公路客运量预测是评价公路客运项目以及进行估算投资的依据。常用的公路客运量预测方法有回归分析法、指数平滑法、灰色模型预测、神经网络及组合预测法等。公路客运量受多层次多方面因素影响，准确描述其发展变化规律较为复杂，单一采用传统方法所得的预测结果准确性有限。20世纪60年代Bates和Granger首先提出组合预测方法，与以往单项预测方法相比，组合预测结果精度大有提升，现在组合预测已发展成为预测领域中一个重要的研究方向。为了提高公路客运量的预测精度，在现有客运量预测模型基础上，本文首先本文考虑影响公路客运量生成的多方面因素，将影响因素划分归类，运用灰关联分析方法对多个影响因素按照与公路客运量的关联度从大到小排序，以筛选出关联度大的因素进行下一步建模分析；然后选取ARIMA模型拟合影响因素的变化情况并预测未来年份的影响因素值。其次，考虑公路客运量随时间变化的自身发展规律，遴选三次指数平滑、GM（1,1）、多元回归模型和BP神经网络作为单项预测模型用以分析预测公路客运量；然后采用IOWGA算子将各单项预测方法结合起来建立了公路客运量的组合预测模型，同时约定了误差精度计算模式。最后以黑龙江省公路客运量及各影响因素历史数据为模型样本，分别建立单项公路客运量模型与组合预测模型，预测分析未来年份黑龙江省公路客运量的变化趋势，选取均方误差、平均绝对误差和平均绝对误差百分比为评价指标判断各模型预测结果的精度；通过分析计算结果，验证了组合模型所得结果与其它常用方法相比，与实际客运量之间相差较小，预测精度较好，能够为交通规划提供参考数值。