近年来,涌现了很多关于需求响应公交的研究成果,但现有的大部分文章大多只考虑单一起终点公交场站的情形,没有满足不同乘客出行时间和出行起终点的差异性,这与需求响应公交的灵活性相违背。实际状态下的DRT（Demand Responsive Transit,DRT）系统可能会面临高度复杂化和定制化的乘客需求,比如等待时长限制、通行时长限制、车辆行驶里程限制、车型限制等。本文结合常规公交线路运营特征,在车辆路径问题（vehicle routing problem,VRP）的基础上进行拓展,建立带有容量约束的多起终点和含时间窗约束的需求响应公交模型。在求解算法方面,采用了改进后的Benders分解算法（benders decompzation,BD）对构建的需求响应公交混合整数规划模型进行求解。首先通过模型分解的策略将原问题分解为只含有整数变量的整数规划问题（IP）和只含有连续变量的线性规划问题（LP）,然后通过调用Gurobi求解器内置的分支切割算法和单纯形法对主问题和子问题分别求解,不断迭代收缩原模型的上下界,直至获得最优解。使用了广州市黄埔区获取的需求数据作为验证案例,并利用爬虫技术在高德地图Web API上获得需求点和公交起终点站场的经纬度坐标以及黄埔区真实的路网数据,在此基础上检验本文提出的模型和算法的实际效果。算例表明,本文使用的基于Paratiooptimal-cut的benders分解算法在求解速度上明显优于经典的benders分解算法。然后利用Qgis对规划后的公交线路进行可视化呈现,实际规划线路表明本文所使用算法和模型规划出的DRT线路具有较高的参数水平,能够满足乘客的个性化出行需求并且有效地降低需求响应公交的运营成本。