公共交通是城市化发展中的重要一环,发达的交通体系是解决由于经济发展、科技进步带来的车辆增多、交通拥堵等一系列问题的必要基础。公共交通系统结合嵌入式技术、互联网技术和人工智能技术等,为市民出行提供有力保障,显著提升公共交通的服务质量。公交车到站时间预测服务系统是公共交通系统的重要组成,其帮助出行者合理规划出行方案,吸引更多的市民选择公共交通出行,从而缓解交通压力,降低由交通阻塞带来的能源消耗等问题。本文首先分析了公交车到站时间预测服务系统的设计背景,同时研究了当前公交车到站时间预测算法方面的研究成果。之后对本课题的前置项目,公共安全监控系统的架构设计进行了简要分析。同时对课题使用的机器学习算法和分布式计算技术进行了研究。随后以北京市607路公交车的行驶数据为例,为降低GPS的采集误差,设计了坐标转换、投影等数据预处理流程。根据数据统计结果,结合北京市特殊的交通环境,提取了6种影响公交车行驶的主要因素。并且为解决大规模数据集的预处理计算问题,设计了公交车行驶数据预处理的分布式计算系统。在分析了公交车的行驶特点,提取出影响因素之后,课题针对这6种影响因素,提出了一种基于随机森林的公交车到站时间预测算法。设计相关实验,以模型中回归树数量的不同作横向对比实验,以算法模型的不同将该算法与历史平均模型、神经网络模型等算法作了纵向对比。实验结果显示,基于随机森林的公交车到站时间预测算法具有较低的误差。最后为解决大规模样本集的训练与预估问题,设计了随机森林算法的分布式训练与预估系统。最后将公交车到站时间算法应用于实际中,设计了公交车到站时间服务系统,为市民出行提供线路查询、车辆位置查询和到站时间预估查询三种服务。