为提高快速公交到站时间预测的准确性,分别以遗传算法、网格搜索法和粒子群算法进行参数寻优的支持向量机方法对比.将公交行程时间分为站间行驶时间和站台驻站时间,选定径向基核作为核函数,分别用网格搜索法、粒子群算法和遗传算法训练参数c、g,用支持向量机(SVM)进行学习和预测.利用上海某中运量公交线路11月的一周调查数据训练支持向量机模型,用另外3天的数据进行验证.通过比对不同范围参数优化的GS-SVM,得出小范围时精度较小,大范围精度较高但耗时严重.通过网格搜索优化参数(GS-SVM)的预测值、粒子群参数优化(PSO-SVM)的预测值、遗传算法参数优化(GA-SVM)的预测值、真实值和平均值等对比.实验表明,支持向量机的算法能较为准确地预测出快速公交的行程时间,相比平均值,准确率提高了6.89％;GA-SVM在本次实验中最为准确,总行程时间的平均绝对误差在3.72s.