随着国民经济发展和交通强国战略的不断推进,绿色出行理念深入人心,公交出行逐渐被广大民众所接受。公交站点作为公交网络的基本单元,在城市道路网中广泛分布,站点服务时间的长短严重影响公交在整条线路的运行时间。对公交站台服务时间进行准确预测有利于公交信息的发布和智能综合调度。论文对公交站台服务时间进行研究,基于乘客上车耗时和站点候车人数对公交站台服务时间的影响因素进行分析,并最终建立公交站台服务时间预测模型。论文首先通过对IC卡数据进行分类,采用单因素方差分析法及Logistic回归模型对用户类型、站点类型、出行时段、节假日和天气类型五个影响因素进行显著性分析,并给出基于Logistic回归的乘客上车耗时预测模型。发现用户类型与站点类型对上车耗时呈正相关影响,出行时段及节假日对上车耗时呈负相关影响。各因素的影响程度排序为:用户类型、站点类型、出行时段、节假日。其次,将站点划分为休闲区域与工作区域两种,构建了九个影响因素,选取商业区与学校区作为典型站点,通过建立Poisson回归、NB回归、ZIP回归、ZINB回归来探索站点候车人数与各影响因素的关系。研究结果表明ZINB模型能够最好地拟合公交候车人数数据。商业区有显著影响的因素为:总线路数、实际时距、运行时间与雨天。学校区显著影响的因素为:总线路数、实际时距、运行时间、周末、车内人数以及前半时候车人数。最后,论文建立LSTM-RNN网络对公交站台服务时间进行预测,并根据是否考虑线路差异,建立两种不同的BP神经网络模型作为对比,选取西安市公交站点作为实例,结果表明,在预测的四组实例中,不论是在总体还是在各个时段上,LSTM-RNN的预测误差率始终最低,LSTM-RNN模型的MAE值最低可达2.52,MSRE值最低可达23.05%。