作为城市系统的重要组成部分,公共交通系统正发挥着越来越重要的作用。智能交通系统的发展,特别是先进的出行者信息系统的发展,使得为出行者提供更加高效快捷的公共交通服务成为可能。通过高效的满足出行者的出行需求,引导出行者按最优路径出行,可以减少出行者的时空成本,另一方面也减少了城市公共资源的消耗。随着通信技术、地理位置采集技术、数据处理技术在交通系统的广泛应用,如何确定出行者最优的出行路径越来越受到国内外研究者的重视。本文先通过对部分城市的居民出行数据分析,得出了城市出行者出行规律及出行需求,并对出行者可接受的出行换乘次数,出行路径选择要素,公交站点候车时间等方面进行了具体分析,总结出乘客一般出行可接受的路径条件。在公共交通系统中,实时信息的获取使得出行者有可能更加精确地确定出发行程时间,选择出行时间短的路径。在这个过程中存在一个关键问题是公交车行程时间的预测,行程时间能否准确预测直接影响提供给出行者的路径建议是否准确。本文对神经网络预测中涉及到的各参数都进行了对比分析,最终得出一个综合考虑精度和预测时间的神经网络模型。本文在出行者出行路径选择算法上,给出了基于实时信息的优化路径算法,构建的公交网络中包含了公共自行车系统等多种公交方式。算法共分为两个部分：预先计算和实时搜索。在预先计算中,对给定的公共交通网络,应用改进的K短路算法,计算所有潜在出行节点之间距离的K短路。在实时搜索中,根据出行者实际需求及预测到的公交车行程时间,给出出行时间最短的出行建议集选取策略。同时考虑到实时系统失效时的替代方法。在算例分析中,以地理空间数据及公共交通系统数据为基础,开发了公交查询系统,实现了基于实时信息的出行线路选择功能。使为出行者提供有效的出行指导成为可能,验证了本文理论的实用性。