随着城市现代化的发展,城市交通压力也越来越繁重,“优先发展公共交通”已经成为共识,也是解决城市交通问题的根本途径。在如何发展城市公共交通的问题中,科学合理地制定城市公共交通规划方案以及运营中优化管理非常重要。公交客流预测是城市公共交通规划设计中的一项基础工作,是进行公交线路与站点设计的主要依据,同时也是城市公共交通运营排班的重要参考因素。但是,现有的公交客流预测方法主要以历史客流数据为计算依据,一般不考虑城市路网结构、人口密度分布等空间特征。虽然计算简便,但由于忽略了地理要素对客流的影响,预测精度很难提高,已经越来越难以满足未来城市公共交通更加精准高效以及人性化、智能化的发展需求。因此,将公交客流与城市空间结构之间的关系加入到公交客流预测中,以进一步提高公交客流预测的精度和效率,将会成为一个重要的研究课题。本文分析了公交客流预测的研究背景和现状,针对当前公交客流预测时忽略地理要素的问题,从城市道路结构和人口密度分布出发,提出一种用于公交客流预测的线段模型改进方法,从而提高道路邻近中心性与公交客流的相关性。在动态客流统计数据的基础上增加静态城市空间结构信息,构建了顾及地理要素的城市公交客流预测模型,并采用双层遗传算法对BP神经网络客流预测模型进行优化,以期提高客流预测的精度和效率。主要工作和创新点如下:(1)提出用于公交客流预测的线段模型改进方法。针对当前空间句法理论在公交客流研究中忽略空间尺度和公交站点分布,以及未能从客流发生的角度揭示公交客流分布特征等问题,从道路邻近中心性计算方法出发,研究不同路网模型下道路邻近中心性与公交客流的相关关系,并针对两者相关性较低的问题,采用弧段中点打断和站点数量加权的方法对线段模型进行改进。与原有方法相比,该模型能够有效地反映城市道路的通达能力,大幅度提升道路邻近中心性与公交客流的相关性,为后续公交客流预测提供了支撑。(2)提出顾及地理要素的城市公交客流预测方法。针对当前公交客流预测研究忽略城市地理要素的问题,将静态的城市地理数据与动态的公交历史客流数据共同作为客流预测的依据,采用BP神经网络模型研究不同的地理要素对城市公交客流预测精度的影响,实验结果表明,加入城市地理要素能够有效地提高公交客流预测的精度和效率。(3)提出基于双层遗传算法的BP神经网络模型优化方法。针对BP神经网络结构设计不严谨、模型收敛速度慢、预测结果精度低等问题,设计了双层遗传算法同时优化BP神经网络的结构和参数。定义能够同时满足结构和精度要求的适度函数,保证遗传算法与BP神经网络的统一。采用最优解保留策略,减少了不必要的遗传迭代,并采用自适应概率计算方法提升遗传算法效率,强化最优解的可信度。经过优化后的BP神经网络客流预测模型具有稳定的网络结构、良好的学习速度以及准确的预测精度。(4)系统实验。设计并实现了城市公交客流分析预测系统,整合了本文提出的算法模型以及优化方案,验证了论文提出的理论和方法的合理性、有效性和实用性。