公交时刻表是公交企业组织线路运营的具体作业计划，指导着公交线路运营的全过程，是城市公交企业管理的基础工作。公交IC卡刷卡数据和公交客流数据是城市公交规划、运营调度和行车组织的基础性数据。公交规划和管理部门可以制定出相对科学的公交时刻表，从而降低公交成本，增加乘客出行方便性，优化公交服务。　　 首先通过对公交IC卡刷卡数据的选择、筛选、统计和数据挖掘分析，建立基于公交IC卡的上车人数模型，基于公交IC卡的下车人数模型，基于Fisher有序聚类的客流时段区间划分模型。其中，通过对公交IC卡刷卡时间的系统聚类分析，得出公交IC卡刷卡时间聚类分组，将其与公交车到站时间进行匹配，从而得出刷卡上车人数。通过对公交站点吸引强度和站点数量下车概率的分析和计算，得出乘客下车概率矩阵，结合线路的上车人数和公交车辆到站时间，进而得出各站点各时段的下车人数。通过对线路客流类直径和最小误差函数的计算，结合公交实际运营特点，从而得出客流峰值的时段区间划分。　　 其次，结合北京公交实际运营情况，以北京公交2线路为例，并在Matlab上编写算法求解模型，得出各站点各时段的客流和公交客流峰值的时段区间的科学划分。　　 再次，以公交公司运营成本费用和乘客等待成本费用的加权最小值为目标函数建立基于多目标优化的公交时刻表编制模型，综合各种多目标优化算法特点，选择遗传算法、粒子群算法及其粒子遗传算法分别优化和解决这个模型，经过优化得出公交车辆发车间隔，接着参考公交公司规定的始末班发车时间，进而得出公交发车时刻表，并进行优化算法效果和总成本费用的比较。　　 最后做出实例分析，将乘客利益和公交公司的利益放于平等地位时，得出结果一：采用的遗传算法、粒子群算法和粒子遗传算法分别大约在第57代、第27代和第38代时适应度函数曲线基本停止了变化和找到最优解，与采用遗传算法和粒子群算法相比，粒子遗传算法不仅精度提高，收敛效率也明显提高，证明了在这个公交时刻表编制模型中粒子遗传算法相对于遗传算法和粒子群算法的优越性。得出结果二：采用遗传算法、粒子群算法和粒子遗传算法等三种算法优化而来公交时刻表，相比于原始公交时刻表分别节省了4.41％、4.9％和6.03％的总成本费用，从而证明所建模型和优化算法的可行性和适用性。