在线公交车乘客数信息不仅可以提升城市公共交通的服务质量,还可以优化乘客的出行计划。WiFi嗅探以非侵入的方式收集移动设备发出的探测请求帧,所以可以被用来监测公交车乘客数。与其它基于非WiFi嗅探的方法相比,基于WiFi嗅探的方法具有干扰小、覆盖范围大、成本低和计算简单等优点。近几年以来,研究人员提出了一些离线场景下的基于WiFi嗅探的估计方法对公交车乘客数和源点终点（Origin-Destination,OD）矩阵进行估计,极大地优化了交通部门的网络规划;但是对于候车乘客而言,在线公交车乘客数信息更有意义。由于在线特征提取困难等问题的存在,传统离线估计方法已经不能对公交车乘客数进行在线估计,所以在线场景下如何利用有限的WiFi嗅探数据进行公交车乘客数估计是一个值得研究的课题。因此,本文开展了以下研究工作。本文提出一种基于WiFi嗅探的在线公交车乘客数估计算法。首先,通过数据预处理将无序而且离散的WiFi嗅探数据处理成时间序列特征明显且适合神经网络的输入序列;其次,使用一个卷积神经网络（Convolutional Neural Network,CNN）模块有效地捕获输入数据不同变量之间的关联,充分利用输入序列包含的特征信息;然后,为了捕捉输入序列中包含的双向时间序列特征信息,使用了双向长短期记忆（Bidirectional Long Term Memory,Bi LSTM）神经网络模块;最后,引入注意力模块区分输入序列中不同部分的重要性,显著地提升了原有模型的估计精度。为了验证在线公交车乘客数估计算法的有效性与优越性,本文在内蒙古呼和浩特市4条公交路线的8辆公交车上部署了基于定制WiFi嗅探器的在线公交车乘客数监测实验系统。实验结果表明,本文提出的在线公交车乘客数估计算法的估计精度比基准在线估计算法提升了20.5%,比最佳离线估计算法提升了13.2%。综上所述,本文提出的估计算法可以有效地解决在线场景下基于WiFi嗅探的公交车乘客数估计难题。该算法不仅可以提高公共交通部门服务质量和乘客出行体验,而且为其它基于WiFi嗅探的在线人群监测提供了理论指导。