随着我国经济持续增长,城市规模和人口规模不断扩大,居民汽车保有量大幅增加。道路越来越宽,交叉口越来越复杂,但基础设施建设的速度还是赶不上交通发展的步伐。城市交通供给与居民的出行需求矛盾突出,拥堵严重。然而,由于城市道路经多年反复规划使用,在空间上已无太大拓宽潜力。缓解交通问题需要利用有限的空间发挥最大的运能,公交是解决交通问题的有效方法之一。同时,信息技术发展日趋成熟,通过技术手段可以得到丰富的交通信息,将其应用在公交控制系统中达到更好的控制效果。现实中,大多数公交车辆与其他社会车辆共用道路,处在时刻变化的交通系统中,只有采集动态车辆信息,更准确的预测公交行程时间,才能制定更优的公交控制方法,把对其他社会车辆的影响降到最低。另一方面,公交在交叉口的延误远大于在路程上的延误,本文以减少公交在交叉口的人总延误为目标,建立基于行程时间预测的公交优先控制方法,主要研究内容有以下几部分:首先,论文对公交行程时间和公交优先控制的国内外研究现状分别进行了综述,在此基础上,介绍了公交优先的概念和内涵以及实施公交优先的好处。详细阐述了公交优先的类别和三种主要方法:主动优先、被动优先和实时优先。分析了优先控制方法的原理和适用条件。其次,论文分析了公交优先控制需要采集三方面的信息:公交车辆运营信息、其他社会车辆信息和乘客信息。比较信息采集各种方法的原理及其优缺点,建立信息采集与处理的系统框架。重点提出基于RBF神经网络的公交行程时间预测模型,并用实例验证模型,结果表示该模型预测公交行程时间的精确度较高,能够用在公交优先控制的行程时间预测环节。再次,论文在公交优先控制的三种优先控制方法基础上,对各方法造成的交叉口人总延误进行计算,以交叉口人总延误为评价指标,建立效益目标。对策略方案下的配时参数进行研究,确保优先控制方案能使交叉口获得总体效益最优。最后,论文以重庆某交叉口为实验对象,利用采集到的现实数据预测公交行程时间后,将公交优先控制策略下的交叉口的运行效益与原始配时效益作比较,优先控制策略的人总延误更小。证实了RBF人工神经网络能更准确的预测公交行程时间,同时,基于行程时间预测的公交优先控制模型能提高公交在交叉口的运行效率,优化交叉口的人总延误。