近年来,随着城市化进程的加快,城市公共交通问题也越来越严重。为了缓解城市交通压力,就需要大力发展智能交通,提高公共交通系统的运行效率和服务质量。而公交调度问题作为智能交通的核心问题之一,对公交系统的运营水平和服务水平具有重大影响。公交调度问题是一个复杂的组合优化问题。由于问题的复杂性,当前的公交调度模型存在着一些不足,这就造成求解的问题不太适合实际情况；同时,当前的车辆调度算法也比较单一,通常使用遗传算法等智能优化算法,缺少对混合启发式算法的研究。基于此,本文建立了一个上下行发车频率不同的公交组合调度模型,该模型可以解决不同路段之间以及上行和下行之间的客流不均衡问题；进而,为了使该模型更具有普遍性,能够适应多种客流需求,又增加了区间车首站不在始发站这一因素。同时,提出了一种以粒子群算法和模式搜索算法相结合的混合启发式算法；粒子群算法在许多复杂的NP-难问题上都有很好的表现,但是也有着易早熟收敛等缺点；而模式搜索算法却有着较强的精细搜索能力,因此将两者结合起来构成混合启发式算法是合理的。最后,本文在蚌埠公交真实数据集上验证了提出的模型和算法,结果表明提出的调度模型和求解方法是有效的。