随着我国新型城镇化的快速发展,大量人口涌入县城城区,县城城区的规模不断扩大,致使县城城区的客运需求呈现逐年增长的趋势。虽然近些年来县城公共交通得到了快速发展,但是存在某些公交线客运需求相对较小且主要为通勤人员,每天大部分时间段上座率偏低且公交企业亏损严重,拉大发车间隔又使乘客等车时间变长,这已成为这些公交线路能否继续延续公交服务、提供公交服务的关键点。本文依托公交系统大数据背景下,对公交数据展开了深入的挖掘分析,根据不同的分类标准对乘客进行了分类研究,并构建了基于动态需求的单线公交时刻表优化模型。首先,本文在借鉴国内外学者已有研究成果的基础上,深入分析了目前我国县城公交运营存在的问题;依托围场县城的公交数据,用数据融合的方法实现了对乘客上车站点推算,采用基于出行链的乘客下车站点概率模型进行乘客下车站点的推算,并采用时间约束的方法进行换乘乘客的识别,从而实现了对乘客出行OD数据的获取,并以累计客流需求函数的形式给予表示。其次,利用工作日公交IC卡数据,分别从乘客总体和个体上分析不同IC卡类型乘客的出行时间特征,根据乘客出行强度的概念,利用k-means聚类算法实现对刷卡乘客的分类研究,挖掘出公交使用者中不同出行强度人群所占比例,并结合调查问卷数据,构建SVM模型实现对通勤乘客的辨识。最后,通过分析累计客流需求函数中的参数随不同发车时刻表而变动的特点,建立乘客抵达公交站时间概率选择模型,使用OD历史数据辨识时间概率选择模型中参数,得到累计客流需求函数在不同公交发车时刻表下的计算方法,实现动态客流OD的预测;在此基础上建立基于动态需求的单条公交线路发车时刻表优化模型,采用遗传算法优化求解,并研究决策偏好对时刻表的影响,通过对围场县城城区2路公交线路进行算例分析,验证了时刻表优化模型的有效性。