智能公交預(yù)報(bào)站系統(tǒng)可以結(jié)合先進(jìn)的通信技術(shù)、全球定位技術(shù)與地理信息技術(shù)等,并結(jié)合公交車輛運(yùn)動(dòng)特征的分析,對公交車輛的大致到站時(shí)間進(jìn)行預(yù)測,達(dá)到對公交車輛實(shí)時(shí)的有效調(diào)度管控,從而提高公交系統(tǒng)的運(yùn)行效率,降低維護(hù)的成本。而我國大部分地區(qū)的公交智能預(yù)報(bào)站系統(tǒng)仍然較為落后,車輛的到站預(yù)報(bào)信息準(zhǔn)確性較低、實(shí)時(shí)性較差,嚴(yán)重影響了公交系統(tǒng)的運(yùn)行效率,影響人們的日常生活,給出行帶來了極大的不便。如何提高預(yù)報(bào)的準(zhǔn)確性,指導(dǎo)乘客出行,是亟待解決的問題。鑒于此,本文對蘇州高新區(qū)等公交系統(tǒng)的執(zhí)行和管理流程進(jìn)行了深入調(diào)研,了解了公交車輛運(yùn)行的整個(gè)流程,以及車輛預(yù)報(bào)站的業(yè)務(wù)需求,設(shè)計(jì)了一套功能完善的智能公交預(yù)報(bào)站系統(tǒng)。本文的主要工作如下:(1)建立基于K中心點(diǎn)算法和決策樹的分類模型,根據(jù)車輛過往的行駛數(shù)據(jù),找出對車輛運(yùn)行影響較大的環(huán)境因素,并利用SPSS Modeler進(jìn)行驗(yàn)證;再按照環(huán)境因素對過往數(shù)據(jù)進(jìn)行分類處理,獲取各個(gè)環(huán)境條件下的平均數(shù)據(jù)。(2)建立基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型,根據(jù)按環(huán)境因素分類后的車輛過往行駛數(shù)據(jù),對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。訓(xùn)練完成后,將歷史數(shù)據(jù)與實(shí)時(shí)數(shù)據(jù)等輸入到神經(jīng)網(wǎng)絡(luò)模型中,獲得車輛預(yù)計(jì)到站時(shí)...

【文章頁數(shù)】：88 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 課題研究背景
    1.2 智能公交的研究現(xiàn)狀
        1.2.1 國內(nèi)外應(yīng)用現(xiàn)狀
        1.2.2 國內(nèi)外研究現(xiàn)狀
    1.3 課題研究內(nèi)容和意義
        1.3.1 課題的研究內(nèi)容
        1.3.2 課題的研究意義
    1.4 論文的結(jié)構(gòu)概述
第二章 課題相關(guān)理論基礎(chǔ)及技術(shù)
    2.1 數(shù)據(jù)挖掘技術(shù)簡介
        2.1.1 數(shù)據(jù)挖掘分類和特征
        2.1.2 數(shù)據(jù)挖掘過程
        2.1.3 數(shù)據(jù)挖掘功能及應(yīng)用
        2.1.4 數(shù)據(jù)挖掘常用工具
    2.2 課題相關(guān)算法介紹
        2.2.1 K中心點(diǎn)算法
        2.2.2 決策樹算法
        2.2.3 BP神經(jīng)網(wǎng)絡(luò)
    2.3 公交智能預(yù)報(bào)站系統(tǒng)相關(guān)技術(shù)
        2.3.1 B/S架構(gòu)
        2.3.2 Spring MVC設(shè)計(jì)模式
        2.3.3 HTML5相關(guān)技術(shù)
        2.3.4 Redis技術(shù)
    2.4 本章小結(jié)
第三章 公交智能預(yù)報(bào)站系統(tǒng)需求分析
    3.1 總體需求分析
    3.2 用戶需求分析
    3.3 功能性需求分析
        3.3.1 總體功能分析
        3.3.2 系統(tǒng)流程分析
        3.3.3 系統(tǒng)功能結(jié)構(gòu)
        3.3.4 功能模塊分析
    3.4 非功能性需求分析
    3.5 本章小結(jié)
第四章 公交智能預(yù)報(bào)站系統(tǒng)概要設(shè)計(jì)
    4.1 系統(tǒng)設(shè)計(jì)目標(biāo)
    4.2 系統(tǒng)體系架構(gòu)設(shè)計(jì)
        4.2.1 開發(fā)環(huán)境及工具設(shè)計(jì)
        4.2.2 軟件架構(gòu)與設(shè)計(jì)模式設(shè)計(jì)
        4.2.3 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)設(shè)計(jì)
    4.3 系統(tǒng)功能設(shè)計(jì)
        4.3.1 權(quán)限管理模塊
        4.3.2 信息管理模塊
        4.3.3 數(shù)據(jù)維護(hù)模塊
        4.3.4 公交歷史數(shù)據(jù)分析處理模塊
        4.3.5 預(yù)報(bào)站時(shí)間處理模塊
    4.4 數(shù)據(jù)庫設(shè)計(jì)
        4.4.1 數(shù)據(jù)庫設(shè)計(jì)原則
        4.4.2 邏輯數(shù)據(jù)庫設(shè)計(jì)與物理設(shè)計(jì)
    4.5 多維數(shù)據(jù)集設(shè)計(jì)
    4.6 本章小結(jié)
第五章 公交智能預(yù)報(bào)站系統(tǒng)的詳細(xì)設(shè)計(jì)與實(shí)現(xiàn)
    5.1 公交歷史數(shù)據(jù)分析處理模塊實(shí)現(xiàn)要點(diǎn)
        5.1.1 數(shù)據(jù)預(yù)處理
        5.1.2 基于K中心點(diǎn)算法的歷史數(shù)據(jù)分組
        5.1.3 基于決策樹的環(huán)境因素分析及分組
        5.1.4 歷史平均數(shù)據(jù)的計(jì)算
    5.2 預(yù)報(bào)站時(shí)間處理模塊實(shí)現(xiàn)要點(diǎn)
        5.2.1 車輛狀態(tài)分析
        5.2.2 車輛進(jìn)出站數(shù)據(jù)保存
        5.2.3 基于BP神經(jīng)網(wǎng)絡(luò)的車輛速度分析
        5.2.4 車輛預(yù)報(bào)站實(shí)現(xiàn)
    5.3 公交智能預(yù)報(bào)站系主要功能統(tǒng)模塊的實(shí)現(xiàn)
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
附錄 系統(tǒng)數(shù)據(jù)庫表結(jié)構(gòu)
攻讀碩士學(xué)位期間主要的研究成果
致謝



本文編號：3903572