交通大数据 理论与方法(第2版)

在对交通大数据的处理过程中，面对规模庞大的交通大数据，交通工程师和研究者所面对的数据日益纷杂，传统的数据分析技术在一些方面存在种种局限。这些局限往往是由大数据本身的多源性、庞杂性、紧迫性等特点带来的。如果没有强有力的工具，我们将难以有效理解数据，造成“数据丰富，知识贫乏”的窘境。因此，需要新的理论知识和数据挖掘方法来指导我们有效分析大数据，进而构建基于大数据的新一代交通工程方法与理论体系。针对这一问题，在大数据时代应运而生的机器学习、统计模型、数据库等方法和工具可以帮助交通领域的研究者和从业者对大数据进行有效的挖掘，《交通大数据：理论与方法（第二版）》也在这一需求下应运而生。
现有的数据挖掘方法和工具在交通领域的应用还存在一定的局限。为了有效克服这些问题，《交通大数据：理论与方法（第二版）》选择了合适的数据挖掘工具，结合相应的机器学习和深度学习算法探索有效的数据分析方法。更重要的是，作为一本面向交通运输工程专业的数据分析类教材书，《交通大数据：理论与方法（第二版）》结合了交通领域的大量实例，对各类理论方法与分析工具的学习提供了诸多参考，非常有助于交通工程专业背景的初学者迅速、深入掌握各类大数据分析的工具与方法

刘志远，博士，东南大学教授，博士生导师，入选国家“青年千人计划”、江苏省“双创人才”、东南大学“青年首席教授”。

第1章 绪论
1.1 本书的定位
1.1.1 背景
1.1.2 本书特点
1.1.3 本书目标
1.1.4 本书内容提要
1.2 本书的基础
1.2.1 何为数据挖掘
1.2.2 数据分析与建模的典型流程
1.2.3 交通数据类型介绍
1.3 本书的算例数据集简介
1.4 本书简介
1.5 参考文献

第2章 Python数据分析应用
2.1 Python环境配置
2.1.1 基础Python环境配置
2.1.2 Anaconda环境配置
2.1.3 常用交互式工具——Jupyter Notebook
2.2 Python基础知识
2.2.1 基础数据类型
2.2.2 变量和赋值
2.2.3 缩进和注释
2.3 Python中的容器
2.3.1 列表
2.3.2 元组
2.3.3 字典
2.3.4 集合
2.4 流程控制语句
2.4.1 条件判断
2.4.2 循环
2.5 函数的定义与调用
2.6 异常处理
2.7 匿名函数
2.8 Python中的模块
2.8.1 模块的使用方法
2.8.2 Python标准库简介
2.8.3 Numpy简介
2.8.4 Pandas简介
2.8.5 Matplotlib简介
2.8.6 Scikit-learn简介
2.8.7 TensorFlow简介
2.9 本章小结
2.10 本章习题
2.11 参考文献

第3章 数据预处理与探索性数据分析
3.1 数据预处理
3.1.1 数据质量分析
3.1.2 缺失值处理
3.1.3 异常值处理
3.1.4 数据标准化处理
3.2 时空数据分析基础
3.2.1 空间坐标系转换
3.2.2 时空单元划分
3.2.3 时空特征提取
3.2.4 网格化处理后的网约车轨迹数据
3.3 探索性数据分析
3.3.1 数据分布特征分析
3.3.2 统计量分析
3.3.3 对比分析
3.3.4 周期性分析
3.3.5 相关性分析
3.4 本章小结
3.5 本章习题
3.6 参考文献
……

第4章 大数据可视化的Python实践
第5章 机器学习简介
第6章 线性模型
第7章 支持向量机
第8章 决策树
第9章 聚类分析
第10章 集成学习
第11章 人工神经网络
第12章 深度学习