近几年随着城市经济的飞速发展,机动车保有量急剧上升,交通需求迅速膨胀,而道路交通基础设施建设相对滞后,使得交通拥挤成为严重影响居民生活的问题之一,仅仅依靠新的道路的建设并不会改变原来的拥挤水平,优先发展公共交通才是解决这一问题的有效途径。公交优先的政策需要通过公交系统的内部优化措施来保障落实。实现公交系统优化的措施众多,涉及面广,是一个多目标、多准则的复杂问题。政府、交通管理部门及公交公司需要了解他们在落实公交优先政策过程中所处的地位,分清轻重缓急,以便合理安排财力和物力。本文从阐述公交优先政策实施的必要性开始,利用生态学中的Lotka-Voltera竞争模型说明小汽车和公交两种不同交通方式在城市发展过程中动态平衡的过程,给出了出行者选用不同的交通方式时在不同情况下从长远来看对城市交通状况的影响,而公共交通由于其人均占用资源较少等方面优势无疑对城市交通状况的发展具有举足轻重的作用。在此基础上,文章还明确了保障公交优先下不同公交优化措施的目的,从服务乘客利益、公司利益、社会利益出发,包括降低公交平均运行时间,提高行程时间可靠性,以及进一步降低了能源消耗和环境污染。要达到公交优先发展的目的,满足居民出行快速、换乘方便、准点性高,公交公司盈利等要求,涉及到采用何种公交内部优化措施。这些措施包括公共交通环境的改善、公交线网的合理规划、良好的调度、采用大容量交通工具、进行票制改革等,本文采用AHP对以上几种措施,在以乘客利益和公交公司利益为目标层的前提下进行权重分析,得出应重点解决公交良好调度的结论,为政府、交通管理部门及公交公司在做交通规划过程中提供一定的指导作用。最后文章在认识BP神经网络结构和Matlab神经网络工具箱中GUI界面良好的可视性和计算的准确性的基础上,将解决公交调度问题转化为以公交线路各站点的客流集散量作为输入变量和拟采用的调度方式作为输出变量的神经网络中的模式识别问题,提出了该模型的具体转化过程,在一定程度上解决了智能公交调度的算法问题。最后以昆明市北京路K1和23路为实例作了分析,获得了不同公交线路客流集散量状态下三种不同调度形式包括全程车、区间车、大站快车的权重值,并与调度形式计算方法下确认的待预测目标值比较,结果表明BP网络经有效训练后应用于公交的实时调度具有较高的预测精度和良好的泛化能力。