本文针对智能交通系统(intelligent transportation system,ITS)领域中公交客流预测和公交智能规划进行深入分析与研究。客流量是公交智能调度过程中的基本依据,是进行公交线网智能规划的重要前提,是通过对海量历史数据进行挖掘分析后得出的结论。由于公交历史数据具有时序性和海量性。传统的多元线性回归模型在对海量数据进行处理的过程中具有一定的局限性,因此必须要通过有效的数据处理或改进模型等方法来保证预测结果准确性。本文首先介绍公交客流预测和公交智能调度的发展现状,分析公交客流预测过程中的重难点。详细阐述了粗糙集在处理海量数据过程中的优缺点以及相关的基本理论,并对粗糙集在智能交通系统中的发展现状进行了详细讨论。属性约简作为粗糙集理论研究的核心内容,是对海量数据进行处理的前提与关键。本文基于粗糙集的属性约简方法,针对公交历史数据的特点定义新的属性重要度函数和隶属度函数来对公交历史数据进行特征提取与属性值合并。文中给出了仿真实验方法与结果,证明该函数能够有效的对基础数据进行特征提取和属性值合并。最后本文提出了一种基于粗糙集与多元线性回归预测模型结合的组合预测模型,定义了模型准确度判别函数,并与不结合粗糙集的多元线性回归公交客流预测模型的准确度进行了比较,得出基于粗糙集与多元线性回归结合的组合预测模型能够更加准确的得出预测结果,并根据预测结果进行公交线路的智能规划。