| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 选题背景 | 第10-11页 |
| 1.1.1 研究现状 | 第10-11页 |
| 1.1.2 存在的问题 | 第11页 |
| 1.2 本系统研究意义 | 第11-13页 |
| 1.2.1 本系统的意义 | 第12页 |
| 1.2.2 本系统存在的挑战 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 相关技术综述 | 第16-24页 |
| 2.1 群体检测相关技术 | 第16-19页 |
| 2.1.1 相关群体检测模型 | 第16-18页 |
| 2.1.2 DBSCAN | 第18-19页 |
| 2.2 时间序列预测相关技术 | 第19-21页 |
| 2.2.1 RNN | 第19-20页 |
| 2.2.2 LSTM | 第20-21页 |
| 2.3 工程开发相关技术 | 第21-23页 |
| 2.3.1 Android端相关技术 | 第21页 |
| 2.3.2 Web端相关技术 | 第21-22页 |
| 2.3.3 服务端相关技术 | 第22-23页 |
| 2.4 本章小节 | 第23-24页 |
| 第三章 智慧公交信息系统需求分析及方案设计 | 第24-36页 |
| 3.1 需求分析 | 第24-27页 |
| 3.1.1 系统算法的需求分析 | 第24-25页 |
| 3.1.2 公交运行信息子系统需求分析 | 第25-26页 |
| 3.1.3 公交报表展示子系统需求分析 | 第26-27页 |
| 3.2 方案设计 | 第27-35页 |
| 3.2.1 整体方案设计 | 第27-28页 |
| 3.2.2 Wi-Fi数据采集及清洗模块设计 | 第28-30页 |
| 3.2.3 数据处理模块方案设计 | 第30-31页 |
| 3.2.4 公交运行信息子系统方案设计 | 第31-33页 |
| 3.2.5 公交报表子系统方案设计 | 第33-35页 |
| 3.3 本章小节 | 第35-36页 |
| 第四章 智慧公交信息系统核心算法的实现与结果分析 | 第36-53页 |
| 4.1 公交到站检测算法 | 第36-46页 |
| 4.1.1 单时间片内乘客群体的检测 | 第38-41页 |
| 4.1.2 不同时间段乘客群体的合并更新 | 第41-43页 |
| 4.1.3 到站时间计算和实验结果展示 | 第43-46页 |
| 4.2 公交运行时间预测算法 | 第46-52页 |
| 4.2.1 SVR与Kalman滤波结合实现公交运行时间预测 | 第46-48页 |
| 4.2.2 深度学习实现公交运行时间预测 | 第48-51页 |
| 4.2.3 实验结果展示 | 第51-52页 |
| 4.3 本章小节 | 第52-53页 |
| 第五章 智慧公交信息系统工程实现与结果分析 | 第53-82页 |
| 5.1 Wi-Fi探针部署与数据接收 | 第53-56页 |
| 5.1.1 Wi-Fi探针部署 | 第53-54页 |
| 5.1.2 数据存储 | 第54-55页 |
| 5.1.3 数据同步 | 第55-56页 |
| 5.2 公交运行信息子系统实现与结果分析 | 第56-69页 |
| 5.2.1 服务端实现 | 第56-62页 |
| 5.2.2 乘客客户端实现与结果分析 | 第62-69页 |
| 5.3 公交报表子系统实现与结果分析 | 第69-80页 |
| 5.3.1 服务端实现 | 第69-73页 |
| 5.3.2 Web端实现与结果分析 | 第73-80页 |
| 5.4 系统性能测试 | 第80-81页 |
| 5.5 本章小节 | 第81-82页 |
| 第六章 总结与展望 | 第82-83页 |
| 6.1 总结 | 第82页 |
| 6.2 展望 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 致谢 | 第86页 |