近年来,移动互联网技术的快速进步,极大促进了新一代需求响应型公交服务的发展。预约公交作为一种线路灵活、直达便捷、舒适度高的需求响应服务,可以满足多层次公交出行需求。本文通过对预约公交潜在需求、线路、路径以及考虑多服务水平和无人驾驶技术的预约公交服务等方面的优化研究,旨在为解决现实问题提供理论依据和决策支持。论文主要内容和创新点如下:（1）针对预约公交潜在需求分析问题,提出基于公交智能卡数据（Smart Card Data,SCD）的预约公交潜在需求提取方法。该方法包含三个部分:构建乘客出行链、识别出行起讫点和出行模式对比。基于实例研究,对北京SCD进行数据处理,分析北京市公交乘客出行时空动态特征,并探索预约公交潜在用户。分析结果表明对于10 km及以上的长距离出行,采用预约公交的出行效用较高,效用优势随出行距离增加而更为显著。（2）基于乘客出行需求,构建了预约公交线路优化模型。该模型以乘客出行成本和运营商运营成本最小化为目标,同时确定站点位置、线路以及乘客分配,并满足预约公交系统的诸多约束条件,包括预约公交运营条件、车容量和访问站点约束等。在求解模型时,基于遗传算法（Genetic Algorithm,GA）设计求解方法,通过算例验证GA的优化性能和运行效率。依据预约公交潜在需求进行了实证研究,深入分析了车速、车辆数和线路长度上限对相关参数的影响,并从线网层面对优化结果进行了评价。（3）考虑乘客期望出行时间窗,建立了具有出行时空约束的预约公交线路优化模型,并且在目标函数中考虑了部分未满足预约服务（存在未分配乘客）引起的惩罚费用。在算法设计方面,先后设计了基于GA和禁忌搜索算法（Tabu Search,TS）的求解方法,通过对小规模算例求解以确定算法参数值,并依据数值结果比较发现TS在求解该问题上具备高效性。以北京市出行需求进行实例研究,分析了预约公交在部分服务与完全服务场景下,相关成本、行驶时间和行驶距离随速度和车容量的变化情况。（4）针对预约公交线路优化问题,分析了交通拥堵对服务准时性的影响,提出一种考虑时间依赖和路径灵活性的预约公交线路优化模型。该模型在规划线路、确定时刻表和乘客分配的同时,进行子路径选择,实现了线路的进一步优化;同时,目标函数考虑了由于实际路况所引发的服务延迟惩罚费用。在求解时,基于TS框架,融入变邻域搜索（Variable Neighborhood Search,VNS）算法,设计了一个混合启发式算法（TS-VNS）,运用动态规划方法求解固定序列弧段选择问题（Fixed Sequence Arc Selection Problem,FSASP）,并采用数值算例实验,验证TS-VNS的有效性。最后,依据潜在出行需求和北京市实际路网实例,考虑多种路径类型和乘客分布类型等因素,分析了软硬时间窗、交通拥堵情况和路径灵活性对结果的影响。（5）探讨了一种采用无人驾驶技术的多服务水平预约公交模式。在建模过程中,以运营收益最大化为目标建立模型,并同时考虑两类约束条件,即不同水平服务约束和无人驾驶电动车辆运营特性约束,实现线路、时刻表、乘客分配和车辆充电计划的协同决策。针对每个周期内的出行需求,基于自适应大邻域搜索（Adaptive Large Neighborhood Search,ALSN）框架设计模型求解方法,其中运用贪婪算法（Greedy Algorithm）获取初始运行方案,针对需求点和充电站分别设计破坏和修复算子。为验证模型与算法,设计了小规模算例和基于实际路网的仿真实验,分析了在整车快充和换电模式场景下,不同乘客分布类型组合的算法求解效果、服务水平、收益和成本情况,以及满电电量和充电速率对相关结果的影响。本文图65幅,表35个,参考文献200篇。