公共交通系统作为城市可持续发展中不可缺少的环节,是城市决策者长期关注的重点;已建成的多元化公共交通系统,为日间通勤者提供了更大的出行便利和更好的机动性。然而,受运营时间的制约,城市中的深夜出行群体,如学生、环卫工人、个体经营者,却难以从现有公共交通系统中获益;他们中的大多数人受恶劣工作环境和低收入困扰,却仍需在返家时支付额外的夜间出租车费用,且时常遭遇打车难、黑车加价等乱象。随着城市夜间经济的进一步繁荣,建立安全、廉价、稳定运营的夜间公交系统,成为市民共识,并被越来越多的城市提上日程。反思中国城市夜间公交运营的历程,诸多项目因无法避免空载率过高造成的运营亏损,在有限的运营周期后宣告终止;相比之下,充足证据表明,为具有相似夜间出行需求的用户群体提供区域间直达的定制公交服务是平衡市民夜间出行权益与公交公司良性收益的最佳选择。然而,新的问题由此产生:当居民出行调查面对夜间交通现象变得效率低下而成本高昂,我们将通过何种方式深入理解夜间群体性出行需求?在已获知出行需求的基础上,又如何设计夜间公交系统,使之获得市民出行权益与系统收益的双赢目标,并实现系统的永续发展?智慧城市语境下的“城市计算”——通过大数据普适计算优化城市系统的新兴方法论——为本文启发了针对以上问题的新的解决思路。当现有的大多数公交系统在深夜停止服务,出租车几乎成为夜间出行的唯一选择,因此可认为群体性出行需求由“城市感知”的出租车轨迹进行映射;在此基础上,通过“智慧提取”与“服务产出”,将出租车轨迹表征的夜间出行ODT特征,转化为夜间公交系统“城市计算”框架的输入数据源,并通过合理的模型与算法,对最优的夜间公交系统方案进行求解。基于上述思路,本文构建了以最优NBS(Night-time Bus Service)系统为产出的城市计算框架T2NBS(Taxi to Night-time Bus Service)。该框架包括1)合理的数学模型(出行需求估计MNL与决策目标MINLP),其在同步优化NBS系统设计质量(站点、路径、运行时刻表、人车匹配)与服务质量(步行可达性、时间匹配度、出行时长、出行费用)的基础上,实现NBS系统的收益最大化;2)求解该模型“超级综合NP-Hard”难题的分阶段顺序型启发式算法,包括第一阶段挖掘群体性出行需求的时空间密度聚类算法、第二阶段提取步行可达性最佳的最少站点的站点部署算法、第三阶段探查收益最大化的路径与时刻表的动态搜索算法。本文对T2NBS城市计算框架在虚拟Sioux Falls网络中进行实验分析,结果表明,与盲目搜索算法相比,T2NBS能够以万级的计算效率求得最优性高于90%的近似最优解。在西安市的真实城市情景中,通过与三种基准算法(最热站点算法HSD、等时间距算法ETI、非精简算法NSL)的对照实验,验证了T2NBS计算所得的最优NBS系统,不仅可以取得更高的整体收益,亦可以提供更好的步行可达性和更精准的用户时间匹配;与出租车出行相比,用户选择NBS服务造成的出行时长的适度增加可以通过出行费用的大幅节省来弥补,因此NBS可以充分满足经济、社会弱势群体的夜间出行需求。