交通时空大数据详解：车辆轨迹数据分析、挖掘与可视化(Python版)

\"本书全面介绍车辆轨迹数据的处理、分析与可视化方法，并深入探讨了基于Python的车辆轨迹数 据处理技术，旨在帮助读者快速掌握车辆时空轨迹数据处理的基本方法和编程技巧，同时提供丰富的实际案例和技术解决方案，覆盖了从数据采集到深入分析的完整技术链条，是交通时空大数据领域车辆轨迹数据处理分析的全面指南。 本书内容涵盖从车辆轨迹数据的基本特征、采集原理到预处理、质量分析、可视化，再到高级应用如路网匹配、排放计算、多智能体仿真，以及特定案例分析如电动汽车充电需求识别和无人机航拍轨迹数据分析。 本书适合计算机相关专业的学生、数据分析师、研究人员以及技术开发人员阅读。\"

\"余庆 工学博士，北京大学深圳研究生院城市规划与设计学院博士后，曾任南方科技大学助理研究员。博士毕业于上海同济大学，期间赴日本东京大学联合培养，获国家资助博士后研究人员计划资助、上海市优秀毕业生、博士研究生国家奖学金等荣誉。主要从事交通时空大数据、交通能源、城市计算、多智能体仿真等相关领域的应用研究，发表期刊与会议论文40余篇，其中SCI论文20余篇。交通时空大数据开源Python库TransBigData作者，清华大学出版社计算机畅销图书《交通时空大数据分析、挖掘与可视化（Python版）》作者，获清华大学出版社2022年科技类最受读者欢迎图书奖。 袁见 同济大学博士研究生、麦吉尔大学联合培养博士生。主要研究方向为时空数据建模与分析、交通网络建模、人工智能在交通中的应用。参与国家重点研发计划1项，发表期刊论文6篇、会议论文4篇，授权发明专利5项。 宋轩, 教授，博士生导师，吉林大学人工智能学院院长，国家重点研发计划项目负责人。主要研究方向为人工智能相关领域，包括大数据分析、数据挖掘和城市计算等。\"

基础应用篇 第1章 车辆轨迹数据概述 1.1 车辆轨迹数据的基本特征 1.1.1 个体 1.1.2 时间 1.1.3 空间 1.1.4 其他信息 1.2 车辆轨迹数据的采集原理 1.2.1 基于车载GPS或手机GPS定位技术 1.2.2 基于无人机或高层建筑固定摄像头视频识别技术 1.2.3 基于车牌识别技术 1.2.4 基于电子不停车收费系统 1.2.5 不同采集原理的车辆轨迹数据特征比较 1.3 开源车辆轨迹数据集简介 1.4 本书的技术体系 1.4.1 Python数据分析生态 1.4.2 Pandas数据处理 1.4.3 GeoPandas与空间数据处理 1.4.4 TransBigData交通时空大数据处理、分析与可视化工具 第2章 车辆轨迹数据的预处理 2.1 车辆轨迹数据的读取与存储 2.1.1 数据的读取 2.1.2 数据的存储 2.1.3 多个数据文件的读取与合并 2.1.4 轨迹数据的分块存储 2.1.5 轨迹数据的分布式处理（Dask） 2.2 车辆轨迹数据的质量分析 2.2.1 数据质量分析的关注要点 2.2.2 字段的取值与缺失分析 2.2.3 数据的质量分析 2.3 车辆轨迹数据的数据清洗 2.3.1 数据的缺失值补全 2.3.2 数据的冗余剔除 2.3.3 数据的漂移清洗 2.4 车辆轨迹数据的平滑处理 2.4.1 卡尔曼滤波的基本原理 2.4.2 基于卡尔曼滤波的轨迹数据平滑处理 2.4.3 轨迹平滑适用场景的讨论 2.5 车辆轨迹数据的增密与稀疏化 2.5.1 轨迹的增密 2.5.2 轨迹的稀疏化 2.6 车辆轨迹数据的坐标转换 2.6.1 地理坐标系与投影坐标系的坐标转换 2.6.2 地理坐标系与火星坐标系的坐标转换 2.7 车辆轨迹数据的栅格化 2.7.1 为什么要栅格化 2.7.2 轨迹栅格化的方法 2.7.3 TransBigData实现轨迹栅格化 2.8 车辆轨迹数据的停车与出行识别 2.8.1 停车识别方法