Proporcionar información precisa sobre el tiempo de viaje en autobús es muy importante para ayudar a los pasajeros a planificar sus viajes y reducir los tiempos de espera. Debido a la incertidumbre del tiempo de viaje en autobús, el valor de predicción tradicional del punto de tiempo de viaje no puede describir con precisión la fiabilidad del resultado de la predicción, lo cual no es beneficioso para los pasajeros que esperan el autobús según el resultado de la predicción. Al mismo tiempo, debido a las grandes diferencias en los estilos de conducción individuales de los conductores de autobús, los datos de tiempo de viaje fluctúan considerablemente, y la precisión y fiabilidad de los resultados de predicción del punto se reducen aún más. Para abordar este problema, este estudio desarrolla un modelo de intervalos de predicción de tiempo de viaje en autobús personalizado para diferentes conductores basado en el método de bootstrap. Se construyeron intervalos de predicción de tiempo de viaje personalizados para conductores con diferentes estilos de conducción. Para mejorar aún más la calidad de los intervalos de predicción de tiempo de viaje, este estudio optimiza los conjuntos de datos de entrenamiento considerando factores de estilo de conducción. Luego, este documento integra el agrupamiento jerárquico, una red neuronal artificial y el método de bootstrap para construir otro modelo de intervalos de predicción para el tiempo de viaje en autobús basado en el agrupamiento del estilo de conducción del conductor y el método de bootstrap. Se utilizaron conjuntos de datos de conducción del mundo real del autobús No. 239 en Shenyang, China, para la verificación experimental. Los resultados mostraron que los dos modelos construidos en este documento pueden cuantificar efectivamente la incertidumbre de los resultados de predicción del punto, con cada intervalo superando el nivel de confianza establecido (80%). También se encontró que la calidad de los intervalos de predicción construidos mediante el agrupamiento de los datos de estilo de conducción es mejor (los valores disminuyeron en un 23.33%, 54.24% y 28.61%, respectivamente, y los valores correspondientes también disminuyeron en un 18.93%, 10.39% y 14.19%, respectivamente), lo que puede proporcionar a los pasajeros sugerencias más razonables sobre el tiempo de espera.