消息 首页 搜索 举报
  • 交通时空大数据分析、挖掘与可视化
21年品牌 40万+商家 超1.5亿件商品

交通时空大数据分析、挖掘与可视化

￥ 63.11 3.7折 ￥ 169 九五品

仅1件

天津武清
认证卖家担保交易快速发货售后保障

作者余庆,李玮峰

出版社清华大学出版社

ISBN9787302611967

出版时间2022-09

版次1

装帧平装

开本16开

纸张胶版纸

页数450页

定价169元

上书时间2024-05-01

鲁是特
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：九五品
商品描述
基本信息
书名:交通时空大数据分析、挖掘与可视化
定价：169.00元
作者:余庆,李玮峰
出版社：清华大学出版社
出版日期：2022-09-01
ISBN：9787302611967
字数：
页码：450
版次：
装帧：平装
开本：16开
商品重量：
编辑推荐
交通领域需要有一本图书能够系统地梳理交通时空数据处理中所涉及的各种基础知识，总结数据处理过程中的各类解决方案，介绍如何用跨学科的方法从数据中挖掘出有价值的信息
内容提要
大数据时代已经到来，随着数据的逐步开放，交通领域的研究课题或多或少都要接触、使用时空大数据。交通领域的从业者迫切需要强有力的工具和技术应对日益纷杂的交通数据。交通是一个交叉学科，交通数据分析人才的知识体系需要与数据处理、网络爬虫、数据可视化、地理信息、复杂网络、数据挖掘、机器学习等多学科知识深度融合，这也为交通领域的人才培养带来巨大挑战。在此背景下，本书针对不同的学习阶段与业务需求设计了三篇共15章内容。基础篇（～5章）梳理Python数据分析、网络爬虫、数据可视化、地理信息等基础知识；应用篇（第6～10章）介绍出租车GPS数据、地铁IC刷卡数据、共享单车订单数据、公交GPS数据等各类时空大数据的实际案例应用；方法篇（1～15章）融汇数据挖掘、空间统计、复杂网络学科等交叉学科方法，与交通领域的大量实际案例分析结合，全面梳理总结交通时空大数据所需跨学科技能。本书由浅入深，学科交叉，强调实践。对读者不同的学习阶段与业务需求设计相应内容，全面梳理总结交通大数据科研所需技能，并与交通领域的大量实际案例分析结合。本书可作为教材也可作为参考工具书，基础篇定位交通数据领域新手入门，应用篇定位有数据分析需求的高校学生或社会人士，方法篇定位高校学术科研人员。
目录
基 础 篇章　绪论 21.1 多源交通时空大数据简介 21.1.1 传统集计统计数据 31.1.2 个体连续追踪数据 41.1.3 地理空间信息数据 51.2 为什么要用Python处理交通大数据 61.2.1 常用数据处理技术 61.2.2 Python在交通大数据领域中的优势 81.2.3 Python与SQL的比较 91.3 大规模数据处理的解决方案 91.3.1 决定大数据处理性能的三个硬件要素 91.3.2 分布式数据处理架构 111.4 本章习题 14第2章　Python数据处理基础 152.1 Python的环境配置 152.1.1 Python的集成开发环境 152.1.2 Anaconda的安装 162.1.3 Jupyter Notebook的使用 162.1.4 Python第三方库的安装 182.2 Python基本语法 192.2.1 对象与变量 192.2.2 运算符 202.2.3 内置数据类型 202.2.4 语句 242.2.5 函数 262.2.6 包的使用 272.2.7 数据分析常用第三方库简介 282.3 pandas数据处理基础 292.3.1 数据文件的编码格式与存储形式 302.3.2 数据表的行列处理 332.3.3 数据的表格运算 412.4 时空大数据的处理思维 462.4.1 复杂数据处理任务的解决思路 462.4.2 数据处理任务分解实例：地铁换乘量识别 492.5 数据处理中表格运算的常用技巧 512.5.1 分组编号 512.5.2 去除重复的记录 