交通大數(shù)據(jù)

定　價：￥68.00

作　者：	林友芳著
出版社：	北京交通大學出版社
叢編項：	“十三五”國家重點出版物出版規(guī)劃項目
標　簽：	暫缺

購買這本書可以去

ISBN：	9787512144934	出版時間：	2021-09-01	包裝：	平裝
開本：	16開	頁數(shù)：	308	字數(shù)：

內容簡介

　　《交通大數(shù)據(jù)》是”十三五”國家重點出版物出版規(guī)劃項目，共分為6章，主要內容包括緒論、交通大數(shù)據(jù)概況、交通大數(shù)據(jù)處理技術、時空交通大數(shù)據(jù)預測、視覺交通大數(shù)據(jù)、交通運營大數(shù)據(jù)應用與案例。本書可作為計算機、信息技術、交通運輸相關專業(yè)的本科生和研究生的教學參考書，還可供從事大數(shù)據(jù)、交通大數(shù)據(jù)的研究、技術、工程、應用和管理方面的有關人員參考。

作者簡介

　　林友芳，男，教授，博士生導師，現(xiàn)任北京交通大學網信辦、網絡信息技術中心主任，計算機與信息技術學院副院長，交通數(shù)據(jù)分析與挖掘北京市重點實驗室常務副主任，綜合交通運輸大數(shù)據(jù)應用技術交通運輸部行業(yè)重點實驗室副主任兼交通大數(shù)據(jù)分析挖掘方向首席教授，民航旅客服務智能化應用技術重點實驗室副主任，北京交通大學大數(shù)據(jù)研究院院長，北京交通大學計算機與信息技術學院網絡科學與智能系統(tǒng)研究所所長，新一代信息技術及應用北京市高精尖學科負責人，北京交通大學教學名師。中國計算機學會（CCF）高級會員，CCF大數(shù)據(jù)專家委員會委員，CCF人工智能與模式認識專委會委員。主要從事數(shù)據(jù)挖掘、機器學習、復雜網絡、社會網絡、智能技術與系統(tǒng)、交通數(shù)據(jù)分析與挖掘、民航大數(shù)據(jù)處理、數(shù)據(jù)中心運維大數(shù)據(jù)、信息物理系統(tǒng)、領域自動駕駛等領域的應用基礎研究工作，相關領域的咨詢專家。具有較為豐富的信息系統(tǒng)規(guī)劃、設計、組織開發(fā)與實施經驗。主持與參與項目共計120余項，主持項目50余項，其中多數(shù)為服務于中大型企業(yè)的科研項目，有大量的大數(shù)據(jù)與智能應用研發(fā)成果在重要生產現(xiàn)場得到實際應用。發(fā)表論文60余篇，論文發(fā)表在包括IEEE TKDE、TITS等學術期刊和AAAI、CVPR、IJCAI、ACM MM、ICDE、ICARCV、ECML PKDD等高級別國際學術會議上，其中CCF A類國際期刊、CCFA類會議論文15篇。譯著3本，是經典圖書《數(shù)據(jù)倉庫》的主要譯者。

