为了增加出行乘客对公共交通的关注度,提高城市公共交通的服务水平,国内外许多学者对公交车到站时间的预测进行了大量研究,以往文献对公交车行程时间预测算法的研究多针对于单一公交线路信息,由于公交车的发车存在时间间隔,并且交通数据监测设备不一定能覆盖到所有路网,单一线路提供的信息不足以反映路段的实时交通情况,导致预测结果的实时性不高,以往学者对于公交车在站点停靠时间的细化研究较少,公交车驶入站点时刻和驶出站点时刻界定不清晰,影响了预测结果的精度。针对以上不足,本文提出了含有多站点的相似路段的公交车行程时间预测方法,基于划分的相似子路段,考虑路段具有路况相似性的特点,使用融合多线路公交车信息的卡尔曼滤波算法预测公交车站间行驶时间,并对公交车的站点停靠过程做深入分析,使用聚类算法对公交车进出站点的时间进行了聚类,得到了站点对应时段的停靠时间,最终预测公交车在道路上的行程时间。本文具体工作如下:(1)分析公交车站间行驶时间的影响因素,定义相似路段的概念并对公交线路进行路段划分,相似路段具有相似的道路通行能力,在相近时段,考虑不同线路的公交车在相似路段行驶的车速彼此间存在关联性,使用多线路前车信息对卡尔曼滤波算法进行改进,预测公交站站间行驶时间,使公交车到站时间预测结果的实时性提高。(2)相似路段中包含多个公交站点,针对站点延误时间进行研究,详细分析公交车的站点停靠过程,对公交车的进出站时刻做出界定,将公交车开始减速进站时刻到加速出站至正常速度时刻作为公交车的站点停靠服务周期,分析公交车在运营时段停靠时间的规律,使用聚类算法对其进行聚类划分,获得站点对应时段的停靠时间,最终预测车辆在路段的行程时间。(3)本文选取沈阳162线路和299线路作为预测算法模型的实验线路,两条线路各划取了一段相似路段进行基础数据采集并进行实验,实验结果验证了算法模型具有更好的实时性和可靠性。