随着我国城市化进程的加快,城市交通拥堵成为制约城市发展的重要问题。近年来,社会各界都普遍意识到要靠发展公共交通来缓解城市的拥堵。公交出行具有方便、灵活、成本低的特点,承载着广大市民的出行需求。由于地面公交在运行过程中面临着偶然性和突发性因素的干扰,公交到站时间具有很大的不确定性,对于市民来说,公交出行的不确定性会影响乘坐公交出行的舒适度,降低乘坐公交出行的意愿。研究表明,公交到站时间是市民最关心的公交出行问题之一。随着自动车辆定位系统的普及,对公交车到站时间的预测成为众多学者关注的重要课题。公交车的运行过程分为站点停靠阶段和站间行驶阶段,为提高预测的准确性,对这两个阶段的时间分别提出模型进行预测。针对现有的路段平均速度计算方法所用数据来源单一的问题,提出基于数据融合的路段平均速度算法。该算法综合了车辆在行进过程中的全局因素和局部性因素,将多车路段平均速度与多车瞬时速度进行数据融合,得到综合的路段平均速度。实验结果表明,相较于速度积分算法,该算法的计算结果在平均相对误差、平均绝对相对误差和最大相对误差上分别减少了 7.29%、9.53%和 13.8%。针对现有的交通流速度预测模型主要提供点预测的问题,提出TFFS组合模型进行短时交通流速度区间预测。该模型通过时间序列对实时数据的线性规律进行提取并生成残差序列,利用模糊信息粒化生成残差序列的模糊信息粒,利用模糊支持向量机对模糊信息粒进行回归预测,最后将模糊信息粒的预测结果与时间序列的预测值进行合并,计算交通流速度的预测区间。实验结果表明,通过TFFS组合模型计算得到的预测区间能够较好地描述交通流速度的变化范围。本文采用GA-BP模型对站点停靠时间进行预测,将影响公交车站点停靠时间的因素作为变量输入模型,对站点停靠时间进行预测。最后将站点停靠时间和站间行驶时间的预测结果结合,得出公交车到站时间的预测结果。实验表明,在短距离预测中,本文提出的方法具有很好的实用价值。