近年来,随着社会经济的不断发展,人民生活水平日益提高,城市机动车保有量持续快速增长,交通拥挤、交通安全、环境污染、能源短缺等问题日趋突出。社会发展带来的这些问题正越来越严重的困扰着城市居民的日常生活,智能交通系统的出现为解决交通拥挤和交通安全提供了新的方法和思路。作为智能公共交通系统最为核心的内容,信息化服务为公交乘客和城市公交系统提供了直接交流的平台,实现了公交使用者、运营管理者以及相关政府部门在公交信息方面的实时共享。公交站台信息服务系统能够很好的改善公交运行准点率低、换乘不方便、安全性不能保证等现状。本论文在此背景之下对公交站台泊位动态分配方式进行了研究,旨在降低公交车站台延误,有效的提升公交运营效率,以此来吸引更多的潜在公交用户,达到缓解交通压力的目标。在已有研究的基础上,通过采集的公交车载终端GPS数据,对济南市63路公交车运行特征进行了深入分析,发现在道路条件和信号影响相同的情况下,公交车站点间的运行时间虽然具有一定的随机性,同时也随发车日期和发车时间呈现周期性,而停站时间则与发车时间和车头时距有关系。因此,本文对于公交运行时间提出了基于Kalman滤波和人工神经网络的组合预测模型,对于公交停站时间提出了考虑车头时距的神经网络模型。利用63路公交运行数据对两个模型进行对比分析,证明了两个模型在实时预测上都具有较高的精确性。公交运行时间和停站时间预测为公交站台泊位动态分配提供了支撑。本文在分析了公交进站行为的基础上,分别对公交超车进站和排队进站两种情况进行讨论,并提出基于公交乘客总等待时间最短的泊位动态分配算法。案例分析以济南市经十路北侧舜耕路公交站台车辆停靠数据为基础,分别对不同泊位数、运行时间预测误差、停站时间预测误差对泊位动态分配结果的影响进行分析,证明了泊位动态分配在保证预测精度的条件下可以有效减少乘客等待时间,降低车辆进站延误。