圖書目錄

第1章緒論 1
1.1　從數(shù)據(jù)到智慧 1
1.1.1　數(shù)據(jù) 1
1.1.2　大數(shù)據(jù) 2
1.1.3　信息 2
1.1.4　知識 4
1.1.5　智能 6
1.1.6　人工智能 7
1.1.7　決策 8
1.1.8　智慧 13
1.1.9　數(shù)據(jù)分析與挖掘 15
1.1.10　機器學習 16
1.2　交通運輸行業(yè)基礎知識 20
1.2.1　交通運輸?shù)亩x 20
1.2.2　交通運輸業(yè)分類簡介 20
1.2.3　交通行業(yè)參與者及訴求 22
1.3　交通行業(yè)中的決策與決策支持 25
1.3.1　運輸企業(yè)內部決策與決策支持 25
1.3.2　交通行業(yè)服務對象決策與決策支持 26
1.3.3　政府與行業(yè)管理部門決策與決策支持 27
1.4　交通行業(yè)信息化發(fā)展 27
1.4.1　運輸組織與安全生產信息化 27
1.4.2　運輸客貨營銷與服務信息化 28
1.4.3　運輸企業(yè)經營管理信息化 29
1.4.4　政府與交通運輸行業(yè)管理信息化 29
1.4.5　交通運輸行業(yè)信息化的發(fā)展趨勢 29
1.5　交通大數(shù)據(jù)研究與應用定位 32
1.5.1　交通運輸運營效率 32
1.5.2　交通與社會安全 33
1.5.3　交通服務質量 33
1.6　本書內容結構 34
第2章　交通大數(shù)據(jù)概況 35
2.1　交通大數(shù)據(jù)形態(tài) 35
2.1.1　基于內容格式的交通大數(shù)據(jù)分類 36
2.1.2　原始數(shù)據(jù)與導出數(shù)據(jù) 42
2.1.3　數(shù)據(jù)使用與分類 42
2.1.4　交易、行為與日志數(shù)據(jù) 43
2.1.5　元數(shù)據(jù) 45
2.2　交通地理大數(shù)據(jù) 46
2.2.1　交通地理空間單元層數(shù)據(jù) 46
2.2.2　交通網絡拓撲數(shù)據(jù) 48
2.2.3　交通地理層數(shù)據(jù) 49
2.3　客貨營銷與服務大數(shù)據(jù) 50
2.3.1　客運營銷大數(shù)據(jù) 50
2.3.2　貨運營銷大數(shù)據(jù) 52
2.3.3　客貨服務大數(shù)據(jù) 53
2.3.4　營銷市場環(huán)境大數(shù)據(jù) 55
2.4　交通網絡生產運行與安全大數(shù)據(jù) 55
2.4.1　運輸生產計劃與調度大數(shù)據(jù) 56
2.4.2　運輸生產作業(yè)流程與保障大數(shù)據(jù) 57
2.4.3　交通運輸流與客貨流大數(shù)據(jù) 60
2.4.4　交通運輸安全大數(shù)據(jù) 62
2.4.5　交通導航與移動終端大數(shù)據(jù) 65
2.5　交通運輸企業(yè)運營管理與行業(yè)管理大數(shù)據(jù) 66
2.5.1　交通運輸企業(yè)運營管理大數(shù)據(jù) 66
2.5.2　政府與行業(yè)管理部門交通大數(shù)據(jù) 67
2.6　本章小結 67
第3章交通大數(shù)據(jù)處理技術 69
3.1　大數(shù)據(jù)及處理概述 69
3.1.1　大數(shù)據(jù)基本概念與特征 69
3.1.2　大數(shù)據(jù)生命周期模型組成 70
3.1.3　大數(shù)據(jù)平臺與數(shù)據(jù)倉庫 72
3.2　交通大數(shù)據(jù)系統(tǒng)常見架構 79
3.2.1　企業(yè)大數(shù)據(jù)平臺系統(tǒng)架構設計因素 79
3.2.2　交通客貨運營支撐大數(shù)據(jù)平臺典型架構 82
3.2.3　互聯(lián)網+交通企業(yè)典型大數(shù)據(jù)平臺架構 87
3.2.4　交通指揮控制大數(shù)據(jù)平臺架構 89
3.3　交通大數(shù)據(jù)的生成與采集 91
3.3.1　交通信息系統(tǒng)數(shù)據(jù)生成與采集 91
3.3.2　基礎采集設備 92
3.3.3　專用采集系統(tǒng) 95
3.4　交通大數(shù)據(jù)集成 96
3.4.1　數(shù)據(jù)集成方法 97
3.4.2　實時、近實時集成技術 98
3.4.3　異常值檢測方法 102
3.4.4　缺失值處理方法 106
3.5　交通大數(shù)據(jù)組織、存儲與維護 114
3.5.1　大數(shù)據(jù)應用主題與數(shù)據(jù)組織方法 114
3.5.2　多粒度級數(shù)據(jù)組織策略 118
3.5.3　操作型數(shù)據(jù)存儲 124
3.5.4　交通大數(shù)據(jù)存儲技術 127
3.5.5　交通大數(shù)據(jù)載入、更新與維護技術 135
3.6　交通大數(shù)據(jù)典型應用系統(tǒng)模式 142
3.6.1　交通大數(shù)據(jù)服務系統(tǒng) 143
3.6.2　交通大數(shù)據(jù)驅動智慧業(yè)務系統(tǒng) 144
