近年来,随着我国社会经济的快速发展和城市化进程的不断加快,人们的出行需求越来越大,人均私家车保有量持续快速增长。随之而来,交通拥堵加剧、空气污染加重、交通事故频发等由于城市道路交通而引发的社会问题日益凸显。针对这一问题,鉴于城市公共交通具有载运能力大、环境污染少、资源消耗低、集约高效、方便、快捷、安全等诸多优点,已被普遍认为是解决我国城市交通问题最有效的方法之一。其中,以信息化为基础,促进乘客、车站设施、行驶车辆以及交通环境等多个相关要素之间进行良性高效的互动,加快推动智能公共交通系统的建设,支持广大乘客合理安排出行计划是一个重要研究方向,而实时准确的公交车到站时间预报是智能公共交通系统建设的重要内容之一,同时也是提升其服务质量的重要体现。基于上述背景,我国城市智能公共交通系统建设取得了快速发展。其中在公交车到站时间预测方面,一方面国内外学者开展了大量研究,形成了比较丰富的理论和实际应用成果。另一方面部分城市通过在部分线路上试行公交车到站时间预测而取得了良好的社会经济效益,从而受到了大众的广泛欢迎。但是,就总体研究和实际应用效果上来看,由于公交车行驶过程受到诸如天气、站点分布、车辆状态、驾驶员和乘客的驾乘习惯,以及特殊事件干扰等多种因素的影响,多数情况仍存在预报时间不准确问题,仍有许多问题亟待开展进一步的深入研究。针对这一问题,本文以某城市公交车运行数据为基础,围绕提高公交车到站时间预测准确度开展了相关研究,主要研究内容包括:(1)对国内外公交车到站时间预测的研究现状进行了文献整理,在此基础上,分别对公交车停靠站过程、站间运行过程及其主要时间影响因素进行了深入分析,采用定量方法得出了公交车不同时段内的行驶时间分布规律、同日同时段内的行驶时间分布规律和历史同时段内的行驶时间分布规律,据此得出了公交车到站时间的总体分布规律。(2)根据公交车行驶过程及其到站时间影响因素分析结果,设计了一种基于外部特征的公交车到站时间预测模型总体框架,将公交车到站时间预测划分为停靠站时间预测和站间运行时间预测两部分。在公交车停靠站时间预测模型构建方面,提出了一种基于改进粒子群算法的支持向量回归停靠站时间预测方法。在该方法中,结合网格搜索算法与随机惯性权重策略,完成了支持向量回归的参数寻优。在公交车站间运行时间预测模型构建方面,提出了一种基于外部特征的长短时记忆网络站间运行时间预测方法,在该方法中,将主要影响因素纳入特征选择考量范围,构建了特征数据集,在此基础上对模型进行了训练,并通过函数选择与网络结构两个方面对其进行了优化。(3)基于上述研究内容,以某市某号公交线路为例,利用公交车真实运行数据,结合多组实验对提出的组合预测模型进行实验验证,实验结果表明本文所提出的公交到站时间预测模型在预测准确度上有良好的实际应用效果。