智能公交预报站系统可以结合先进的通信技术、全球定位技术与地理信息技术等,并结合公交车辆运动特征的分析,对公交车辆的大致到站时间进行预测,达到对公交车辆实时的有效调度管控,从而提高公交系统的运行效率,降低维护的成本。而我国大部分地区的公交智能预报站系统仍然较为落后,车辆的到站预报信息准确性较低、实时性较差,严重影响了公交系统的运行效率,影响人们的日常生活,给出行带来了极大的不便。如何提高预报的准确性,指导乘客出行,是亟待解决的问题。鉴于此,本文对苏州高新区等公交系统的执行和管理流程进行了深入调研,了解了公交车辆运行的整个流程,以及车辆预报站的业务需求,设计了一套功能完善的智能公交预报站系统。本文的主要工作如下:(1)建立基于K中心点算法和决策树的分类模型,根据车辆过往的行驶数据,找出对车辆运行影响较大的环境因素,并利用SPSS Modeler进行验证;再按照环境因素对过往数据进行分类处理,获取各个环境条件下的平均数据。(2)建立基于BP神经网络的预测模型,根据按环境因素分类后的车辆过往行驶数据,对神经网络进行训练。训练完成后,将历史数据与实时数据等输入到神经网络模型中,获得车辆预计到站时间。(3)采用B/S架构和Spring MVC设计模式,结合HTML5和Redis相关技术,利用JAVA语言对系统进行开发,并将上述两种数据挖掘方案应用到公交预报站系统中,实现了准确的公交预报站功能。本文设计开发的公交智能预报站系统,对车辆到站的时间做了比较准确的预测,并对公交相关数据进行实时地更新与维护工作,有效地方便了乘客的出行,具有很强的可操作性和借鉴性。