随着我国城市化进程的发展，城市交通问题同益严重和普遍，已经影响了城市的生产和生活。如何解决交通问题已经成为人们关注的焦点。在这种情况下，智能交通系统(Intelligent Transport Systems,ITS)便成为解决这个问题的重要途径之一。我国ITS技术的快速发展，特别是近些年国内若干城市先进公交系统示范工程的建设与实施，支持智能公交调度决策的信息采集、发布技术趋于成熟，公交优先运行环境得到很好的改善。　　 先进的公共交通系统APTS(Advanced PublicTransportation System)是ITS的重要的子系统之一。APTS系统一般由公共交通管理调度系统、公交运行信息系统、快速公交系统(BRT)、先进安全公交车辆组成。BRT(BusRapid Transit)是APTS的重要组成部分。自2005年起，北京、杭州、昆明、合肥、济南、深圳、大连、常州和厦门等市已建成和正在建设BRT项目，并且大大缓解了城市的交通压力。　　 公交调度是影响公交系统运行效率和服务水平的主要方面，是智能公交系统研究的核心内容。本论文是在研究ITS的基础上，认真学习了蚁群优化算法和遗传算法的基本知识，用混合蚁群优化算法的遗传算法解决快速公交车辆发车调度问题。公交车辆发车调度是公交调度的基本模式，本文以乘客等车时间成本最小和公交企业收益最大为目标，考虑最大和最小发车间隔、两个相邻的发车间隔以及满载率约束，以发车时刻为变量建立数学模型。　　 本文在算法设计上，将遗传算法和蚁群优化算法混合使用。在遗传算法每次交叉运算后，从当前群体中找出最优染色体，可将其视为较优解，用蚁群算法来对其基因进行变异寻找更优秀的染色体。每个蚂蚁按选择概率函数选择路径，产生出一个新的染色体。如果新的染色体比原来较优的染色体适应度好，则保留：反之，不保留。当寻找到的较好的染色体数量达到群体规模时，停止寻找。这样，用蚁群优化算法指导遗传算法的变异运算，增强了变异运算的智能性。并以大连市快速公交为例，求得整个调度时期内的不均匀发车时刻表。如按得到的结果进行车辆调度，可以比目前实际采用的调度减少发车数量，节省成本，而不会影响乘客的出行。