伴随着城市日新月异的发展,汽车数量日益增多,道路拥堵问题成为当前面临的热点问题。公交系统作为道路交通系统的重要组成部分,成为缓和交通堵塞问题的有效力量。目前,许多城市的公共汽车都已装载了车载GPS定位设备,有利于采集公交车的运行数据,并且能够对公交车的实时状态进行实时监测。并且,通过采集到的公交车的行驶数据,能够有效的对公交车的运行特性进行分析与预测,不仅能够通过发布公交车的预测信息来提高乘客的乘车满意度,还能更好的进行公交车辆的排班与应急等问题,能够有效提高公交车的利用率与载客量。本文主要研究内容如下:论文首先通过异常数据处理、数据补偿、地图匹配、几何位置距离计算等数据处理方式对通过公交车车载定位设备采集到的公交GPS数据进行预处理;利用处理后的有效数据对公交车辆的行程时间、车站进出站时间等公交运行特性进行分析;其次对遗传算法和时间序列模型进行概述,并建立基于遗传算法的ARIMA优化模型,通过模型优化提出对公交行程时间等运行特性的预测方法,并通过鲁棒性等误差评价指标对预测结果进行评价分析;通过实际案例分析,利用ARIMA模型得到的预测结果误差评价指标为:鲁棒性=19.71%;MAPE=14.37%;RMSE=12.93%,利用GA-ARIMA模型得到的预测结果误差评价指标为:鲁棒性=17.44%;MAPE=12.33%;RMSE=10.67%,对两种模型得到的评价结果进行对比分析,结果表明通过遗传算法对时间序列模型参数的优化估计后,数据结果和预测精度都有一定程度的提升。模型在预测公交行程时间等运行特性上具有的可行性,可在实践中应用。