随着国民经济的不断发展,人均汽车拥有量不断提高,与之带来的是城市机动车保有量持续增长。然而现有的交通基础设施的建设速度和规模不能满足日益增长的城市交通的需要,供需矛盾突出,使得城市的交通日益拥堵。要解决城市交通问题,需要发展城市公共交通。现阶段,在很多中小城市,常规公共汽车是公共交通的主要组成部分。常规公共汽车是覆盖面最广、运行线路最多、乘车费用最低的一种解决城市居民出行的最好方式。然而现阶段在很多中小城市,常规公交的出行比例不高,公交对居民出行的吸引力较低。究其原因主要是由于常规公交车到站时间不确定,准时性较差,乘客需要等待未知的时间,需要时刻关注到站的车辆信息,公交信息发布较落后,出现“伸脖子”等公交的情况。乘客容易出现焦急的等待情绪,或者直接改换其他交通方式出行。因此,准确实时的公交车到站时间预测可以提高中小城市居民公交出行的比例,提高乘客乘车的满意度,提高城市公交的服务水平,对解决交通问题具有重要意义。本文首先分析公交车到站时间的运行特性及影响因素,把城市公交车辆到站时间分为三部分,分别为路段行驶时间、站点停靠时间、交叉口延误时间。针对这三部分的运行特性和影响因素进行分析,选取公交车到站时间预测的因素。针对公交车运行产生的GPS数据,设计数据处理的算法和公交车线性匹配的算法研究,得到公交车运行数据。通过对国内外常用的几种公交车到站时间预测理论进行分析研究,为本文建立的模型奠定了理论基础。本文模型的提出,首先是在获得一定量的公交车到站时间分析和数据的基础上,利用公交车辆车载GPS历史信息和实时的信息,对其进行处理,进而获取公交车运行的历史到站时间和实时的运行速度及车辆位置等信息;第二步在分析公交车运行特性的基础上,建立公交车在路段上的运行时间、站点停靠时间、交叉口延误时间的时间模型。第三步利用卡尔曼滤波在短期预测中高精确性的优点,将其用于公交车下一站到站时间的预测,基于前期的工作建立基于公交车GPS信息的到站时间实时预测模型;最后把公交车到达上一站的实时时间和预测时间等信息作为卡尔曼滤波的输入,利用卡尔曼滤波递推方程预测公交车到站时间,从而建立基于卡尔曼滤波的动态实时的公交车到站时间预测模型。为验证所提模型,本文选用了Almaty市三条各具代表性的公交线路进行模型的实例验证。通过采集92路、60路、44路的公交车运行十一天产生的GPS数据,以及对这三条线路的公交车实际运行时各站点到发时间,进行的跟车采集数据。对获取的GPS数据按照本文介绍的方法进行处理,得到公交车运行的时间信息、速度信息、位置信息等。采集实例对本文所建的公交车到站时间预测模型进行验证,采用平均绝对误差和平均绝对误差百分比作为误差分析的指标。通过对模型预测结果和实际数值的对比分析,利用误差评价指标来评价得到的结果,得出结论:在这三条不同特征的线路上,公交车到站时间预测,不论高峰期还是非高峰期都有比较准确的预测效果,预测的精确性都达到90%以上。因此本文所建的预测模型具有较高的预测精确性和适用性,模型运行更简单,实时性效果更好,可以用于城市公交车的到站时间预测。对本文所建的预测模型,本文对信息发布的流程进行了论述,通过多渠道面向乘客进行发布出去,使得研究成果可以更好的实现其应用价值。