交通大数据

图书标准信息

• 作者 林友芳
• 出版社 北京交通大学出版社
• 出版时间 2021-09
• 版次 1
• ISBN 9787512144934
• 定价 68.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 308页
• 字数 480.000千字

【内容简介】

《交通大数据》是”十三五”国家重点出版物出版规划项目，共分为6章，主要内容包括绪论、交通大数据概况、交通大数据处理技术、时空交通大数据预测、视觉交通大数据、交通运营大数据应用与案例。本书可作为计算机、信息技术、交通运输相关专业的本科生和研究生的教学参考书，还可供从事大数据、交通大数据的研究、技术、工程、应用和管理方面的有关人员参考。

【作者简介】

        林友芳，男，教授，博士生导师，现任北京交通大学网信办、网络信息技术中心主任，计算机与信息技术学院副院长，交通数据分析与挖掘北京市重点实验室常务副主任，综合交通运输大数据应用技术交通运输部行业重点实验室副主任兼交通大数据分析挖掘方向首席教授，民航旅客服务智能化应用技术重点实验室副主任，北京交通大学大数据研究院院长，北京交通大学计算机与信息技术学院网络科学与智能系统研究所所长，新一代信息技术及应用北京市高精尖学科负责人，北京交通大学教学名师。中国计算机学会(CCF)高级会员，CCF大数据专家委员会委员，CCF人工智能与模式认识专委会委员。主要从事数据挖掘、机器学习、复杂网络、社会网络、智能技术与系统、交通数据分析与挖掘、民航大数据处理、数据中心运维大数据、信息物理系统、领域自动驾驶等领域的应用基础研究工作，相关领域的咨询专家。具有较为丰富的信息系统规划、设计、组织开发与实施经验。主持与参与项目共计120余项，主持项目50余项，其中多数为服务于中大型企业的科研项目，有大量的大数据与智能应用研发成果在重要生产现场得到实际应用。发表论文60余篇，论文发表在包括IEEE TKDE、TITS等学术期刊和AAAI、CVPR、IJCAI、ACM MM、ICDE、ICARCV、ECML PKDD等高级别国际学术会议上，其中CCF A类国际期刊、CCFA类会议论文15篇。译著3本，是经典图书《数据仓库》的主要译者。

