随着我国城市化进程的加快,城市交通拥堵问题越来越严重,已经严重影响到人们的日常出行。为了解决这一问题,2012年12月《国务院关于城市优先发展公共交通的指导意见》在国家层面确立了城市公共交通系统优先发展战略。公交调度是公交运营管理工作的核心。科学合理的调度,可以有效缓解运力和运量之间的矛盾,最大限度地平衡乘客和公交企业的利益。公交IC卡的普及提供了一种新的公交客流数据采集方法,公交IC卡数据可进一步用于公交客流实时分析和短时预测中。本文基于我国南方某城市的公交IC卡数据,对公交客流的时间分布特征进行分析,并构建模型对短时公交客流进行预测。本文主要研究内容如下:(1)介绍了公交IC卡数据的构成,阐述了公交IC卡数据分析的可行性以及应用。基于获取的公交IC卡数据,对公交客流的月、周、日以及小时的变化特征进行分析。研究短时客流变化特征,为客流预测提供依据。(2)基于公交客流的分布特征,将相邻时段客流、相邻天相同时段客流和相邻周相同星期日相同时段客流作为预测模型的输入。利用BP神经网络算法和粒子群算法优化神经网络进行短时公交客流预测。在建立BP神经网络预测模型时,对比分析不同网络输入、传递函数和隐层神经元数目,对模型进行优化,提高短时客流预测精度。同时,利用粒子群算法进一步优化BP神经网络模型。采用均方误差和平均绝对百分比误差来评价两种预测模型的性能,结果表明,两种模型都可以满足短时客流预测的要求,粒子群算法优化神经网络预测模型能够提高预测精度。