近年来,随着“智慧城市”理念的推行,人们愈发关注城市公交系统的运营效率问题。移动通信技术和大数据技术的迅猛发展为乘客和公交系统交互创造了条件,弹性公交系统是结合了公交系统与上述两种技术的一项创新型公交系统,该系统可以动态地调整公车行驶路线、调度车辆来满足乘客请求,在有效缓解交通压力、节省能源消耗的同时保证乘客乘车的舒适度,其出现反映了城市公交系统朝灵活性和便捷性发展的趋势。传统公交系统中设置的固定行驶路线和发车时间往往不能很好的满足不同时段的乘客需求。由于不同时段区域客流分布不均,公车在运营过程中通常会存在车辆拥堵或大量座位空缺的情况,这些现象的产生导致公交公司不能很好地控制运营成本,同时乘客也无法享受到较高的服务质量。基于以上研究背景,本文研究设计了一种数据驱动的“需求响应”型弹性公交系统,并提出了一个基于强化学习的公车调度策略。本文首先分析了弹性公交系统的研究背景、意义以及需求响应型公交服务的研究现状。其次介绍了本文研究过程中使用到的关键技术。然后描述了本文实验所使用数据的来源和处理过程。接下来对本文设计的弹性公交系统进行了详细描述。其包括路线规划和公车排班两个模块,在路线规划模块主要介绍了固定停靠站点的选取过程和灵活路线的生成过程,后者基于一种启发式的上-下车节点插入算法进行设计;在公车排班模块主要描述了区域客流量的计算方式和模型的构建过程;最终通过实验分析验证了该弹性公交系统的优越性。最后介绍了一种基于强化学习神经网络Deep Q Network设计的公车调度模型,并通过实验验证了其有效性。