1. 项目概述这个基于SpringBoot和Android的武汉市公交路线查询系统是我去年为一个本地交通项目开发的实用工具。它解决了市民日常出行中最头疼的问题——如何快速找到最优公交路线。不同于市面上通用的地图应用我们针对武汉特有的公交网络进行了深度优化整合了实时到站数据和换乘策略算法。系统采用经典的三层架构Android端负责用户交互SpringBoot后端处理业务逻辑MySQL数据库存储线路信息。这种组合既保证了移动端的便捷性又能通过后端灵活应对复杂的路线计算需求。特别在早晚高峰时段系统能根据实时交通状况动态调整推荐方案。2. 技术架构解析2.1 后端技术选型选择SpringBoot 2.7作为后端框架主要考虑三点一是内嵌Tomcat简化部署二是自动配置特性加快开发速度三是丰富的starter依赖能快速集成所需功能。实测在4核8G的服务器上单个实例能稳定支撑300的并发查询请求。数据库方面采用MySQL 8.0主要利用其GIS空间扩展功能。我们为公交站点表添加了空间索引使半径查询效率提升近20倍。关键表结构设计如下CREATE TABLE bus_stop ( id BIGINT PRIMARY KEY, name VARCHAR(50) NOT NULL, location POINT SRID 4326 NOT NULL, SPATIAL INDEX(location) );2.2 移动端关键技术Android端使用KotlinJetpack Compose开发相比传统XML布局能减少约40%的代码量。位置服务集成百度地图SDK特别注意处理了Android 10之后的精确定位权限问题。以下是定位请求的核心代码val locationClient LocationClient(applicationContext) locationClient.locOption LocationClientOption().apply { isOpenGps true scanSpan 5000 coordType bd09ll } val permissionLauncher rememberLauncherForActivityResult( ActivityResultContracts.RequestPermission() ) { granted - if (granted) { locationClient.start() } }3. 核心功能实现3.1 路线规划算法系统采用改进的Dijkstra算法进行路径计算针对公交场景做了三点优化引入换乘惩罚因子默认值1.5考虑不同时段的平均车速支持用户偏好设置最少换乘/最短时间算法核心伪代码function findRoutes(start, end): queue PriorityQueue() queue.add(start with cost 0) visited Set() while queue not empty: current queue.pop() if current end: return buildPath(current) for neighbor in getNeighbors(current): new_cost calculateCost(current, neighbor) if neighbor not in visited or new_cost neighbor.cost: update neighbors cost and path queue.add(neighbor)3.2 实时数据对接通过武汉公交开放平台获取实时到站信息采用WebSocket长连接保证数据及时性。设计了一个指数退避的重连机制首次断开后立即重连后续每次间隔时间倍增最大不超过30秒。数据格式示例{ lineId: 402, stopId: 027, vehicles: [ { plate: 鄂A12345D, distance: 1200, arriveTime: 175 } ] }4. 性能优化实践4.1 缓存策略使用Redis三层缓存架构热点线路缓存TTL 5分钟站点基础信息缓存TTL 1天地理围栏缓存永不过期配置示例Cacheable(value hotRoutes, key #start-#end) public RouteResponse getRoute(String start, String end) { // 业务逻辑 }4.2 数据库优化针对线路查询的三大高频场景建立专用索引站点名称模糊查询CREATE FULLTEXT INDEX idx_stop_name ON bus_stop(name)线路途经站点查询CREATE INDEX idx_line_stops ON line_stops(line_id, sequence)地理空间查询OPTIMIZE TABLE bus_stop FOR SPATIAL5. 典型问题解决方案5.1 定位漂移处理在长江大桥等GPS信号不稳定区域采用以下补偿策略连续3次定位距离100米时触发纠偏结合基站定位和WiFi指纹辅助最后通过道路匹配算法锁定到最近站点关键代码public Location sanitizeLocation(Location raw) { if (lastLocations.size() 3) { double avgSpeed calculateAvgSpeed(); if (avgSpeed 120 /* km/h */) { return snapToRoad(raw); } } return raw; }5.2 高并发应对通过压力测试发现两个性能瓶颈点线路查询接口在1000QPS时响应时间超过2秒数据库连接池在高峰期容易耗尽解决方案对查询接口添加二级缓存采用HikariCP连接池并优化配置spring: datasource: hikari: maximum-pool-size: 50 connection-timeout: 3000 idle-timeout: 6000006. 部署实施要点6.1 后端部署推荐使用Docker Compose编排服务version: 3 services: app: image: openjdk:17-jdk ports: - 8080:8080 environment: - SPRING_PROFILES_ACTIVEprod redis: image: redis:6 ports: - 6379:63796.2 移动端发布需要注意的灰度发布策略首周仅开放20%用户量监控ANR率和崩溃率重点关注Android 8-11的系统兼容性我在实际测试中发现部分华为机型需要对WebView做特殊兼容处理if (Build.MANUFACTURER.equals(HUAWEI, ignoreCase true)) { WebView.setWebContentsDebuggingEnabled(true) }这个项目最让我意外的是用户对到站时间预测准确性的敏感度。我们通过三个月的数据收集将预测算法误差从平均2.3分钟降低到了1.1分钟用户留存率随之提升了27%。建议后续开发者重点关注时间预测模块的优化这是提升用户体验的关键突破点。