随着大都市经济和社会活动的不断发展,由此派生出的出行需求日益增多。公共交通（轨道交通、常规公交、快速公交等,简称公交）作为城市交通运输体系的重要组成部分,公交网络不断扩张,出行量也在不断增长。公交出行预测不仅是面向公交系统运营与管理,提高大运量公交服务水平的重要手段,也是公交网络规划和政策评价的关键技术。本论文主要关注公交出行预测中基于发车频率的公交网络分配理论,旨在研究出行者如何依据阻抗来进行路径选择,通过在空间上建立需求与供给间的平衡来预测公交网络上的客流分布。然而,公交出行过程包含多个环节（等车、车上、上下车、换乘等）并具有复杂性和随机性,传统模型无法全面描述出行者路径选择在不同环节的网络拥挤效应（例如排队、舒适度和容量限制）。在算法层面,定义在公交网络上的出行策略往往采用超路径,结构比简单路径更加复杂,现有算法难以适用于如今大规模的公交网络分配问题。为此,论文首先在未考虑拥挤情况下基于最优超路径,提出了一种点到点的公交服务评价方法（第二章）;然后进一步考虑拥挤效应,对公交网络均衡分配模型进行了扩展,提出了两种不同拓扑结构分解的高效求解算法（第三、四章）;最后提出了一种考虑容量约束的公交分配模型,并基于两种新型求解算法框架开展了算法设计（第五章）。以下总结了本论文各主要章节的具体工作:（1）论文第二章提出了一种公交点到点服务水平的量化评价方法。该方法基于深圳市多源数据（包括出租车轨迹和订单数据、公交线路站点等）,在多模式公交网络（地面公交+轨道交通）上搜索了与给定出租车行程起讫点相匹配的最优公交超路径。根据理性行为假设对公交相对出租车的竞争力进行了分析,并对结果进行了灵敏度分析较传统基于人工调查的评价方法而言,本方法成本低且可靠性高,同时能刻画出行者详细的出行路径。由于未考虑乘客在公交车上的拥挤效应,因此可被归纳为全有全无分配研究范畴。（2）论文第三章针对现有的公交均衡分配变分不等式模型,提出了两个基于超路径的高效求解算法:贪婪（Greedy）算法和梯度投影（GP）算法。基于对公交网络起讫点（O-D）拓扑结构的分解策略,重构了超路径算法流程并提出了统一的计算框架。在该框架下,本章还提出了一种自适应内循环策略来加速算法收敛,从而提高了算法的鲁棒性。数值计算表明,本章提出的超路径算法在处理大规模问题时要比现有基于“准弧”的算法具有显著优势。（3）论文第四章提出了基于终点的公交均衡分配变分不等式模型,并证明了与基于超路径均衡分配模型的等价性。将定义在超图上的公交网络按照终点拓扑结构进行分解,证明了均衡条件下子网络的无环特性。依据模型的结构特征,本章提出了超丛算法来进行求解,其中超丛以高度紧凑的方式存储了所有指向该终点（根节点）的超路径,从而克服了传统方法枚举超路径集的缺陷。通过不断对该子网络进行扩展、均衡和修剪等操作,超丛算法可以以较低的计算成本（包括运算时间和内存消耗）求得均衡解。数值计算表明,超丛算法在求解大规模问题时,获得高精度解的运行速度要比超路径算法快5-7倍,同时内存消耗低4-5倍。（4）论文第五章考虑公交车辆的承载能力,进一步提出了考虑容量约束的公交均衡分配变分不等式模型。通过引入拉格朗日乘子定义了广义超路径费用,并证明了模型与均衡条件的等价性。为了求解该模型,基于乘子法将带容量约束的原问题转化为无容量约束的子问题,继而采用基于超路径和超丛的算法来进行求解,显著降低了计算复杂度。实验结果表明,模型可以描述乘客由于无法上车导致的路径选择变化,使得流量分配的结果更加合理。综上,论文通过挖掘城市多源数据分析了公交服务水平,在应用层面实现了对公交相对出租车竞争力的量化评价;在理论层面,针对大规模公交网络分配问题,扩展了基于发车频率的公交分配模型和算法,为公交系统的上层规划提供了技术支撑。