公共交通IC卡数据具有覆盖范围广,连续性强和成本低廉的特点,作为客流信息的重要数据来源,在公共交通运营决策方面,有望发挥重要的作用。这一领域深入的研究尚不是很多,存在很大的研究空间。基于此,本文对公交IC卡数据进行了一些讨论,提出了将其作为基础进行公交运营决策支持的框架。在短期的客流变化方面,本文立足于公交IC卡数据,基于广义回归神经网络(GRNN, Generalized Regression Neural Network)进行了未来一周内的数据预测,并取得了较高的精度。在此之后,本文首先利用预测数据作为输入,编制了以乘客拥挤度最小为目标的发车时间表。其次,本文讨论了以往一些学者的最小乘客换乘等待时间的发车时间表的建立过程,认为这些研究中将车辆的同时到达等同于乘客的换乘等待时间最小的这种思路给实际当中的乘客换乘等待时间带来了很大的风险,并且缺乏对不同站点间乘客换乘人数的区别。有鉴于此,本文从另一个角度出发,以公交的统计数据作为基础,考虑对编制出的乘客拥挤度最小的发车时间表进行调整,以乘客的等待时间期望为目标函数值,建立了使得乘客的平均等待时间最小的随机优化问题,并将遗传算法和计算机模拟结合,进行了求解,获得了在乘客的拥挤度和乘客的换乘等待方面权衡的公交车发车时间表。