在当今时代,随着社会经济的快速发展,我国的大多数城市人口密度急剧增长,给道路交通带来很大的压力,发展智能公交系统成为当今的首要问题。提高公交到站时间预测模型的可靠性和精确度,可以方便居民合理安排出行时间、减少在站台的等待时间,有助于公交运营企业合理调度公交车辆,推动城市公共交通的发展。然而由于城市路网复杂,影响公交车辆行驶的因素种类繁多且相互影响,很难准确地预测公交到站时间。本文通过对具体城市的交通状况进行分析,建立合适的公交到站时间预测模型,具有重要的实际意义。对国内外公交到站时间预测的研究现状进行对比和分析,重点研究相关理论与技术,给出预测模型的总体结构。从多个角度分析公交GPS数据产生误差的原因,并从误差产生的根源出发,给出对应的解决方案;利用现有的公交历史数据,分析影响公交行驶因素;利用样本数据并结合聚类分析算法,分析公交车在全天时段内的行驶规律;分析历史样本数据和实时样本数据之间的规律,探讨特征输入选取问题,得出特征选取的一些方法和策略。在分析影响公交车辆行驶因素及其行驶规律后,确定预测模型的输入条件因素及参考数据。依据车辆行驶时的状态,将总的行驶时间分为站间行驶时间和站点停靠时间两个部分,站间行驶时间分别使用基于改进粒子群算法的支持向量机模型和多元线性回归模型进行预测,站点停靠时间使用频数加权数据融合技术进行预测,从而得到一个预测的基准时间,再利用实时数据使用卡尔曼滤波算法对基准时间进行动态修正,从而得到最终的预测到站时间。最后,选择大连市10路公交线路的GPS原始数据对预测模型进行实验,结果证明该模型较之已有的典型算法预测精度有明显提高。