由于机动车数目不断增加,道路交通拥堵的问题日益严重。为了有效地解决道路拥堵问题,各个国家都采用优先发展公共交通战略,并且大力建设智能公交系统。调度管理是该系统的重要组成部分,而客流预测则是实现动态调度的基础。公交站点短时客流预测能够达到获得更精准的线路网客流预测信息目的,因此构建合适的公交站点短时客流预测模型以及提高模型的预测精度,就成为本文研究内容的关键。本文首先研究公交站点短时客流预测相关的模型,对不同的模型进行对比分析,总结各个模型的优缺点和适用范围,为本文的研究奠定理论基础;分析不同类型的公交站点短时客流数据的时间、空间分布特性,并且分析验证公交站点短时客流的时间相关性、空间相关性,证明可以针对不同天建立统一的预测模型,以及为构建模型输入层数据的选取提供依据。其次,本文重点研究如何构建基于改进的RBF神经网络预测模型对公交站点短时客流进行预测。通过对客流数据的分析研究,选择了具有相关性的数据作为输入数据,有效地降低了输入数据的维数。同时,将输入数据进行分类,针对不同类型的数据分别建立RBF神经网络模型,提取每类数据的特征,并将每种模型的输出值在整合层加权求和,得到最终预测结果,并且引入较优的学习算法,最终提高预测精度。最后,利用大连市部分公交站点的实际客流数据验证本文构建的模型的有效性,并且与基于BP神经网络的预测模型以及基于未改进的RBF神经网络预测模型进行实验结果对比,证明本文构建的模型的高效性。在以上基础上,研究实现基于B/S架构短时客流预测原型系统,证明本文研究内容的实用性。实践表明,本文构建的基于改进的RBF祌经网络预测模型基本实现了对大连市公交站点短时客流的预测,并且具有一定的准确性和实用性。本文的研究结果,对公交站点短时客流的预测具有一定理论价值和实际应用价值。