随着国家在大中城市越来越倡导绿色出行,并采取了一系列措施来鼓励大家乘坐地铁公交出行,从而缓减城市道路拥堵和减少污染物排放、降低PM2.5,更多的人选择公交作为日常通勤的方式。除了合理布局和优化公交线路外,通过挖掘公交运行数据,给乘客推荐基于实时和历史数据,更加精确的乘车方案也是一种提升公交乘坐质量的方式。论文首先对当前国内外公交换乘方案查询系统的发展状况做了描述,基于实时公交数据的应用大多数都是应用在公交到站时间的预测上,很少有把实时公交数据直接用在公交换乘方案的生成上。于是,论文提出了通过公交运行数据实现实时公交换乘方案查询系统的方案,整个方案首先基于原始公交信息计算得到静态换乘方案,然后对公交运行历史数据和实时数据在预处理之后对神经网络进行训练,通过训练好的神经网络就可以快速地计算静态换乘方案的动态代价值,基于新的代价值,由静态换乘方案生成了动态换乘方案。论文对动态换乘方案生成系统进行了需求分析和实现过程的详细介绍,分析了系统对数据库的需求、需要的功能模块,设计了相关的数据库表、功能模块的程序流程、以及模块调用接口。并对BP多层神经网络做了工程上的融合,将其集成到工程代码中。论文也介绍了动态公交换乘系统某些模块所做的黑盒测试、白盒测试流程和测试结果,验证了动态换乘方案查询在不同查询模式和查询条件下的结果,以及在生成动态换乘方案过程中对公交运行指标的选取策略。测试结果显示,动态方案可以在生成过程中根据查询条件选取实时或者历史公交运行指标,根据不同查询条件生成不同的动态换乘方案。另外,也对系统进行了性能测试,测试了系统的并发性能、方案查询相应时间和系统稳定性。