532.5.3 个体ID重新编号 542.5.4 生成数据之间的对应表 552.5.5 时空插值 582.6 本章习题 602.6.1 思考题 602.6.2 Python基础代码练习 602.6.3 pandas基础代码练习 62第3章　数据可视化基础 643.1 可视化的基本原则 643.1.1 为什么要可视化 643.1.2 可视化的基本原则 653.1.3 可视化中需要注意的问题 693.2 可视化的颜色选择 693.2.1 可视化的配色为什么重要 693.2.2 可视化的颜色色相的选择 703.2.3 颜色空间 723.2.4 Brewer调色板 733.3 可视化的图表类型 753.3.1 可视化图表的类型与选择思路 753.3.2 对比型图表 773.3.3 趋势型图表 823.3.4 分布型图表 863.3.5 构成型图表 953.3.6 联系型图表 983.4 可视化的技术与工具 1013.4.1 常用可视化工具简介 1013.4.2　Web数据可视化技术 1023.4.3 时空大数据的Web可视化 1053.5 本章习题 107第4章　地理信息处理基础 1084.1 GIS的基本概念 1084.1.1 什么是GIS 1084.1.2 互联网+GIS：基于位置的服务LBS 1094.1.3 常用的GIS工具 1104.2 空间数据的基本概念 1124.2.1 空间数据结构 1124.2.2 空间数据文件 1144.3 坐标系的基本概念 1184.3.1 地理坐标系与投影坐标系 1184.3.2　火星坐标系 1234.3.3 地理空间数据的坐标系定义与转换 1244.4 栅格化 1264.4.1 为什么数据需要栅格化 1264.4.2 栅格化的基本原理 1274.5 地图底图 1314.5.1 瓦片地图：Web地图的加载原理 1314.5.2　Python中地图底图的加载 1324.6 本章习题 134第5章　网络爬虫基础 1355.1 网络爬虫的基本概念 1355.1.1 什么是网络爬虫 1355.1.2 为什么要用爬虫 1365.1.3 爬虫的注意事项 1375.2 网络加载、请求与解析 1385.2.1 网页的加载 1385.2.2 网页的请求 1405.2.3 网页的解析 1465.3 开放平台 1505.3.1 什么是开放平台 1505.3.2 什么是API和SDK 1505.3.3 地图开放平台 1515.4 常见数据的爬虫思路 1525.4.1 公交与地铁线网数据 1525.4.2 行政区划矢量面数据 1535.4.3 POI数据 1545.4.4 房价数据 1555.4.5 路网数据 1555.4.6 数据爬取的注意事项 1565.5 本章习题 156应 用 篇第6章　出租车GPS数据—时空大数据处理基础 1586.1 出租车GPS数据简介 1586.2 出租车GPS数据的读取与数据清洗 1596.2.1 数据的读取 1596.2.2 数据异常的清洗 1606.3 出租车数据的时间完整性评估 1666.3.1 时空大数据的质量评估 1666.3.2 出租车GPS数据的时间完整性评估 1676.4 出租车数据的空间完整性评估 1726.4.1 出租车GPS数据空间分布栅格图 1736.4.2 出租车GPS数据空间分布散点图 1806.4.3 出租车GPS数据空间分布热力图 1826.4.4 数据分布不同绘制方式的总结 1856.5 出租车订单出行特征分析 1876.5.1 出租车出行订单的OD提取 1876.5.2 出租车出行订单持续时间的统计 1916.5.3 出租车出行订单的栅格OD可视化 1946.5.4 出租车出行的OD期望线绘制 1996.6 本章习题 203第7章　地铁IC刷卡数据—城市轨道交通客流分析 2047.1 数据与思路 2047.1.1 IC刷卡数据简介 2047.1.2 地铁线路与站点GIS数据简介 2057.1.3 思路简介 2057.2 地铁拓扑网络的构建 2067.2.1 地铁网络构建思路 2067.2.2 地铁线网数据读取与整理 