城市化进程的加快,使得过多的私有车辆占据了本来不多的道路资源,不断制约城市发展。为解决这些矛盾,公共交通模式得到大力推广。但公交线路规划和基础设施建设,周期较长、见效较慢且成本巨大,而作为公交运营核心工作之一的公交调度则显得灵活高效。但随着城市化推进,城市交通出现了许多新的特征,许多传统的调度方法和理论应用效率较低。因此,如何更高效、科学、准确的制定公交的调度策略,对公交的实际运营有积极的影响。目前公交调度优化策略中大多假设车辆在运营区间内保持匀速行驶、优化目标单一、缺少调度调控策略,在实际应用中缺少实时性,难以探究准确的公交运营规律,不利于制定科学有效的公交发车间隔。对此,本文引进新的数据处理方法,改善调度模型,增加发车间隔的自适应调节,借此为公交调度优化提供参考。本文的主要研究内容如下:1、基于各国公交调度先进理论与应用,本文首先论述了当前发展形势下,公交的调度的基本模式与影响因素。对比了传统公交调度优化方法与进化算法、群智能算法、模拟退火算法等智能算法的性能,确定了NSGA2算法作为模型求解算法。随后采用数据挖掘方法对获取的数据进行数据清洗、融合,并从时间和空间维度对出行特征进行描述,最后采用高斯混合聚类算法,从深层角度描述出行特征的隐含规律。借用上述方法,对公交沿线各站点乘客出行数据进行梳理分析,对公交调度提供正确的数据参考与优化前提。2、为避免时间成本与经济成本的浪费,构建了包含乘客出行时间成本、公交运营成本、乘车舒适度等三目标优化函数,以计算更为科学、合理且人性化的调度时刻表。虽然所用NSGA2算法计算效率高、个体优良率高、能计算出较为均匀的Pareto前沿,但在实际应用中,发现NSAG2算法容易造成非支配解丢失,且容易陷入局部最优。因此,借助模拟退火思想,将突跳概率加入NSGA2算法个体选择策略,得到SA-NSGA2算法。并通过测试函数,证明SA-NSGA2算法能够获得更优质、分布更均匀的解集。3、最后通过对深圳113路公交运行数据进行实例分析,证明引入的数据挖掘方法能够准确、快速的在时间域、空间域表现出公交乘客的出行特征。且仿真实验得到的调度时刻表,不仅能提高乘客的出行效率和乘车幸福感,也能减少公交运营的成本,证明了本文所采用调度优化方法的有效性与先进性。