随着城市进程化的加快，人们生活水平大幅度提升，机动车尤其是私家车的拥有量和道路的交通量都急剧增加，随之而来的城市交通拥挤、交通事故、能源短缺和环境污染等诸多问题也日益突出。交通问题已经成为严重阻碍城市发展的因素之一。　　优先发展智能公交系统，鼓励广大市民乘坐公共交通出行，这是解决城市交通拥堵问题的重要途径之一。随着智能交通系统的出现，如何实现公共交通系统的信息化、智能化显得尤为重要。实现智能公交系统的关键技术就是公交车到站时间预测，对公交车到站时间的预测研究，是提高城市公交系统运营效率和发展智能公共交通系统的重要研究方向。　　本文首先对国内外现有的行程时间预测技术研究现状进行分析和对比，分别指出各个模型的优缺点。然而随着数据采集技术的成熟和对时间预测精度要求的提高，上述模型在时间预测方法和精度上依然存在不足。本文基于GPS车辆定位系统数据采集方法，对公交车采集的原始数据进行预处理和分析，获得公交车历史行程时间。基于公交实时运行数据与历史数据相结合的方法，充分考虑多种随机因素的影响，提出了一种基于支持向量机(SVM)与实时预测相结合的混合型公交运行时间预测模型。在该模型中，SVM基于历史数据，输入特性选择时间段、节假日、天气、路段长度和速度5个变量，预测各路段车辆运行时间的基准时间。由于基于支持向量机预测模型完全基于公交运行历史数据，由于公交车运行存在实时性和受动态随机状况影响等特点，为了反映当前时刻公交车运行的特性，提出一种动态混合型公交到站时间预测模型，该模型结合支持向量机静态输出的基准时间实时预测公交车运行到下一站点的行程时间。模型包括基于公交车辆实时速度和经纬度的半站路段行程时间预测模型和基于权重动态分配的整站站点公交行程时间预测模型两部分。　　最后，利用济南市1路公交车路线对该模型进行了实验验证。结果显示，基于支持向量机(SVM)与实时预测相结合的混合型公交运行时间预测模型与单一的SVM预测模型相比预测精度明显提高，且预测稳定性明显增强，该模型具有较好的鲁棒性。