| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1. 研究背景及意义 | 第10-11页 |
| 1.2. 研究内容 | 第11-12页 |
| 1.3. 论文结构安排 | 第12-14页 |
| 第二章 研究现状与技术基础 | 第14-24页 |
| 2.1. 目前交通路况检测的解决方案 | 第14-17页 |
| 2.1.1. 传感器检测法 | 第14-15页 |
| 2.1.2. GPS浮动车法 | 第15-16页 |
| 2.1.3. 视频图像检测法 | 第16-17页 |
| 2.2. WiFi定位与WiFi时空数据挖掘 | 第17-19页 |
| 2.2.1. WiFi定位 | 第17-18页 |
| 2.2.2. WiFi时空数据挖掘 | 第18-19页 |
| 2.3. 系统实现的相关技术 | 第19-22页 |
| 2.3.1. Python编程语言 | 第19-20页 |
| 2.3.2. Tornado服务框架 | 第20页 |
| 2.3.3. MySQL与MongoDb | 第20-21页 |
| 2.3.4. JavaScript和数据可视化类库HighChart | 第21-22页 |
| 2.4. 小结 | 第22-24页 |
| 第三章 交通路况信息系统的设计 | 第24-40页 |
| 3.1. 方案设计 | 第24-27页 |
| 3.1.1. 原理 | 第24-25页 |
| 3.1.2. 可行性测试 | 第25-27页 |
| 3.2. 系统总体架构设计 | 第27-28页 |
| 3.3. 系统各个模块介绍 | 第28-39页 |
| 3.3.1. WiFi时空数据采集模块 | 第28-29页 |
| 3.3.2. 路网信息采集与数据生成模块 | 第29-30页 |
| 3.3.3. WiFi时空数据处理模块 | 第30-37页 |
| 3.3.4. 数据接口服务模块 | 第37-39页 |
| 3.4. 小结 | 第39-40页 |
| 第四章 系统核心算法 | 第40-62页 |
| 4.1. 交通方式识别算法 | 第40-55页 |
| 4.1.1. 行人与汽车的区分 | 第40-53页 |
| 4.1.2. 公交车识别算法 | 第53-55页 |
| 4.2. 交通路况预测算法 | 第55-61页 |
| 4.2.1. 自回归差分滑动平均(ARIMA)模型 | 第56-57页 |
| 4.2.2. 预测交通路况 | 第57-61页 |
| 4.3. 小结 | 第61-62页 |
| 第五章 系统部署实现与结果分析 | 第62-88页 |
| 5.1. 系统部署实现 | 第62-76页 |
| 5.1.1. WiFi探针部署 | 第63-64页 |
| 5.1.2. 原始数据格式与存储形式 | 第64-66页 |
| 5.1.3. 数据跨域同步问题 | 第66-67页 |
| 5.1.4. 路网数据采集入库 | 第67-73页 |
| 5.1.5. 路况指标计算结果的存储 | 第73-76页 |
| 5.2. 路况结果与分析 | 第76-86页 |
| 5.2.1. 路况结果可视化 | 第77页 |
| 5.2.2. 拥堵高发区的发现 | 第77-79页 |
| 5.2.3. 不同拥堵高发路段的拥堵模式研究 | 第79-86页 |
| 5.3. 小结 | 第86-88页 |
| 第六章 总结与展望 | 第88-90页 |
| 6.1. 总结 | 第88-89页 |
| 6.2. 展望 | 第89-90页 |
| 参考文献 | 第90-94页 |
| 致谢 | 第94页 |