随着城市化进程的加快,城市人口规模的增加和私家车保有量的增长导致城市交通拥堵问题愈发严重。提升公共交通乘坐体验,吸引更多人优先选择公交出行是缓解城市交通压力的有效方法。为乘客提供准确的公交车运行时间信息是提升公交出行吸引力的重要举措之一,因此,本文针对公交车运行时间预测方法进行了一系列深入的研究。主要研究内容如下:（1）本文介绍了公交车GPS数据的基本信息,结合车辆运行速度分析了公交车运行特性,并对缺失数据进行了插值填补,对偏离运行路线的离群数据进行了删除,有效改善了原始数据的质量。（2）本文分别介绍了公交车站点停靠时间样本和站间通行时间样本具体构建方法,分析了在各时间段中站点停靠时间平均值和站间通行时间平均值以及各站点在不同时间段的站点停靠时间和站间通行时间分布。分别采用了历史平均法、指数平滑法、ARIMA算法、KNN算法、支持向量机算法、随机森林算法和XGBoost算法对站点停靠时间和站间通行时间进行预测。通过对比预测误差得到最优的预测模型。结果表明,在构建的单个模型中,随机森林算法对站点停靠时间和站间通行时间的预测均表现最优。（3）为了进一步提高站间通行时间预测精度,提出了多模型平均和Stacking思想的多模型融合方法将历史平均法、ARIMA算法和随机森林算法构建的站间通行时间预测模型进行融合,得到精度更高的站间通行时间预测模型。结果表明,本文提出的Stacking站间通行时间预测方法能够有效地提高站间通行时间预测精度。（4）通过随机森林算法建立的站点停靠时间预测模型和Stacking站间通行时间融合模型对公交车到站时间进行实例验证。假设公交车从某一站点驶出,预测其下游18个站点的到站时间,预测结果显示下游18个站点的预测误差均在两分钟以内。本文提出的公交车运行时间预测方法能够较好地满足乘客提前查询公交车运行时间的需求,为乘客提供更好的乘车体验。同时,本文研究成果也可以为交通监管部门和其他进行公交车运行时间研究的学者提供参考。