建立信号交叉口排队长度估计模型。利用智能网联车辆轨迹数据信息构造极大似然函数,估计每个周期的到达率。结合前面的预测车辆速度模型,计算车辆平均到达密度和临界密度,估计不同交通状态下的交叉口排队长度,基于VISSIM微观仿真软件搭建仿真平台,对估计结果进行评价。结果表明,在不饱和交通状态下,当智能网联车辆渗透率达到40%时,最大排队长度的平均绝对百分比误差小于8%。在过饱和交通状态下,当智能网联车辆渗透率达到40%时,最大排队长度的平均绝对百分比误差小于9%,最小排队长度的平均绝对百分比误差小于6%。最后,基于预测得到的公交车辆速度及其前方的排队长度,结合智能网联车辆轨迹,建立混合交通条件下交叉口公交车辆到达时刻预测模型。采用红灯早断和绿灯延长策略,提出混合交通条件下的公交信号优先控制方法。以郑州市科学大道石佛村交叉口为案例进行分析评价。结果显示,在不同饱和度和智能网联车辆渗透率下,与无公交信号优先的方法相比,本文的方法可以明显地减少公交车辆人均延误和交叉口人均延误。在不饱和状态下,当饱和度由0.6增加到0:9时,公交车辆人均延误减少比例由59.96%减少到22.05%,交叉口人均延误减少比例由55.43%减少到16.96%。在过饱和状态下,当饱和度由1增加到1.2时,公交车辆人均延误减少比例由13.17%减少到3.74%,交叉口人均延误减少比例由9.72%减少到1.84%。