公交车辆到站时间是出行者最为关心的交通信息之一,准确预测公交车辆到站时间对于改善公交服务水平、提升公交吸引力、缓解交通拥堵、推动城市发展具有重要意义。首先,论文在分析了现有预测方法和车辆到站时间影响因素的基础上,设计了一套完整的GPS数据和线路数据处理方法,并通过C#、MapInfo和SQL Server等软件得以实现,获得区间平均车速和车辆停靠站时间,为模型变量的输入提供了必要的数据准备。其次,论文系统介绍了粒子滤波的基本原理。鉴于粒子滤波在处理非高斯、非线性时变系统问题方面的独特优势,论文提出一种新的公交车辆到站时间预测方法,探索性的建立了基于随机重采样粒子滤波的公交车辆到站时间预测模型,并在模型中引入权重系数融合区间平均车速和车辆瞬时速度,以期提高模型和算法的预测精度。最后论文选取北京市多条典型公交线路进行实证分析,以平均绝对误差MAE为评价预测效果的指标,选取早高峰时刻(8：00)、平峰时刻(11：00)和晚高峰时刻(17：00)分别对1、2、300内、345快、438、464六条线路进行了计算,结果表明预测误差控制在2.5min之内,可以用于公交车辆到站时间预测。为进一步评价算法的稳定性和准确性,以早高峰时刻(8：00)为例,将其同卡尔曼滤波算法预测结果进行比较,结果显示粒子滤波算法具有更好的稳定性和准确性,相对于卡尔曼滤波算法结果改善了22.87%。