發(fā)布時間：2024-03-21 01:50

　　隨著中國公共交通領域的發(fā)展,目前基本上從硬件條件上解決了居民的出行問題,但乘客對更加智能化的公交信息系統(tǒng)的需求卻日益強烈。目前市場上的一些智慧公交領域的解決方案都存在一些問題,如基于車載GPS的智慧公交系統(tǒng)需要大量安裝GPS設備,存在成本高、維護困難、且無法獲取乘客信息等問題;基于導航類APP進行公交到站預測,其性能則要取決于安裝和使用該APP的用戶數(shù)量;利用一卡通數(shù)據(jù)進行乘客數(shù)據(jù)采集和分析的實時性通常難以保證等。針對這種情況,本文基于部署在公交站點的Wi-Fi探針所采集的Wi-Fi數(shù)據(jù)進行智慧公交系統(tǒng)的應用研究,具有成本較低、維護簡單、且無需用戶主動參與等特點。此外基于Wi-Fi數(shù)據(jù)既可以實現(xiàn)公交運行信息的檢測和預測,又可以實現(xiàn)乘客數(shù)據(jù)的分析挖掘和應用,提高了系統(tǒng)的實用性。然而,將Wi-Fi數(shù)據(jù)應用于智慧公交系統(tǒng)時因其數(shù)據(jù)覆蓋范圍有限、無關數(shù)據(jù)干擾較多、數(shù)據(jù)的時空精度較低等問題,使得系統(tǒng)實現(xiàn)面臨新的挑戰(zhàn)。因此本文首先提出了一種基于軌跡聚類和“群組”模型的群體檢測算法進行公交到站檢測。并利用該算法得到的公交到站時間,提出了基于改進的LSTM模型的公交到站預測算法,并利用浙江省某市實地部...

【文章頁數(shù)】：86 頁

【學位級別】：碩士

【部分圖文】：

圖２－１?Ｆｌｏｃｋ模型示意圖［９］??

圖２－１?Ｆｌｏｃｋ模型示意圖［９］??第二種同行檢測模型，同樣也只能用于固群體范圍的限制更加寬松。Ｃｏｒｗｅｙ模型對單位上，用密度聚類（ＤＢＳＣＡＮ）算法對所的簇需要包含所有個體。??ｋ個時間單位，群體中所有個體都滿足（ａ）型的定義，可以看出，它與Ｆｌｏｃｋ模型整處范圍的設置上....

圖２－２?ＲＮＮ模型結構圖??２．２．２?ＬＳＴＭ??

ＬＳＴＭ隱藏層中每個神經(jīng)元由所個記憶單元組成，每個記憶單元又包括一個??元組（ｃｅｌｌ）和三個門（Ｇａｔｅ），三個門分別為，遺忘門（ＦｏｒｇｅｔＧａｔｅ），輸入門（ＩｎｐｕｔＧａｔｅ）??和輸出門（Ｏｕｔｐｕｔ?Ｇａｔｅ），?ＬＳＴＭ的記憶單元結構如圖２－３所示。ＬＳＴＭ中的記憶....

圖２－３?ＬＳＴＭ記憶單元結構圖??ＬＳＴＭ在運行的過程中，每個時刻ｔ，三個門都會接收當前時刻的輸入和上??

??圖２－２?ＲＮＮ模型結構圖??２．２．２?ＬＳＴＭ??ＬＳＴＭ對ＲＮＮ中隱藏層部分做了一些改進，增加了記憶和遺忘模式，很好??的解決了?ＲＮＮ中梯度消失和梯度爆炸的問題，從而能夠更好的學習和處理長期??依賴的關系。??ＬＳＴＭ隱藏層中每個神經(jīng)元由所個記憶單元組成，每個記憶單元....

圖３－１智慧公交信息服務系統(tǒng)整體模塊圖??１８??

３．２．１整體方案設計??本系統(tǒng)整體上由Ｗｉ－Ｈ數(shù)據(jù)采集及清洗模塊，數(shù)據(jù)處理模塊，和兩個子系統(tǒng)??組成。系統(tǒng)的整體模塊圖３－１所示。下面針對每一個模塊進行具體介紹。??Ｗｉ－Ｒ數(shù)據(jù)采槊及清洗模塊?集—數(shù)擺固步—麵懿＂￣??［Ｓｌｇｇ?類?｜??｜?Ｇａｔｈｅｒｉｎｇ檢測?｜??｜....

本文編號：3933640