在理想的情况下,公交车辆会按照既定的时间表,在预定的时间抵达公交站台。“公交集结”指的是在同一条线路上,公共汽车按照预定的时间表出发,但随着时间的推移,两辆或两辆以上的公交车辆同时运行或同时到站的现象。这种公交运行状态的异常变化不仅会显著影响公交服务的效率和质量,而且会增加额外的乘客等车时间。为了更好地对公交系统进行管理和控制,本文对常规公交运行状态识别及预测进行研究。研究内容主要包括:首先,在公交集结运行过程分析基础上,以到站时间间隔为公交运行状态的微观评价指标,将公交微观运行状态划分成五种不同的运行状态,分别是集结、集结过渡、常态、大间隔过渡和大间隔;运用K均值聚类算法对公交到站时间间隔样本进行聚类并对聚类结果稳定性进行分析,获取微观运行状态判定阈值;在微观公交运行状态基础上,对公交宏观运行状态进行识别,将宏观交通运行状态划分城聚簇态、过渡前态、过渡后态及常态四种不同的运行状态。其次,对公交线路在不同站点、不同时间内统计得到的到站时间间隔样本进行概率分布拟合,得到了每条公交线路到站时间间隔样本较为统一的概率分布拟合形式,结合微观公交运行状态判定阈值,分别计算公交车辆在不同站点、不同时间段内公交集结运行状态、常态发生的概率,对公交运行状态的时空分布规律进行了分析。接着,基于公交运行过程中状态跳转的马尔可夫性,利用马尔可夫相关理论对公交运行状态演变规律进行分析。研究发现:公交车辆保持初始公交运行状态的概率随着运行距离的增加而减小,变化为其他公交运行状态的概率随着运行距离的增加而增加,公交集结会出现集结—非集结—集结……交替变化的动态过程。最后,建立基于多项Logistic和支持向量机的公交运行状态预测模型,运用公交线路到站时间间隔样本对模型中的未知参数进行标定,对比了两种预测方式对公交运行状态的预测效果。研究发现:由于考虑了公交运行状态演变规律,多项Logistic预测模型对公交运行状态效果优于支持向量机预测模型。