为解决城市交通供需的突出矛盾,提高城市居民生活水平,促进整个城市社会经济可持续发展,就必须加大我国城市交通建设、规划和管理步伐,同时,采取多种手段调控城市交通结构,引导城市交通向以公共交通为主体的方向发展。国内外城市交通发展的经验教训,也证明了优先发展公共交通是解决城市交通的根本途径。公交客流数据是公交运营调度优化的基础。准确地做出公交线路客流预测可以有效地指导公交运营决策,制定运营调度方案,有效提高公交系统的运营效率。随着智能公交调度系统的发展,公交公司积累了大量的公交IC卡、GPS等数据,传统的统计分析的方法已经不能满足现阶段公交客流实时分析和短时预测的要求,本文利用数据挖掘的技术,提取公交IC卡和GPS数据的关键特征,对公交客流特征进行分析,在此基础上针对传统预测算法在处理大量数据时预测精度低、收敛速度慢等不足,提出了应用极限学习机对公交客流进行短时预测。本文主要贡献如下：(1)提出利用数据挖掘技术,对IC卡、GPS、公交站点信息等数据进行融合,创建数据仓库,提取关键属性,充分进行关联分析,确定站点上下车人数,并在此基础上分析客流分布特征(包括时间特征、空间特征、短时特征),为短时客流预测提供原始数据和预测思路。(2)将极限学习机(ELM)算法首次应用到公交客流短时预测方面,通过与时间序列法、支持向量机等方法的对比,验证了ELM算法在处理大数据量的公交客流短时预测方面具有收敛速度快,精度高的优势。