随着国民经济的发展和城镇化水平的不断提高，越来越多的人口向大城市聚集，人口的增加直接导致交通需求的增加，城市发展与交通之间的矛盾越来越突出。在这种形势下，优先发展公共交通能有效缓解日益严重的交通拥堵问题。轨道交通和常规公交作为城市公共交通体系最主要的两种交通方式，在居民出行中扮演了重要的角色，推进这两种交通方式之间的协调优化是城市公共交通发展的必然要求。　　交通大数据的出现为解决城市交通问题提供了一种新的思路。传统的人工收集数据的方法具有调查工作量大、成本高、持续时间长和数据质量低的弊端。随着公交刷卡收费系统和地铁AFC系统越来越多地被应用到城市公共交通系统中，从系统中获取的数据也被用于城市公共交通的各个方面。借鉴国内外既有研究，针对城市轨道交通与常规公交的衔接问题，本文基于公交IC卡数据和地铁AFC数据进行了以下研究:　　首先，分析了公交IC卡数据和地铁AFC数据的数据特征，结合实际的站点信息和线路信息对数据库中的编码信息进行匹配;对地铁AFC数据和公交IC卡数据中存在的信息冗余、时空信息错乱等情况进行了全面的数据清洗工作，保障基础数据的可靠性。　　第二，对公交提前刷卡行为导致的数据偏差进行识别和纠偏。将公交提前刷卡行为分为善意提前刷卡和恶意提前刷卡。善意提前刷卡行为将引起的下车交易时间的偏差。对此，本研究根据乘客上车时间和站点推断获取了车辆实际到站时刻表，然后基于DBSCAN（具有噪声的基于密度的聚类方法）算法和车辆实际到站时刻表识别刷卡异常点并纠偏。恶意提前刷卡行为将引起下车时间和下车站点的偏差，本文分别基于换乘行为和往返出行特性识别恶意提前刷卡产生的异常点并纠偏。本研究提出的方法可以对常规公交的数据进行较好修正，使刷卡数据能反映乘客真实的出行时空信息，提升公交数据的应用价值，为下一步构建乘客换乘行为识别和换乘站点优化模型提供相对准确的时空数据。　　第三，基于换乘行为识别乘客在公共交通网络上的多阶段出行。首先，对换乘进行定义，判定乘客是否为换乘行为主要依据两个出行阶段之间的活动是否为出行的主要目的。其次，在进行乘客的换乘分析之前，对乘客的公交和地铁出行阶段情况进行分析。然后，基于分析给出了公交换乘地铁(B-M)、地铁换乘公交(M-B)、公交换乘公交(B-B)三种换乘模式的换乘时间阈值范围。最后，根据给出的换乘时间阈值识别了乘客在一次出行中的多个阶段，构建了乘客在公共交通网上的一次完整出行。　　最后，对轨道交通与常规公交换乘网络站点进行优化。对城市轨道交通和常规公交组成的局部网络进行描述和拓扑结构抽象;构建了以换乘距离最小为目标、以换乘量和换乘节点为约束的轨道交通和常规公交换乘站点优化模型，并设计程序对模型进行求解;以西直门地铁站及周边的常规公交线路组成的换乘网络为案例，对局部换乘节点进行了优化，提升了乘客的换乘效率，验证了模型的实用性。