近年来,随着公交优先发展政策实施和公交都市的建设,公交调度日益成为公交企业、行业管理部门关注的热点。公交发车时刻表作为公共交通运营的基础,其优劣不仅影响着乘客的出行,同时也影响着公交企业的运营成本。由于客流、路况等不确定性因素的影响,导致客流高峰期易发生同线路车辆服务间隔过长情况(或称断位),断位问题是公交行业管理中的重点监管对象,也是影响公交企业日常运营的痛点。为此,本文从客流和路况不确定的角度出发,对广州市实际数据进行了特性分析,并根据客流求和道路拥堵状况进行了公交运营时段划分,并采用随机规划方法建立了多目标发车时刻表模型,并进行了实例对比分析;对于车辆故障、交通事故等非常规因素导致的长时间断位情况给出了动态调整策略。首先,对城市公交服务体系进行了描述,并对公交调度系统及其存在问题进行了分析;然后对目前公交客流数据采集方式和客流类型做了对比分析,并利用公交IC卡数据和GPS数据分析了公交客流到站分布规律和行程时间分布规律;根据公交客流需求与道路交通拥堵状态的时变特征,采用K-means聚类分析方法,对公交运营时间进行划分。基于随机规划方法,在最大发车间隔和最小发车间隔的约束条件下,考虑乘客等待成本、线路准时率、公交满载率和公司利润等多个目标,建立了单路公交线路的发车时刻表优化模型。并采用了一种基于随机模拟将神经网络和遗传算法相结合的混合智能算法,求解数学模型。最后,利用广州市176公交线路实际数据求解该模型。对于车辆故障、交通事故、碰瓷等非常规因素造成的长时间公交车辆断位情况,本文提出断位异常情况下的动态调整策略。采用滞站调度和越站调度的方式,适当对原计划调度进行调整,使得调整后的车辆运营对后续车辆秩序的影响达到最小。结果表明,本文提出的发车时刻表模型能够很好的应用于公交实际运营中,证明了在不同时段采用不等发车间隔更有利于降低公交断位问题的发生概率,提高了总线运行的鲁棒性。