Seleccionar ubicaciones óptimas para paradas de autobús personalizadas es crucial para mejorar la tasa de adopción de servicios de autobús personalizados, reducir costos operativos y, consecuentemente, mitigar la congestión del tráfico. Este estudio aprovecha los datos de transporte compartido para analizar la distancia entre pasajeros y paradas de autobús, así como los costos operativos asociados con el establecimiento de estas paradas, para construir un modelo de ubicación de paradas de autobús personalizadas. Para abordar la capacidad de búsqueda local limitada de los algoritmos inmunes convencionales, proponemos un Algoritmo de Inmunidad Adaptativa de Doble Población (DPAIA) para resolver el problema de ubicación de paradas de autobús. Finalmente, realizamos experimentos de simulación utilizando datos de viaje de pasajeros de una empresa de transporte compartido en Chengdu para evaluar el modelo de ubicación de paradas de autobús personalizadas propuesto. A través de simulaciones con datos de transporte compartido de Chengdu, el algoritmo DPAIA minimizó el costo ponderado a 28.95 diez mil CNY, superando a todos los competidores. Aunque propuso 9-11 paradas más que los competidores, este aumento impacta ligeramente en los costos mientras que reduce notablemente las distancias de caminata de los pasajeros. Optimizando la ubicación de las estaciones para satisfacer la demanda y las redes viales, nuestro modelo respalda 50 paradas estratégicas de autobús, mejorando la accesibilidad del servicio y potencialmente aliviando la congestión urbana mientras aumenta los beneficios del operador.