随着城市现代化的迅猛发展,大城市人口不断增加,生活范围不断扩大,随之而来的出行压力为人们的生活带来了很多问题。无论在发达国家还是发展中国家,ITS(智能交通系统)都是经济增长的指标之一,而APTS(高级公共交通系统),是ITS的重要组成部分,加快APTS的建设能够很大程度上缓解当前交通存在的一系列问题,公交车辆行程时间预测是APTS中非常重要的组成部分,提高道路行程时间的预测精度可以有效提高ITS的整体水平。为解决上述问题,作者将工作主体划分为实时定位和交通道路运行时间预测两方面。在实时定位方面,作者研究已有的定位方法,提出一种室内外均可获取用户位置信息的定位方案,通过采用室内基站定位和室外辅助GPS定位,可以获取公交车的实时位置信息源。在交通道路预计运行时间上,通过研究当前已存在的预测模型,提出一种基于卡尔曼滤波模型和人工神经网络模型的混合预测模型,该模型对历史数据和实时数据综合考虑,最终准确预测出下一时刻路段的运行时间。在实验中作者设计路段真实运行时间采集方案并采集数据,用真实数据验证预测模型并分析模型误差,结果显示该模型的预测精度较高。关键问题的详细技术方案确定之后,将两种方案应用到实时公交信息查询系统中,通过前期的需求分析完成整体的详细设计。在公交到站时间预测功能的实现上,由于历史真实数据不充分,并且采集上非常受限,考虑分阶段完成。第一二阶段均用模拟数据来进行道路运行时间预测的数据基础,第三阶段完成从模拟数据到真实数据的转换,待系统投入使用后采集真实数据进行预测。最后介绍了系统测试的结果,分析系统的不足并提出建议,总结了作者在研究生期间的工作。