随着社会经济的快速发展,出行代步工具的应用越来越普及,这也导致城市交通问题日益严重,甚至已成为制约国民经济发展的瓶颈。因此对交通需求预测的研究具有重大意义。当前对交通需求预测的研究中应用最为广泛的方法是四阶段法,但其各个步骤通常采用的传统数学模型缺乏对实际出行个体异质性和交通环境动态性的考虑,因此它们不能满足多种不同交通情境下的交通需求的预测,且其精确性仍然有待提高。为了克服传统数学模型的这种局限性,本文提出了一种基于计算实验的公共交通需求预测方法。本文详细介绍了基于计算实验的公共交通需求预测方法的主体框架,该框架主要由交通调查、人工交通系统和计算实验三大部分组成。在交通调查中,除了传统的路边交通调查,本文还提出了一种面向个体的交通调查,以此更加深入地探究出行个体的交通出行行为模式。在人工交通系统中,本文采用基于Agent的建模方法分别对出行个体、出行交通工具和交通环境三大主体进行了建模,其中对出行个体的建模中引入了BDI模型来实现在不同交通情景下异质性出行个体结合自身交通需求、习惯偏好和外界信息对交通选择的决策过程的推演。本文将计算实验按照实验目的分为特定交通情境下的交通需求预测计算实验和探索发现交通需求中隐藏规律的计算实验这两大类进行设计和执行。本文以华中科技大学校车系统为案例,进行了多次交通调查以获得交通数据,并使用Anylogic软件搭建了人工交通系统,在该系统上执行了多次计算实验,与同研究时段内的实际交通调查数据相比,验证了本文提出的基于计算实验的公共交通需求预测方法的精确性和可行性。在此基础上,本文还实现了对多种不同交通情景下的交通需求预测,探索了各类影响因素对交通方式划分的影响水平,并对案例系统内的校车分配方案提供了决策支持。