摘要：公交客流的OD分布是城市公共交通系统线路网布设优化和车辆调配必不可少的基础依据。准确的公交客流OD推算能够优化公交调配,提高公交准点率和乘坐率,整体提高公交系统服务质量,减轻居民出行对私家车的依赖,缓解日益严重的交通拥塞。目前的OD矩阵估计方法大多依据路段交通流量或者人工调查数据对客流OD矩阵进行估计推算。本文在分析国内外各种公交客流OD推算方法的基础上,提出了利用高精度GPS设备与Ic卡数据对公交需求矩阵进行估计的方法。这种方法可以更高效地获得客流信息,更准确地建立数学模型进行分析与估计。高精度的GPS系统可以实时监控车辆的位置和速度,从而为客流的OD推算提供了可靠的实时数据,提高了OD推算的准确度。这种方法的精度能基本满足大型城市公交系统运营部分需求,减少耗费巨大的大规模OD调查,保障了数据应用的时效性,为交通规划以及交通结构调整提供依据。本文介绍了公交信息的采集、分析和处理。使用了马尔科夫链特性和交通分布模型进行建模分析,然后结合两者的特点考虑了客流出行规律建立了基于客流对称性的模型,提出用乘客平均出行时间作为参数,最后进行校验和修正提高了模型的精度。然后将已经比较成熟的人工神经网络技术引入公交OD矩阵的推算,建立了基于BP神经网络的公交OD矩阵推算模型。设计实现了这四种模型的流程和算法描述。比较分析了这四种方法的预测效果,实验结果发现基于客流对称性的推算模型结果精度最高。