智慧交通是智慧城市建设的重要构成部分,公共交通以其大运量、低成本和高环保的特点,正日渐成为发展智慧交通关注的焦点。公交客流量是进行公交调度、实现公交资源有效配置的基础数据和重要依据,运营调度效率的高低直接影响着公交企业的生产效率、经济效率和服务质量的好坏。但是,公交日客流受到节假日、天气等多种因素的综合影响,客流序列的波动呈现很强的非线性和非平稳性,客流量的预测难度较大。因此,掌握客流波动的特征和规律,并提出一种有效的预测方法对公交调度有着重要的意义。为了更好地解决公交管理领域中存在的客流序列波动情况复杂,短期客流量预测能力不足的问题,本文进行了以下研究:针对公交客流量序列波动情况复杂的问题,结合公交波动的时间、空间不均匀分布的特性,运用统计分析的方法对其进行了分析。基于EEMD处理非线性、非平稳信号的优势,运用EEMD对客流序列进行了模态分解,并重构分解所得的分量,得到高频分量、低频分量和趋势分量,最后,对这三个分量所代表的实际含义进行了解释和说明。在客流波动分析的基础上,分别运用BP、RBF和ELM神经网络技术进行了短期客流的预测。通过实例分析,详细介绍了三种神经网络的参数设置方法,并对其预测性能进行了比较。针对EEMD对客流序列的分解和ELM神经网络在短期客流预测中的良好性能,提出了基于EEMD-ELM的客流量组合预测方法。首先,对日客流量序列进行EEMD分解,得到代表原序列不同的信号特征的IMF分量和剩余趋势分量;然后,根据各分量的平均周期建立ELM神经网络预测模型;最后,将各个分量的预测值相叠加,即得到原始客流量序列的预测值。通过西安市某公交线路的实例分析,并与单一预测模型等进行比较,证实了EEMD-ELM组合预测模型的有效性。