及时、准确的获取公交客流信息和运营信息是公交管理工作的基础,它不仅为日常调度提供依据,也为线网优化,及做出科学的公交规划和运营决策提供参考。基于公交IC卡采集的海量公交数据,提出快速高效的公交数据分析方法,以获取公交客流信息,并预测公交客流趋势,是计算机应用技术面临的一个重要课题。　　 本文首先介绍了目前采用的公交数据分析方法的特点,以及需要改进的问题。然后针对公交IC卡数据时间性的动态特点,利用线性自回归模型对时间序列形式良好的模式识别能力,建立模型；利用BP神经网络在非线性模型方面表现出来的良好的特性与优势,构造出具有代表性的样本,设计并训练BP神经网络。同时针对BP神经网络易出现局部最优的缺陷,采用改进的遗传算法优化神经网络的初始权阈值。最后,实现了一个既运用了时间序列模型良好的模型辨识能力,又发挥了神经网络良好的非线性映射能力,还综合了遗传算法的全局优化能力的公交客流数据分析方法。　　 以北京市公交集团专线客运公司线路为例,将本文构造的模型和设计的算法,与传统的方法进行了比较。仿真实验结果表明,在模型的稳定性,收敛速度,准确度等主要指标方面,本文所设计的模型与算法优于传统的分析方法。　　 此外,本文还根据仿真实验的结果,对北京公交集团第六客运公司线路的运营策略进行了评价,并对其未来运营决策方法提出了合理化建议。