常规公共交通是城市公共交通的重要组成部分,是满足居民出行需求的交通工具之一,同样也是缓解城市交通拥堵问题的重要发展战略目标。但如今常规公交因为各种不确定性因素导致车辆在运营时集结现象频发,导致乘客的平均出行时间增加,这是目前常规公交的运营管理中急需解决的问题。针对这种情况本文在对公交运行理论分析的基础上,由连续时间车头时距来判别公交运行中的运行状态,可以得到公交车辆在全程运行中的特性,搭建公交运行状态预测模型,并建立基于运行状态的公交实时反馈控制系统,从而解决公交运行失稳的问题,提高公交系统对居民的吸引力。本文首先论述了公交运行过程的特点及影响因素,在此基础上对五种常见的公交运行失稳现象进行说明,由此给出公交异常状态的产生过程和原因。之后介绍了划分公交运行状态的思路并将其划分为集结、集结过渡、常态、大间隔过渡、大间隔五种运行状态;指定由连续时间的车头时距作为公交车辆运行状态的判别指标,最后由kmeans聚类均值算法来确定不同状态的阈值范围。其次对本文需要利用的公交GPS数据进行论述。公交车辆的GPS数据因其发送频率高、定位间隔小包含着较为完整的车辆行驶轨迹信息。本文先对公交GPS数据进行预处理,得到有效可使用的数据。利用西安700路公交的GPS数据对连续时间的车辆车头时距计算步骤进行介绍,之后通过k-means算法得到该线路公交运行状态的判定阈值范围。最后根据连续时间的车头时距来研究公交车辆车头时距的变化规律。然后在前文研究的基础上,选取BP神经网络模型、多项logistic模型、卡尔曼滤波模型搭建公交运行状态的预测模型,考虑上一时刻公交车辆的车头时距、发车间隔、运行里程、时段、日期等因素作为模型的输入变量。通过西安700路公交数据来测验这三种预测模型的有效性和精度,最后结果表明基于多项logistic模型的公交运行状态预测模型预测效果较好。最后,基于公交运行状态的预测结果,结合目前已有的公交调度控制策略,研究了不同运行状态下公交车辆速度和滞站时间的调整策略,之后建立了基于运行状态的公交实时反馈控制系统,以此来提高公交运行的稳定性。