随着中国经济的飞速发展以及城镇化进程的不断推进,城市规模不断扩大、城市人口规模高速增长,给城市交通管理带来了极大的压力。有限的交通基础设施渐渐无法满足日益增长的交通出行需求,交通拥堵、交通事故、环境污染等问题日益严峻。严峻的交通问题已经成为影响一个城市发展的重要因素,而智能交通系统(ITS)由于具有有效利用现有交通基础设施、减少交通拥堵、减少环境污染以及提高城市通行效率等优点,得到了来自学术界、工业界和政府越来越多的关注。公共交通系统是ITS的重要组成部分。其中,公交站点规划和短时交通流预测作为公共交通系统中的关键职能,可以有效地提高城市公共交通的管理效率和服务水平。传统的公交站点规划主要靠人工操作,存在很多缺点和不足。短时交通流预测的结果可以有效的缓解交通拥堵问题,但如何获得及时准确的短时交通流预测结果仍旧是一个技术难点。与此同时,交通设施中部署的传感器种类和数量越来越多,产生的交通数据规模和种类也越来越庞大。为此,本文利用了出租车GPS历史记录和历史公交刷卡记录,研究机场巴士站点设置和公共汽车客流量预测,以提高公共交通的服务水平。针对传统公交站点规划方法存在的缺陷,本文提出了一个两阶段的机场巴士站点规划方法,旨在通过规划最优的机场巴士站点来提高公共交通的服务质量。具体而言,通过数据预处理得到进／出机场数据集,然后分别对两个数据集进行聚类并对聚类结果筛选合并,最后在各划分区域中选取最佳的候选点作为机场巴士站点。此外,本文还提出了一个演化的时间序列模型来实现短时公交客流量的预测。首先使用ARIMA模型对未来l-时间区间的客流量进行预测,并利用上一时间间隔获得的实际客流量对接下来的l1时间区间的预测结果进行修正,使得预测结果越来越接近于实际客流量,同时本方法还引入了置信水平1-∈来辅助公交调度中心进行调度决策。最后,我们利用内存数据库平台HANA对上述方法进行了实验验证,实验结果表明我们的方法能够提供有效的公交站点规划方案和及时准确的公交客流量预测。