我国作为一个人口大国,居民出行问题一直是社会发展的一项重要任务,大力发展公共交通有利于缓解城市运输压力,减少能源消耗。电动车辆由于具有噪音小、零排放等特点,近年来被公交企业广泛采用。公交车辆调度对于节约运营成本和保证服务质量具有重要意义。由于电动公交车辆调度具有续驶里程、充电时间等约束,因而比传统燃油车辆调度更为复杂。而人员排班需要在车辆调度的基础上安排驾驶员执行对应的行程,同时每位驾驶员每天的驾驶班次还需要满足国家与公交公司的规则约束。本文的主要工作包括:（1）提出一种基于文化基因算法的电动公交车辆调度方法。首先,设计了初始个体生成算法用来构造初始群体,在保证初始个体质量的同时保持群体多样性。然后,设计了一种针对公交车辆调度问题的交叉操作用于全局搜索。进而,改进了3种邻域搜索算子,并将其与已有的邻域搜索算子结合用于局部搜索。设计了一种基于车辆块的评价函数,用于引导邻域搜索算子进行搜索。为了兼顾搜索效率和解的质量,构造一种结合三种不同插入操作的方法用于邻域搜索。将该方法用于青岛市的实际三条公交线路,实验结果表明:与人工调度方案相比,该方法可减少1-7辆车,提高平均6.2%-14.4%的车辆利用率。该方法具有很高的计算效率,运行时间小于15秒。（2）针对人员排班问题提出了一种基于变邻域搜索的方法。首先针对人员排班问题中不同的车辆类型设计了新的初始解生成方法,之后设计和实现了 6种邻域搜索算子分别用于方法的随机邻域搜索操作和震荡操作部分,在公交公司实际公交线路数据上进行实验,证明本文提出的方法可以在2秒内生成和人工排班质量相同的解。（3）针对车辆和人员集成调度问题,本文将上述提到的车辆调度方法和人员排班方法结合,设计了基于文化基因算法的车辆和人员集成调度方法。将车辆调度方法的初始解算法和人员排班方法的初始解算法结合生成了同时包括车辆调度方案和人员排班方案的初始解生成算法。在公交公司实际公交线路数据上进行实验,与两阶段序列法进行对比,证明了本文提出的算法可以在不影响车辆调度方案质量的基础上,进一步优化人员排班方案。