3.6.3　數(shù)據(jù)驅動交通企業(yè)生產運營管理決策支持系統(tǒng) 145
3.6.4　大數(shù)據(jù)驅動交通客戶決策支持系統(tǒng) 146
3.6.5　基于交通大數(shù)據(jù)的智能算法訓練及應用系統(tǒng)研發(fā)平臺 148
3.7　本章小結 149
第4章時空交通大數(shù)據(jù)預測 150
4.1　時空交通大數(shù)據(jù)概述 150
4.1.1　時空交通數(shù)據(jù)的類型 150
4.1.2　時空交通數(shù)據(jù)的典型特征 153
4.2　時空交通數(shù)據(jù)預測任務 155
4.2.1　交通流量預測 155
4.2.2　交通需求預測 155
4.2.3　交通狀態(tài)預測 156
4.2.4　通行時間預測 156
4.2.5　交通事故風險預測 156
4.2.6　用戶位置預測 156
4.2.7　出行路徑預測 157
4.3　傳統(tǒng)時間序列預測方法 157
4.3.1　傳統(tǒng)統(tǒng)計預測方法 157
4.3.2　傳統(tǒng)機器學習預測方法 159
4.4　深度學習預測方法 163
4.4.1　時空網格數(shù)據(jù)預測 164
4.4.2　時空圖數(shù)據(jù)預測 174
4.4.3　時空軌跡數(shù)據(jù)預測 183
4.5　本章小結 191
第5章視覺交通大數(shù)據(jù) 192
5.1　視覺交通大數(shù)據(jù)概述 192
5.1.1　線路監(jiān)控視覺數(shù)據(jù) 192
5.1.2　車載視覺數(shù)據(jù) 193
5.1.3　站場監(jiān)控數(shù)據(jù) 193
5.2　交通視覺數(shù)據(jù)分析任務 194
5.2.1　道路監(jiān)控數(shù)據(jù)分析任務 194
5.2.2　車載視覺數(shù)據(jù)分析任務 195
5.2.3　站場監(jiān)控數(shù)據(jù)分析任務 196
5.3　靜態(tài)交通場景感知相關技術 196
5.3.1　通用目標檢測方法 197
5.3.2　行人檢測方法 201
5.3.3　交通場景語義分割方法 203
5.3.4　車道線檢測方法 204
5.3.5　三維場景重建技術 206
5.4　動態(tài)交通場景感知相關技術 210
5.4.1　單目標跟蹤方法 210
5.4.2　多目標跟蹤方法 213
5.4.3　行人重識別方法 215
5.4.4　車輛重識別方法 217
5.5　本章小結 220
第6章交通運營大數(shù)據(jù)應用與案例 221
6.1　交通運營大數(shù)據(jù)應用概述 222
6.1.1　交通運營大數(shù)據(jù)應用常見場景 222
6.1.2　交通運營應用相關的數(shù)據(jù) 222
6.2　交通產品需求預測案例——航班需求預測 223
6.2.1　概述 223
6.2.2　航班需求預測問題定義 224
6.2.3　解決方案 225
6.2.4　實驗分析 228
6.2.5　小結 231
6.3　交通產品價格預測案例——機票價格預測 231
6.3.1　概述 231
6.3.2　案例背景 232
6.3.3　機票價格預測問題定義 232
6.3.4　解決方案 234
6.3.5　實驗分析 237
6.3.6　小結 239
6.4　交通產品推薦案例——民航旅客后續(xù)行程預測與推薦 240
6.4.1　概述 240
6.4.2　案例背景 241
6.4.3　民航旅客后續(xù)行程預測問題定義 241
6.4.4　解決方案 242
6.4.5　實驗分析 245
6.4.6　小結 249
6.5　交通用戶群體分析案例——民航旅客社交網絡挖掘 249
6.5.1　概述 249
6.5.2　民航旅客社交網絡構建 250
6.5.3　家庭團體發(fā)現(xiàn) 253
6.5.4　小結 257
6.6　交通用戶價值預測案例——民航旅客價值預測 257
6.6.1　概述 257
6.6.2　案例背景 258
6.6.3　民航旅客價值預測問題定義 258
6.6.4　解決方案 260
6.6.5　實驗分析 263
6.6.6　小結 265
6.7　交通用戶行為預測案例——民航旅客出行目的推斷 265
6.7.1　概述 265
6.7.2　案例背景 266
6.7.3　民航旅客出行目的推斷問題定義 267
6.7.4　解決方案 268
6.7.5　實驗分析 274
6.7.6　小結 277
6.8　交通產品庫存預測案例——基于庫存變化預測的智能緩存優(yōu)化 277
6.8.1　案例背景 278
6.8.2　在線訂票系統(tǒng)的緩存策略 279
6.8.3　數(shù)據(jù)準備 280
6.8.4　庫存變化時間間隔預測 281
6.8.5　動態(tài)緩存有效時間設置 282
6.8.6　技術應用效果 282
6.9　交通流量仿真案例——基于歷史通行數(shù)據(jù)的高速公路流量仿真 284
6.9.1　案例背景 284
6.9.2　解決方案框架 284
6.9.3　數(shù)據(jù)描述 285
6.9.4　相關算法 286
6.10　本章小結 288
參考文獻 289