| 摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·论文背景 | 第9-10页 |
| ·课题研究内容 | 第10-11页 |
| ·主要工作内容 | 第11-12页 |
| ·论文结构安排 | 第12-13页 |
| 第二章 相关技术研究 | 第13-21页 |
| ·现有室内外定位技术 | 第13-16页 |
| ·GPS定位技术 | 第13-14页 |
| ·A_GPS定位技术 | 第14-15页 |
| ·基站定位技术 | 第15-16页 |
| ·服务器端技术 | 第16-18页 |
| ·MVC设计模式 | 第16-17页 |
| ·SSH框架 | 第17-18页 |
| ·预测模型的研究 | 第18-19页 |
| ·卡尔曼滤波预测模型 | 第18页 |
| ·人工神经网络预测模型 | 第18-19页 |
| ·时间序列预测模型 | 第19页 |
| ·本章小结 | 第19-21页 |
| 第三章 实时公交信息查询系统需求分析及设计 | 第21-30页 |
| ·需求分析 | 第21-24页 |
| ·实时公交信息查询系统功能介绍 | 第21-22页 |
| ·公交到站时间预测功能需求分析 | 第22-23页 |
| ·实时公交信息查询系统运行需求分析 | 第23-24页 |
| ·总体设计 | 第24-30页 |
| ·实时公交信息查询系统总体架构 | 第24-27页 |
| ·公交到站时间预测功能总体设计 | 第27-30页 |
| 第四章 预测模型设计与实现 | 第30-44页 |
| ·到站时间预测前期分析 | 第30-31页 |
| ·基于kalman滤波和elman神经网络的混合预测模型设计 | 第31-35页 |
| ·卡尔曼滤波预测模型 | 第32-33页 |
| ·Elman人工神经网络预测模型 | 第33-35页 |
| ·基于Kalman滤波和Elman神经网络的混合预测模型实现 | 第35-38页 |
| ·Elman神经网络模型的Matlab实现 | 第35-37页 |
| ·Kalman滤波模型的matlab实现 | 第37-38页 |
| ·基于kalman滤波和elman神经网络的混合预测模型的验证 | 第38-44页 |
| ·真实数据采集 | 第38-41页 |
| ·模型验证 | 第41-43页 |
| ·误差分析 | 第43-44页 |
| 第五章 公交到站时间预测功能设计与实现 | 第44-74页 |
| ·移动终端定位功能 | 第44-53页 |
| ·移动终端定位功能设计 | 第44-46页 |
| ·移动终端定位功能实现 | 第46-53页 |
| ·公交运行时间预测功能 | 第53-74页 |
| ·前期数据准备及数据库设计 | 第54-60页 |
| ·地铁运行时间预测方案设计 | 第60页 |
| ·公交车实时位置模块的设计与实现 | 第60-63页 |
| ·公交车路段运行时间预测模块的设计与实现 | 第63-74页 |
| 第六章 系统测试及展示 | 第74-83页 |
| ·测试环境 | 第74页 |
| ·移动终端定位场景测试 | 第74-77页 |
| ·公交实时位置场景测试 | 第77-79页 |
| ·公交到站时间预测场景测试 | 第79-82页 |
| ·测试结果分析 | 第82-83页 |
| 第七章 总结与展望 | 第83-85页 |
| ·论文总结 | 第83页 |
| ·下一步研究工作及建议 | 第83-84页 |
| ·研究生期间的工作 | 第84-85页 |
| ·参加的项目 | 第84页 |
| ·完成的工作 | 第84页 |
| ·发表的论文 | 第84-85页 |
| 参考文献 | 第85-87页 |
| 致谢 | 第87-88页 |
| 攻读学位期间发表的学术论文目录 | 第88页 |
