伴随着城市化进程的不断加快,机动车保有量急剧增加,交通拥堵问题日益严重。研究经验表明,优先发展公共交通,科学合理的制定公交运营调度方案是解决城市交通拥堵问题的关键措施。公交客流信息是公交运营管理部门进行公交规划、制定调度方案的基础信息,公交系统管理者准确高效的收集到公交客流信息才能为方案制定提供保障。现阶段我国在客流信息采集方面运用人工调查法较多,此种方法成本高、不能反映公交客流的长期变化特征。随着公交IC卡技术的不断发展和完善,利用公交IC卡数据采集方法收集客流信息已经逐渐成为主流的信息采集方式。公交IC卡数据采集法方式简单,所得数据包含信息全面,成本低,并且不受时间限制,能够为研究公交客流的长期变化特点提供数据支持。本文的研究基于青岛市公交IC卡刷卡数据,从原始刷卡数据入手,针对公交IC卡数据预处理、公交出行特征解析、公交短时客流预测方法展开了研究,具体研究内容如下:首先,研究了公交IC卡数据结构以及预处理方法。以青岛市公交IC卡数据为基础,对数据结构进行分析并探讨公交IC卡数据预处理方法。其次,对公交客流出行特征进行研究。基于青岛市公交IC卡一周刷卡数据,从公交客流出行时间特征和不同群体的出行特征两个方面进行分析,具体包括单日客流出行特征(工作日和周末),分时段客流出行特征(早高峰、平峰、晚高峰),老年卡群体、学生卡群体、普通卡群体出行特征。然后,研究了公交短时客流预测方法,结合公交客流数据的动态变化和非线性特征,分别选取了ARIMA模型即差分自回归移动平均模型、NARX神经网络模型即非线性自回归神经网络模型进行研究,并在考虑上述两种方法不足的基础上采用遗传算法改进了NARX神经网络模型,得到了GA-NARX神经网络模型,确定了公交短时客流预测研究所使用的模型。最后,进行了实例验证及对比评价。选取了青岛市一周的公交IC卡数据,分别建立了ARIMA模型、NARX神经网络模型、基于遗传算法改进的NARX神经网络模型即GA-NARX神经网络模型对短时公交客流进行了预测,对三种模型的预测精度、误差进行分析并对比三种模型的预测结果,结果表明:三种模型中,基于遗传算法改进的NARX神经网络模型在公交短时客流预测方面精度最高。