随着经济社会的快速发展以及城市人口的增长,居民的出行量不断地增加,交通基础设施的建设速度远跟不上交通需求量增长的速度,交通拥堵问题日益突出,直接影响人们的出行质量。提高公交系统运营效率和服务质量是缓解交通拥堵的关键举措。公共交通系统运营是一个复杂的问题,包括公交线网规划以及驾驶员排班等问题。其中,科学配置公交时刻表是公共交通调度的关键,是系统运营中最为重要与复杂的问题。在现有的公交网络结构下,公交乘客换乘行为普遍存在。为了提高乘客在公交网络中的换乘效率,本文融合多源乘客换乘数据,分析乘客换乘行为,并以此为基础,建立公交时刻表协同优化模型,并设计启发式算法,对模型进行求解。首先,融合公交乘客IC卡数据、公交车辆GPS数据与公交站点GIS数据等多源数据的基础上,从时空两个维度构建乘客换乘行为识别算法,分析乘客换乘行为。在时间维度上,将乘客前后两次刷卡的时间间隔拆分为站点到站点行程时间与等待时间两部分,并基于换乘时间阈值,推算乘客的换乘前下车时间与步行到换乘站点的时间;在空间维度上,利用公交站点的空间位置与最短换乘距离,判断乘客的下车换乘站点。其次,构建了双层多目标公交线路时刻表协同优化模型。该模型的上层目标为乘客换乘效率最大化,下层目标为乘客换乘时间最短。乘客换乘效率最大化是基于公交车辆的运输能力,在换乘时间窗内使尽可能多的乘客实现上车换乘;乘客换乘时间最短是在公交换乘网络中,实现所有乘客的总换乘时间最短。根据模型计算的复杂性,设计了枚举算法与基于非支配排序的带有精英策略的遗传算法(NSGA-Ⅱ)进行求解。最后,选择两个案例分别验证算法与模型的有效性。在算法验证方面,通过案例一的公交换乘网络,分别采用枚举算法与基于非支配排序的带有精英策略的遗传算法(NSGA-Ⅱ)进行求解,并对两个算法的结果对比与分析,结果表明:基于非支配排序带有精英策略的遗传算法相较于枚举算法可以在合理的时间内获得高质量的帕累托解。在模型验证方面,通过案例二的公交换乘网络,对本文提出的协同调度模型与以往研究协同调度模型进行对比与评价,结果表明:本文协同调度模型优化后的乘客平均换乘时间相较于以往研究模型优化后的乘客平均换乘时间提高百分比10%,在乘客出行成本的角度,本文公交协同调度模型优于以往研究公交协同调度模型。通过对以上两个案例的分析与研究,证明了本文提出的协同调度模型与求解算法,在实际工程中有较好的应用效果,可以提高公共交通网络的服务水平,吸引出行者选择公共交通这一出行方式,进而缓解城市交通拥堵。