随着城市现代化的快速发展,城市人口不断增加,市民的生活范围不断扩大,城市公共交通问题逐渐成为国内外关注的重大问题。近些年科技的不断发展,使得智能公交系统正以其智能化服务公共交通的特性越来越受到政府和社会的广泛重视。智能公交系统必将成为衡量未来城市发展状况不可或缺的一项重要指标。而公交车辆到站时间预测作为智能公交系统中的重要组成部分,预测的精确程度也直接影响着智能公交系统的整体水平。本文主要研究了以时间段、天气、节假日为参考因素的支持向量机与实时预测相结合的混合公交到站时间预测模型的分析设计与实现。首先对于本文依托的玉溪智能公交系统的特点、影响到站时间因素进行分析,同时对几种常用的时间预测模型进行选型,选择了具有自适应性,鲁棒性以及小样本预测的支持向量机模型(SVM)作为基础预测模型,并确立了时间段、天气、节假日为参考因素。又由于道路交通的复杂性大,单一的历史数据预测,无法应对突发状况。而本项目中利用GPS技术获得的实时定位信息,RFID技术与GPS技术交互获得实时到站信息,为预测模型的提供了实时可靠的预测数据,有效的应对了突发状况。技术方案确定后,通过前期的分析、设计,完成了模型的实现。并采用现场GPS采集的真实数据进行测试,达到了良好的预测结果。最后,在到站时间预测功能设计实现的基础上,运用了手机、网络、电子站牌多种方式进行了功能的发布,使本文的研究具有了更大的实用价值。