随着经济科技的迅速发展,大中型城市中的汽车保有量越来越多,导致交通拥堵问题日益严重,大力推行公共交通有助于缓解城市道路交通拥堵。合理地进行公交车路线规划,让更多的人群方便出行成为关键问题。公交车路径规划的传统方法主要是依靠人力调查,虽然这种方法被证明是可行的,但费时费力,不能全面反映市民的出行需求,也不能适应城市的快速发展导致路网的频繁变化。由此基于浮动车数据的公交车路线的动态规划应运而生。出租车是智能交通规划的“专家”,通过对收集到GPS数据进行挖掘,可以得到一个城市许多隐藏的交通信息。根据收集到巨量的出租车GPS数据,本文提出一种夜间公交车路径规划方法。主要包括三个部分:首先,对采集到的数据进行预处理,包括GPS数据和GIS地图数据,采用一种对于低采样率数据具有较好性能的基于综合加权的地图匹配算法将GPS数据和GIS地图数据进行匹配,得到路段的平均时间、平均频次、平均速度和上下车记录数相对较高的“热点”区域和“热点”路径,形成“热点”路网。然后,在“热点”路网上利用聚集区的聚集和分离算法确定热点“路段”的候选车站集,当给出确定的出发地-目的地(O-D对)形成公交车路线集,根据现实生活中公交车运行的特点设定一系列规则把复杂的公交车路线集简化为有效公交车路线集简图。最后,为了弥补传统的手工方式在公交车路线集简图中统计出理想的公交车路线计算量过大的缺点,提出了一种基于朴素贝叶斯分类搜索算法自动生成理想的公交车路线的方法。为了克服基于朴素贝叶斯分类搜索算法训练集选取困难的缺点,分析了公交车车站间的载客人数和运行时间的关联性,对算法进行改进并提出了相关性启发式搜索算法。本文是采用北京市GPS数据和地图数据,通过仿真软件和编程软件编写程序进行了仿真实验,并在提出的算法间和经典的算法间从载客数量、运营时间、和所经过的车站数量等方面进行了对比,实验结果表明:(双向)相关性启发式搜索算法得到的路径综合考虑候选车站间的相关性,是在规定时间内载客量最多的最佳路径。