隨著中國(guó)公共交通領(lǐng)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(wèn)題,但乘客對(duì)更加智能化的公交信息系統(tǒng)的需求卻日益強(qiáng)烈。目前市場(chǎng)上的一些智慧公交領(lǐng)域的解決方案都存在一些問(wèn)題,如基于車(chē)載GPS的智慧公交系統(tǒng)需要大量安裝GPS設(shè)備,存在成本高、維護(hù)困難、且無(wú)法獲取乘客信息等問(wèn)題;基于導(dǎo)航類APP進(jìn)行公交到站預(yù)測(cè),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(jìn)行乘客數(shù)據(jù)采集和分析的實(shí)時(shí)性通常難以保證等。針對(duì)這種情況,本文基于部署在公交站點(diǎn)的Wi-Fi探針?biāo)杉腤i-Fi數(shù)據(jù)進(jìn)行智慧公交系統(tǒng)的應(yīng)用研究,具有成本較低、維護(hù)簡(jiǎn)單、且無(wú)需用戶主動(dòng)參與等特點(diǎn)。此外基于Wi-Fi數(shù)據(jù)既可以實(shí)現(xiàn)公交運(yùn)行信息的檢測(cè)和預(yù)測(cè),又可以實(shí)現(xiàn)乘客數(shù)據(jù)的分析挖掘和應(yīng)用,提高了系統(tǒng)的實(shí)用性。然而,將Wi-Fi數(shù)據(jù)應(yīng)用于智慧公交系統(tǒng)時(shí)因其數(shù)據(jù)覆蓋范圍有限、無(wú)關(guān)數(shù)據(jù)干擾較多、數(shù)據(jù)的時(shí)空精度較低等問(wèn)題,使得系統(tǒng)實(shí)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(cè)算法進(jìn)行公交到站檢測(cè)。并利用該算法得到的公交到站時(shí)間,提出了基于改進(jìn)的LSTM模型的公交到站預(yù)測(cè)算法,并利用浙江省某市實(shí)地部...

【文章頁(yè)數(shù)】：86 頁(yè)

【學(xué)位級(jí)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(cè)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(duì)單位上，用密度聚類（ＤＢＳＣＡＮ）算法對(duì)所的簇需要包含所有個(gè)體。??ｋ個(gè)時(shí)間單位，群體中所有個(gè)體都滿足（ａ）型的定義，可以看出，它與Ｆｌｏｃｋ模型整處范圍的設(shè)置上....

圖２－２?ＲＮＮ模型結(jié)構(gòu)圖??２．２．２?ＬＳＴＭ??

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

圖２－３?ＬＳＴＭ記憶單元結(jié)構(gòu)圖??ＬＳＴＭ在運(yùn)行的過(guò)程中，每個(gè)時(shí)刻ｔ，三個(gè)門(mén)都會(huì)接收當(dāng)前時(shí)刻的輸入和上??

??圖２－２?ＲＮＮ模型結(jié)構(gòu)圖??２．２．２?ＬＳＴＭ??ＬＳＴＭ對(duì)ＲＮＮ中隱藏層部分做了一些改進(jìn)，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(wèn)題，從而能夠更好的學(xué)習(xí)和處理長(zhǎng)期??依賴的關(guān)系。??ＬＳＴＭ隱藏層中每個(gè)神經(jīng)元由所個(gè)記憶單元組成，每個(gè)記憶單元....

圖３－１智慧公交信息服務(wù)系統(tǒng)整體模塊圖??１８??

３．２．１整體方案設(shè)計(jì)??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(gè)子系統(tǒng)??組成。系統(tǒng)的整體模塊圖３－１所示。下面針對(duì)每一個(gè)模塊進(jìn)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(cè)?｜??｜....

本文編號(hào)：3933640