公交出行是缓解城市交通拥堵,提升城市交通可持续发展的重要手段。城市常规公交是公共交通的主体,其服务水平很大程度上影响了居民的出行选择,而公交车车辆串车问题很大程度上影响着城市公交系统的服务水平。因此,论文基于理论分析和实际数据分析,在系统分析串车问题基础上,通过建立公交车串车的预测模型,实现对公交车串车问题的有效预测,从而为串车问题改进模型的构建提供数据支撑,并提出了基于BDS(公交车载设备系统,Bus Dispatch System)实时数据的反馈控制模型框架,从而有效避免串车现象发生,对于改善城市公共交通服务水平具有一定的理论意义和实用价值。论文的研究内容围绕公交串车问题,采用理论模型和基于实际数据的实例分析相结合的方式,按照“什么是公交串车问题”、“为什么会发生公交串车问题”以及“怎样有效预测与改进公交串车问题”的研究思路展开。首先,结合车头时距不稳定性的概念,对串车现象给出判定依据,解决了“什么是公交串车问题”其次,给出串车问题产生的六种典型过程,采用描述性分析与自贡市38路公交车的案例分析相结合的方式,说明这六种典型过程是如何发生的。接着,为串车问题建立数学模型,对串车发生的原因进行理论分析,给出4种导致串车问题发生的原因,并与串车问题产生的六种典型过程进行对照。然后,通过数据分析的方式,运用相关性检验、方差分析、回归分析等多种统计分析方法,找到了实时数据之间的数量关系,并结合逻辑分析确定了实际情况中导致串车问题发生的影响因素。此后,通过回归分析给出了串车的7个影响因素,并对其进行重要度排序。接着,研究了不同预测模型之间的差别,通过层次分析法确定基于RBF(径向基函数,Radial Basis Function)径向神经网络的公交车串车问题预测模型,对未来站的车头时距进行预测,并通过预测结果为串车问题的改进模型提供数据支撑,并选取了自贡市38路公交车的实时数据进行案例分析,结果验证了模型的可靠性。最后,在分析公交车调度指挥系统流程的基础上,设计出串车问题的改进模型框架。该改进模型结合历史数据、实时BDS数据,运用RBF神经网络的预测结果,计算理想状态下合理的区间旅行时间(速度)、停站时间、发车问隔,进而通过调度指挥系统对公交司机下达实时调度命令,调整运行状态,同时将新生成的数据作为历史数据反馈给系统。