【目录】

第1章  绪论 1

1.1　从数据到智慧 1

1.1.1　数据 1

1.1.2　大数据 2

1.1.3　信息 2

1.1.4　知识 4

1.1.5　智能 6

1.1.6　人工智能 7

1.1.7　决策 8

1.1.8　智慧 13

1.1.9　数据分析与挖掘 15

1.1.10　机器学习 16

1.2　交通运输行业基础知识 20

1.2.1　交通运输的定义 20

1.2.2　交通运输业分类简介 20

1.2.3　交通行业参与者及诉求 22

1.3　交通行业中的决策与决策支持 25

1.3.1　运输企业内部决策与决策支持 25

1.3.2　交通行业服务对象决策与决策支持 26

1.3.3　政府与行业管理部门决策与决策支持 27

1.4　交通行业信息化发展 27

1.4.1　运输组织与安全生产信息化 27

1.4.2　运输客货营销与服务信息化 28

1.4.3　运输企业经营管理信息化 29

1.4.4　政府与交通运输行业管理信息化 29

1.4.5　交通运输行业信息化的发展趋势 29

1.5　交通大数据研究与应用定位 32

1.5.1　交通运输运营效率 32

1.5.2　交通与社会安全 33

1.5.3　交通服务质量 33

1.6　本书内容结构 34

第2章　交通大数据概况 35

2.1　交通大数据形态 35

2.1.1　基于内容格式的交通大数据分类 36

2.1.2　原始数据与导出数据 42

2.1.3　数据使用与分类 42

2.1.4　交易、行为与日志数据 43

2.1.5　元数据 45

2.2　交通地理大数据 46

2.2.1　交通地理空间单元层数据 46

2.2.2　交通网络拓扑数据 48

2.2.3　交通地理层数据 49

2.3　客货营销与服务大数据 50

2.3.1　客运营销大数据 50

2.3.2　货运营销大数据 52

2.3.3　客货服务大数据 53

2.3.4　营销市场环境大数据 55

2.4　交通网络生产运行与安全大数据 55

2.4.1　运输生产计划与调度大数据 56

2.4.2　运输生产作业流程与保障大数据 57

2.4.3　交通运输流与客货流大数据 60

2.4.4　交通运输安全大数据 62

2.4.5　交通导航与移动终端大数据 65

2.5　交通运输企业运营管理与行业管理大数据 66

2.5.1　交通运输企业运营管理大数据 66

2.5.2　政府与行业管理部门交通大数据 67

2.6　本章小结 67

第3章  交通大数据处理技术 69

3.1　大数据及处理概述 69

3.1.1　大数据基本概念与特征 69

3.1.2　大数据生命周期模型组成 70

3.1.3　大数据平台与数据仓库 72

3.2　交通大数据系统常见架构 79

3.2.1　企业大数据平台系统架构设计因素 79

3.2.2　交通客货运营支撑大数据平台典型架构 82

3.2.3　互联网 交通企业典型大数据平台架构 87

3.2.4　交通指挥控制大数据平台架构 89

3.3　交通大数据的生成与采集 91

3.3.1　交通信息系统数据生成与采集 91

3.3.2　基础采集设备 92

3.3.3　专用采集系统 95

3.4　交通大数据集成 96

3.4.1　数据集成方法 97

3.4.2　实时、近实时集成技术 98

3.4.3　异常值检测方法 102

3.4.4　缺失值处理方法 106

3.5　交通大数据组织、存储与维护 114

3.5.1　大数据应用主题与数据组织方法 114

3.5.2　多粒度级数据组织策略 118

3.5.3　操作型数据存储 124

3.5.4　交通大数据存储技术 127

3.5.5　交通大数据载入、更新与维护技术 135

3.6　交通大数据典型应用系统模式 142

3.6.1　交通大数据服务系统 143

3.6.2　交通大数据驱动智慧业务系统 144

3.6.3　数据驱动交通企业生产运营管理决策支持系统 145

3.6.4　大数据驱动交通客户决策支持系统 146

3.6.5　基于交通大数据的智能算法训练及应用系统研发平台 148

3.7　本章小结 149

第4章  时空交通大数据预测 150

4.1　时空交通大数据概述 150

4.1.1　时空交通数据的类型 150

4.1.2　时空交通数据的典型特征 153

4.2　时空交通数据预测任务 155

4.2.1　交通流量预测 155

4.2.2　交通需求预测 155

4.2.3　交通状态预测 156

4.2.4　通行时间预测 156

4.2.5　交通事故风险预测 156

4.2.6　用户位置预测 156

4.2.7　出行路径预测 157

4.3　传统时间序列预测方法 157

4.3.1　传统统计预测方法 157

4.3.2　传统机器学习预测方法 159

4.4　深度学习预测方法 163

4.4.1　时空网格数据预测 164

4.4.2　时空图数据预测 174

4.4.3　时空轨迹数据预测 183

4.5　本章小结 191

第5章  视觉交通大数据 192

5.1　视觉交通大数据概述 192

5.1.1　线路监控视觉数据 192

5.1.2　车载视觉数据 193

5.1.3　站场监控数据 193

5.2　交通视觉数据分析任务 194

5.2.1　道路监控数据分析任务 194

5.2.2　车载视觉数据分析任务 195

5.2.3　站场监控数据分析任务 196

5.3　静态交通场景感知相关技术 196

5.3.1　通用目标检测方法 197

5.3.2　行人检测方法 201

5.3.3　交通场景语义分割方法 203

5.3.4　车道线检测方法 204

5.3.5　三维场景重建技术 206

5.4　动态交通场景感知相关技术 210

5.4.1　单目标跟踪方法 210

5.4.2　多目标跟踪方法 213

5.4.3　行人重识别方法 215

5.4.4　车辆重识别方法 217

5.5　本章小结 220

第6章  交通运营大数据应用与案例 221

6.1　交通运营大数据应用概述 222

6.1.1　交通运营大数据应用常见场景 222

6.1.2　交通运营应用相关的数据 222

6.2　交通产品需求预测案例——航班需求预测 223

6.2.1　概述 223

6.2.2　航班需求预测问题定义 224

6.2.3　解决方案 225

6.2.4　实验分析 228

6.2.5　小结 231

6.3　交通产品价格预测案例——机票价格预测 231

6.3.1　概述 231

6.3.2　案例背景 232

6.3.3　机票价格预测问题定义 232

6.3.4　解决方案 234

6.3.5　实验分析 237

6.3.6　小结 239

6.4　交通产品推荐案例——民航旅客后续行程预测与推荐 240

6.4.1　概述 240

6.4.2　案例背景 241

6.4.3　民航旅客后续行程预测问题定义 241

6.4.4　解决方案 242

6.4.5　实验分析 245

6.4.6　小结 249

6.5　交通用户群体分析案例——民航旅客社交网络挖掘 249

6.5.1　概述 249

6.5.2　民航旅客社交网络构建 250

6.5.3　家庭团体发现 253

6.5.4　小结 257

6.6　交通用户价值预测案例——民航旅客价值预测 257

6.6.1　概述 257

6.6.2　案例背景 258

6.6.3　民航旅客价值预测问题定义 258

6.6.4　解决方案 260

6.6.5　实验分析 263

6.6.6　小结 265

6.7　交通用户行为预测案例——民航旅客出行目的推断 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断问题定义 267

6.7.4　解决方案 268

6.7.5　实验分析 274

6.7.6　小结 277

6.8　交通产品库存预测案例——基于库存变化预测的智能缓存优化 277

6.8.1　案例背景 278

6.8.2　在线订票系统的缓存策略 279

6.8.3　数据准备 280

6.8.4　库存变化时间间隔预测 281

6.8.5　动态缓存有效时间设置 282

6.8.6　技术应用效果 282

6.9　交通流量仿真案例——基于历史通行数据的高速公路流量仿真 284

6.9.1　案例背景 284

6.9.2　解决方案框架 284

6.9.3　数据描述 285

6.9.4　相关算法 286

6.10　本章小结 288

参考文献 289