对于一个城市的交通发展而言,城市公共交通服务的发展是其中十分重要的一环。城市公交由于其特有的优点,长期以来一直是是城市居民出行必要的交通方式。近年来,公交自动收费系统和自动车辆定位系统,已经得到了广泛的使用。随之产生了大量的公交IC卡数据和公交GPS数据,包含了大量正待挖掘的乘客出行信息。相比使用传统的人工调查方法,利用多源数据融合方法,采集乘客出行信息,可节省大量的人力和物力,且可提取出更全面的出行信息,为城市公交运营管理等提供科学依据。基于此,通过融合公交IC卡数据、公交GPS数据和相对应的公交线路和站点信息,本文提出了一种基于利用DBSCAN算法的二次聚类的公交乘客上车站点推算方法,提出了一种通过设置空间和时间阈值进行出行乘客换乘行为判断的方法,针对下车站点的推算制定了一个三种模式融合的推算方法,并设计了公交线网优化模型并通过蚁群算法求解。具体内容包括:首先对多源数据融合挖掘的三类数据源,即公交IC卡数据、公交GPS定位数据和公交站点静态位置数据的数据来源进行了解释,同时分析了三类数据集的数据格式,并且研究了进行数据预处理的方法。其次,为了提高上车站点推算的准确性,本文提出了一种基于二次聚类思想的上车站点获取方法,该方法运用了DBSCAN算法进行两次密度聚类,一是对GPS轨迹定位数据的聚类,目的是清除GPS数据中的噪声点;二是将IC卡打卡位置与公交站点位置进行聚类,以获取乘客上车打卡的具体站点。在获取了乘客上车站点数据集的基础上,本文对下车站点的推算方法进行了研究。对下车站点的推算可以理解为两个阶段,首先要对乘客出行数据中的换乘行为进行识别,其次针对非换乘数据制定了三种模式的下车站点推算方法,分别是针对闭合出行链的基于出行链规则的下车站点识别方法,和针对单链或断链的基于个人或历史出行行为的下车站点识别方法。最后,本文根据上下车站点的推算方法进行。还针对公交线网优化的理论进行了说明,对优化公交线网的目标函数及限制条件的设置方式进行了说明。并通过获取的公交乘客OD数据,结合蚁群算法对优化模型进行了求解并分析。