随着城镇化建设速度不断加快,我国城镇化率从1978年的17.9%上升到2015年的56.1%,城镇常住人口突破7.7亿[1]。市民的出行需求也越来越大,道路交通流量呈现急剧增长,尤其在“北上广深”这样的大城市,诸如交通拥挤、市民出行不便等问题正在不断的增加,这些问题都严重影响到了城市居民的正常工作和生活,制约着城市的健康发展。公共交通作为城市交通运输重要的一个组成部分,在各城市中得到了很大的发展,然而在多数城市的公共交通的人数出行比占总出行还是偏低,其部分原因是由于公共交通的规划和策略制定与市民的出行之间的关系规律还存在着不一致。数据挖掘是目前智能系统的重要研究内容,它能够从大量的数据中挖掘隐藏在其中的规律和知识。本文基于广东省部分公交线路的历史公交卡交易数据,通过数据挖掘的技术和流程对固定人群在公共交通中的行为模式进行挖掘,分析推测乘客的出行习惯和偏好,最终建立模型预测人们在未来一周在固定公交线路上的出行情况,这对为广大乘客提供信息对称和安全合理的出行环境具有重要的意义。论文首先对数据挖掘技术理论背景和方法做了总体的介绍和分析,基于所有的数据,从实际业务的角度,对乘客在固定公交线路上未来的出行行为存在影响行为规律模式进行了一些探究,提出了一套反应乘客历史行为习惯和偏好的特征工程体系的构造方法。依据所设计的特征工程特点,以及对随机森林(random forest)和梯度迭代决策树(Gradient boosted decision tree)两种组合学习算法的理论分析和应用,建立了一个鲁棒性较好的市民未来出行预测模型,并在此基础上,对两种算法做了一系列分析和对比研究。