吸引乘客从私家车出行转向公共交通出行是缓解交通拥堵的有效手段， 提供更为优质的公交车服务质量是关键手段之一。 提供准确的公交车到站时间预测可以有效提升公交服务质量。 路面的实时交通状态极大的影响公交车到站时间， 因此要获得准确且实时的公交到站时间必须考虑实时交通状态。 本研究对浮动车 GPS 数据的分布特征进行了详细分析， 并提取站间路段不同时刻的浮动车平均车速度量路段该时段的交通状态， 构成公交车行程时间的关键影响因子。采用序列前向特征选择算法， 选取对公交车行程时间影响正相关的因素，将该正相关因素 作为支持向量回归模型（SVR）的输入，预测公交车行程时间。 同时为了充分考虑站点间公交行程时间的先验信息， 引入贝叶斯理论对 SVR 预测值进行修正，使得预测精度得到进一步提升。 在获得各站间的公交车行程时间后，进一步预测公交车的到站时间。 最后，利用广州市 261 路公交线路的报站数据及线路所经过路段的浮动车 GPS 数据进行实验验证。