当前我国城市交通问题日益凸现，主要表现为交通拥堵现象极为普遍、城市交通污染日益严重等等。大力发展公共交通、提高公交在居民出行中的比例是有效的解决手段之一。而公交调度是公交企业运营管理的核心内容，实现公交调度智能化和调度方案的最优化是提高运营调度水平、增强公交吸引力的关键。公交客流数据是制定和优化公交调度的前提和基础。本文分析了既往公交IC卡数据的规律和特点，取得了公交IC卡的历史数据得到客流曲线，采用fisher有序聚类算法划分公交峰值区间，从而建立了不同峰值情况下公交IC卡数据预测时段客流的回归方程，为公交调度提供基础数据。公交车辆的线路调度是公交调度的基本模式。本文提出了以乘客满意率和企业满意率加权平均值最大作为目标，考虑最大和最小发车间隔、满载率等约束，以发车时间为变量的公交车辆优化调度模型。该模型能够计算出优化的公交车辆全天发车时刻表，同时可以利用公交IC卡数据的高效性和实时性，应对客流变化快速对时刻表做出有效调整，从而实现智能化的目标。公交车辆优化调度模型的求解是解决公交调度实际问题的关键。由于该模型是多变量的非线性问题，用传统方法难以求解，为此本文将免疫算法引入到模型求解中，给出了免疫算法应用于求解公交车辆优化调度问题的基本步骤和具体计算过程。本文最后将公交优化调度模型具体应用于大连市406公交线路，得出了优化的调度方案。结果表明，该模型和算法得到的优化发车间隔满足客流增长趋势，并且相邻峰值区间发车也很平均，优化了现有的调度方案并具有快速智能化反应能力。