20世纪90年代以来，智能交通系统的发展加速了交通运输进入信息时代的步伐，而它巨大的市场容量决定了在未来会有更大的发展前景。目前，城市化、汽车化使得城市交通的供需矛盾日益尖锐，许多国家都在大力发展城市公共交通综合运输控制系统（CTCS），旨在改进公共汽车服务，重新赢得乘客。作为CTCS系统的重要组成部分，乘客计数系统不断得到改进，计数方法也从传统的手工计数发展到现在的自动乘客计数（APC）。该系统通过分析和统计不同时间、不同地点的乘客流量，使得运输部门能及时地调整服务，同时它也为以后制定计划、安排行程提供了重要的依据。 目前使用较多的自动乘客计数方法有踏板式计数和CCD可视相机计数，本文主要研究使用红外传感器的计数方法，包括红外传感器计数系统的原理和结构，以及计数算法和单、双通道传感器采集时计数的准确率等问题。 由于神经网络具有强大的学习和泛化能力,为了提高计数的准确性，文中采用神经网络算法来进行模式识别。我们对乘客可能进出的不同情况分别提取特征进行训练。仿真显示训练好的网络能很好地识别区分测试样本中的数据，统计结果表明准确率高达97％。 使用红外传感器的计数系统由于它成本低、安全且具有非接触性等优点，在商场、体育馆等众多场合都可以使用，因此该系统具有很好的实用价值和广阔的市场前景。