本文研宄的公交短期客流和公交单程运营时间是公交运营调度的重要参数，同时也是公交运营分析中的重要指标。研宄公交短期客流和公交单程运营时间可以获取与公交运营相关的主要数据并分析相关特性，可以为更进一步的方案的编制提供基础，使得编制方案的可执行率更高。本文拟从公交短期客流预测和公交单程运营时间分析的角度出发分别研宄公交短期客流和公交单程运营时间相关规律。　　为了准确地预测公交短期客流，本文采用了卜支持向量回归机来预测公交客流量(包括站点上客和下客人数)。首先，根据公交客流的周期性、趋势性和随机性合理地设置了支持向量机的输入输出样本集。然后，构造决策函数并基于改进的粒子群算法，优化了影响支持向量机预测精度的三个参数：误差带参数ε惩罚因子C以及核函数参数σ的取值。最后利用长春市公交6路的已知客流样本作为测试集进行验证具有较好的精度，结果表明该模型是可行的。　　为了更准确地分析公交单程运营时间，本文采用了基于GPS数据的分时段公交运营时间概率分布分析方法。首先对单程运营GPS数据做了较为细致分析，包括公交站点匹配算法和异常数据的分类和处理。由于各时段的运营时间差异较大，分时段加以分析才能准确掌握运营时间规律。因此，本文基于大量预处理后的GPS数据，创新性地将心means聚类算法应用于运营时段划分，并结合公交样本数据特点，设计了一种改进的K-means聚类算法，其中改进了传统的初始簇中心选择方法，并设计了利用三角形不等式减少不必要的距离计算和基于模糊聚类思想的簇中心更新算法。十堰公交4路的案例分析的结果表明本文的X-means聚类方法可行，改进算法的计算效率更高，划分的时段与实际调研分析结果更加吻合。最后，分时段进行单程运营时间的概率分布分析，这对提高公交运营方案的准点率水平具有重要影响，并为进一步时刻表的编制和车辆调度提供重要的理论和数据基础。