随着社会经济水平的持续快速发展和城镇化进程的逐步加快,中国越来越多的一线及部分发达二线城市出现了越来越严重的大城市病,主要体现在城市拥堵和空气污染两大块问题,并存在愈演愈烈的趋势。发展绿色交通,提倡集约化公共交通出行是国际公认的缓减大城市病的一剂良方,北京市“十三五”时期交通发展建设规划中更是明确提到要推动公交都市的建设。反观公共交通出行现状特征,普遍存在着公交出行比例较低,服务水平较差的问题。若想从根源上提高这两项,改善客流出行结构,分析和研究客流在公共交通系统内部的传播和分布机理则存在重要的意义。因此,本文通过对公共交通大数据的深入挖掘与分析,研究了公共交通多模式情景下的路径选择问题,对于分析乘客路径选择行为的理论具有重要意义,对于应用大数据提高公交智能化决策具有一定的借鉴意义。本文首先对北京市某工作日刷卡数据进行了针对性的数据清洗融合工作,得到精确度较高、可用性极强的各类客流出行数据。之后,选取出发时刻,出行目的,出行起讫点三参数作为人群分类的关键因子输入C&RT决策树进行分类,借用分类器的框架和参数阈值搭建了本文的人群分类器,随后选取出行时长等八个路径参数指标对各类人群的路径选择结果进行了全面的特征分析,得出各类人群公交出行路径选择结果迥异的结论。在此基础上,将人群分类三参数作为输入端,选取出行时效性,出行经济性,出行准点性作为输出端搭建了BP神经网络参数预测模型,并借用“距离”的概念进一步搭建了路径选择模型。随后,分别从原理方法和实例计算方面阐明了本文搭建模型方法的准确性和可行性。最后,归纳总结本文的主要结论,指出了未来有待进一步研究的方向。