优先发展公共交通是缓解交通拥堵的重要举措,掌握城市居民的出行活动、公共交通出行特征是公共交通规划管理的基础,以站点客流、线路客流,公交出行OD等为主的公交基础数据在公交规划及运营管理中具有重要的意义。随着我国智能交通系统的日益发展,以公交IC卡系统、车载GPS设备、GIS地理信息系统为基础的信息采集分析系统不断完善,为获取公交基础数据提供了新途径。以公交IC卡系统为主的数据中,仅记录刷卡乘客公交出行的时间、线路、车辆等信息,受数据内容制约无法直接得到公交基础数据,如何融合其他数据推算乘客的上下车站点成为获取公交基础数据的关键。国内外学者针对该问题展开了大量研究,由于国内外城市居民出行活动、公交发展水平存在差异,因此国外研究结果尚不能完全应用到国内,在国内相关研究的分析结果是否有效可靠目前仍然需要大量实证研究。本文利用攀枝花市公交系统,在借鉴现有研究的基础上优化了刷卡乘客上、下车站点推算方法。研究采用基于数据融合方法推算刷卡乘客的上车站点,由于攀枝花市GPS数据未记录车辆进出站状态,考虑高峰期间乘客上车刷卡行为存在区别,优化建立车辆到站时刻表后使用时间匹配方式推算上车站点。之后针对下车站点推算问题,通过挖掘乘客的出行规律优化基于公交出行链的假设条件,在该方法下优化计算程序,通过建立、检索站点邻域集以提升下车站点的推算效率。由于该方法无法推算所有IC卡数据,通过总结基于机器学习的方法,在构造多个新特征后使用基于随机森林的方法对剩余数据作补充推算,融合两者方法成功推算100%刷卡记录的下车站点。针对推算结果的精度问题,利用分段计费线路的下车刷卡信息作为真实数据,在个体层面验证本文优化提出的基于公交出行链和随机森林的融合方法推算结果,正确率为52.3%,有效率为76.2%;并探究模型关键参数（最大步行距离阈值）对推算结果的影响,同时分析不同线路、不同群体的推算效果,对其内在原因做出解释。在集计层面,对比验证本文所提融合方法与基于站点吸引权的方法,结果表明两种方法推算结果在站点下车客流层面精度较好能够满足项目实践需求;而在站间OD客流层面,后者精度较差。结论可为智能公交数据提取公交基础数据提供一定程度的借鉴价值与意义。