近几年,随着公交智能化发展,在公交运营调度中积累了海量的公交信息,这些信息具有明显大数据特征,但没有得到充分发掘,导致部分城市在公交调度中,还是利用经验或人工调查的方式来制定行车计划,使公交运营效率大大降低。所以,通过采集到的海量公交信息发掘其中关联性及预测性,对于公交调度智能化发展具有重要的价值。快速公交(Bus Rapid Transit,BRT)作为公交系统智能化发展产物,具有先进硬件设备,快速的传输网络以及大数据分析的应用软件系统等,为论文研究提供比较全面的数据来源。鉴于此,论文以快速公交BRT系统为研究对象展开需求分析与总体结构设计,研究并实现了一种基于数据挖掘的公交智能调度系统。论文主要研究内容包括:论文对数据挖掘概述、数据挖掘体系结构以及系统开发所需相关技术等基本概念进行阐述,从系统功能需求与非功能需求展开分析,以BRT为研究对象设计了系统总体构架、系统体系结构、系统逻辑结构以及系统部署方案,为系统应用实现提供理论依据。论文对BRT智能调度系统下的数据挖掘方法进行研究,通过公交客流量不同采集方式对比分析,选择客流量统计仪作为客流量采集方式;利用GPS定位系统对公交行驶数据进行采集。论文从日内小时客流、周内全日客流、季节性和短期性客流、上下行方向客流以及断面客流不均衡等情况对客流量进行分析,根据BP神经网络原理以及运行流程,建立基于BP神经网络客流量预测模型,并通过MATLAB软件实例分析验证预测结果。论文利用SVR支持向量机建立公交行程时间预测模型,通过SVR工具箱实例分析验证预测结果。根据客流量预测以及行程时间预测设计了 BRT公交智能调度优化模型,实现BRT线路的最佳班次安排。论文为了提高系统开发效率,应用JeePlus构架,设计了 BRT智能调度系统。对系统开发平台进行搭建,应用数据挖掘平台中的Sqoop与Flume技术,完成了 BRT基本信息实时采集与历史数据转移方案。根据系统需求分析,实现了行车计划编制、实时监控、动态调度、数据统计管理以及数据分析等系统主要功能,并设计统一访问接口提高系统数据库联动性。系统的部分功能模块以及性能方面进行调试,验证系统稳定性以及安全性,调试基本满足研究设计要求,能够为我国公交智能调度系统发展提供参考。