随着城市化、现代化、机动化进程的加快,城市交通压力日益增大,大中城市在一些时段和区域交通拥堵较为严重,由此带来了巨大的资源经济浪费和严重的环境污染,因此智能交通系统的发展受到越来越多的关注。智能公交信息服务系统作为智能交通系统领域当中一项重要的研究内容,被认为是缓解交通压力的有效方法。本文顺应当前研究热点,研究了智能公交信息服务系统的国内外研究现状,建立基本公交信息服务系统的框架；由于路段行驶时间预测是智能公交信息服务系统的重要问题,预测效果直接关系智能公交信息服务系统等智能交通系统的相关子功能能够有效发挥,本文主要对系统中如何有效预测路段行驶时间几个技术关键点进行了讨论和研究。首先对目前智能公共交通信息服务系统的国内外实施和应用现状进行相应的研究,并根据本文研究重点建立了基本智能公交信息服务系统的框架,并对各子系统进行了功能分析,主要包括：交通流信息采集与处理子系统、车辆定位子系统、出行管理系统和交通控制和安全系统。然后针对公交基于GPS车辆导航系统进行数据采集及预处理进行了理论分析。因为原始的GPS数据仅反映车辆的瞬时状况,所以,原始数据直接用于路段行程时间预测会产生较大误差。本文研究了基于距离和时间求解车辆间隔平均速度的方法,并对间隔平均速度进行了筛选,以间隔平均速度代替瞬时速度,用于计算路段行程时间。最后根据公交车数据特点和路段交通流变化的特性,研究路段行程时间预测的模式和方法,并建立了基于BP神经网络的路段行程时间预测的模型,对模型参数的确定方法与选取范围进行了研究。为了在扩大输入规模的情况下提高预测精度,对BP神经网络算法进行改进,加入遗传算法用于对BP神经网络参数学习,比较仿真结果,验证改进算法的有效性。