公交智能化的发展为解决交通拥堵问题,突破城市发展瓶颈带来了新的思考方向。如何高效的利用海量数据信息提高公共交通的服务水平从而增加公共交通的吸引力,是智能公交的一个重要研究领域。近年来,互联网技术不断发展成熟,数据采集前端设备及基础硬件设施更新迭代,智能公交领域的研究迎来了新的契机。进入大数据的时代后,掌握有效数据信息并进行分析处理,通过实时调度策略的调整,弥补传统静态公交调度的不足,构建公交车辆的动态调度系统已经成为公交智能化研究领域新突破点。首先论文以公交动态调度的基本理论和基础策略入手,探究公交动态调度研究发展现状,对比智能公交调度与传统公交调度的优势所在。对目前国内外智能公交研究特别是智能公交调度方面的理论研究进行了详实的文献综述,探讨了目前国内外学者的研究成果及研究不足,从而确立了本文的单线路动态调度的研究思路。阐述了单线路公交动态调度基本理念,探索理论创新点,分析影响公交动态调度策略执行的主要因素。通过对不同动态调度策略的优劣势对比,选择动态跳站调度为本文的主要研究方向,并对动态调度的建模思路进行了研究综述,遗传算法为代表的群体仿生算法在动态调度的研究中具有明显的优势,为了使调度模型的应用能够更加贴近实际运行环境,确立遗传算法为本文的模型构建方向。而后文章重点分析了单线路动态调度系统的客流特性和车辆行驶特性,从而引出单线路动态调度的两个关键时变数据,探索了公交客流及公交车辆运行信息的数据获取以及数据处理。以公交IC卡数据为主要的客流数据来源,公交GPS数据为主要的车辆运行数据来源,通过对数据信息的分析,为单线路公交动态调度模型的建立提供数据支撑。提出了公交IC卡数据的扩样模型,保障了数据的可靠性;基于短时客流预测,构建了动态发车时刻表模型;以乘客成本和运营者成本为目标构建了单线路动态跳站调度模型,并通过遗传算法对模型进行了实现。最后,文章对从日照市公交集团获取的公交数据筛选处理,选取19路公交线路的基础数据对构建的模型算法进行了验证,模拟了单线路公交动态调度策略的执行过程,并通过对该线路的运系统成本分析评价该模型的优化效果,得出本文的研究结论。