分析公交乘客的出行特征,首先需要获取公交乘客出行数据。传统的公交调查方法很难获取到实时、全面的公交出行数据,而随着智能公交系统发展的日渐成熟,公交IC卡自动收费系统与车辆GPS系统在国内很多城市得到广泛使用,公交IC卡和GPS数据等公交数据为公交乘客出行特征的分析提供了全面、准确的数据支撑。目前公交信息系统存在数据缺失的问题,如一票制公交计费系统缺少乘客上车站点、下车站点、下车时间及换乘站点等记录,为此本文针对此问题开展对乘客的出行轨迹构建的研究,并在乘客出行轨迹构建完整的基础上对公交乘客的出行特征进行分析。本文首先对一票制公交IC卡数据、GPS数据及公交线路等静态数据进行结构性介绍,分析公交数据存在的问题并对公交数据进行预处理,解决数据错误、格式不一致、公交IC卡系统及GPS系统两者间时间不统一等问题,在此基础上对乘客的公交出行轨迹进行构建。应用数据融合方法,提出了基于时间匹配的方法对乘客上车站点进行判断。基于单个刷卡乘客,考虑乘客出行的连续性以及多日出行的规律性,提出四个假设条件,并建立下车站点判断模型对公交乘客的下车站点进行推断,最后依据人工跟车调查的实验数据,对乘客上、下车站点的结果进行了精度验证。在推断出乘客上下车站点的基础上,对乘客的换乘从时间和空间两个角度进行综合分析,提出基于直达系数、迂回系数等六个识别因素的公交换乘识别方法,最后应用该方法对实例分析,与仅从时间角度的识别方法对比发现该方法更为全面。在对乘客出行轨迹构建完成后,提取研究城市全体乘客三个月的出行(OTD)数据,从不同粒度对研究城市的公交客流量进行时间和空间的统计分析,并以图谱的形式表现,从图谱分析出公交客流的各种特征,最后用可视化的方法表现出该城市公交客流在公交站点、公交线网的分布以及该市区域OD的分布,对公交的规划和运营提供了依据。论文最后对个体乘客在时间、空间两个方面的出行特征进行分析,并据此应用聚类算法对个体乘客的出行时间、空间模式进行提取。按照个体乘客出行在时间、空间上的规律程度对研究城市的全体刷卡乘客进行分类,并就各类乘客在出行时空、换乘、刷卡类型、公交出行频率几个方面的特征进行分析,为在公交市场细分基础上制定精细化的公交运营服务对策,促进公交服务水平和公交分担率的提升提供依据。