2087.2.3 网络的轨道边 2097.2.4 网络的换乘边 2117.2.5 网络的构建 2137.3 地铁出行路径提取 2147.3.1 IC刷卡数据中的OD提取 2157.3.2 出行路径提取 2177.4 轨道断面客流分布可视化 2207.4.1 断面客流集计 2207.4.2 断面客流分布绘制 2227.5 轨道断面客流蛛网图可视化 2267.5.1 可视化思路 2267.5.2 断面线型的生成 2277.5.3 线型平移与可视化绘制 2337.6 本章习题 236第8章　共享单车数据—轨道站点衔接需求分析 2378.1 共享单车数据简介 2378.2 共享单车的出行链重构 2398.2.1 出行链重构思路 2398.2.2 出行链重构的代码实现 2408.2.3 骑行与停车提取 2428.3 共享单车使用特征分析 2438.3.1 骑行距离 2448.3.2 骑行次数 2468.3.3 用车时长 2488.3.4 停车时长与单车利用率 2508.4 轨道衔接出行识别 2528.4.1 KDTree空间搜索算法的原理 2538.4.2 KDTree的代码实现 2558.4.3 KDTree识别轨道衔接出行 2568.4.4 轨道衔接单车骑行范围分析 2588.5 本章习题 262第9章　公交GPS数据—城市公交运行状况分析 2639.1 公交GPS数据简介 2639.2 公交GPS数据的预处理 2669.2.1 采样间隔 2669.2.2 地图匹配 2699.3 公交车辆运行图绘制 2749.3.1 单辆车的运行图绘制 2759.3.2 多辆车的运行图绘制 2789.4 公交到离站信息识别 2819.4.1 识别思路 2819.4.2 单辆车到离站识别的代码实现 2829.4.3 多辆车到离站信息的批量识别 2889.5 公交运行指标 2909.5.1 单程耗时与运营速度 2909.5.2 到站间隔 2949.6 本章习题 2960章　TransBigData—交通时空大数据处理、分析可视化工具 29710.1 TransBigData简介 29710.2 TransBigData的方法介绍 29810.2.1 数据质量分析与数据预处理 29810.2.2 数据栅格化 29910.2.3 数据聚合集计 30010.2.4 数据可视化 30010.2.5 轨迹数据处理 30110.2.6 GIS处理方法 30110.2.7 地图底图加载 30210.2.8 坐标转换与距离计算 30210.2.9 数据获取 30310.3 TransBigData使用示例 30310.4 本章习题 310方 法 篇1章　聚类 31211.1 什么是聚类 31211.2 K-均值聚类 31311.3 密度聚类DBSCAN 31411.4 层次聚类Hierarchical 31511.5 实例：基于sklearn包的聚类算法的实现 31811.5.1 测试数据集的生成 31811.5.2 聚类方法的实现 32111.5.3 聚类结果的比较 32211.6 实例：DBSCAN密度聚类算法识别共享单车停车聚集区域 32511.6.1 共享单车停车存量识别 32511.6.2 DBSCAN识别共享单车停车聚集区域 32711.7 本章习题 3292章　分类 33012.1 什么是分类 33012.2 分类算法的介绍 33112.2.1 K邻近 33112.2.2 支持向量机 33212.2.3 决策树 33412.2.4 随机森林 33812.2.5 逻辑回归 33812.2.6 人工神经网络 33912.3 分类模型的评价 34012.3.1 数据集的划分与交叉验证 34012.3.2 混淆矩阵 34112.3.3 ROC曲线和AUC值 34212.4 实例：基于sklearn包的分类算法的实现 34412.4.1 分类算法实现与决策边界绘制 34412.4.2 分类模型的代码实现 34512.4.3 模型评价 34712.5 本章习题 3483章　降维与矩阵分解 34913.1 什么是降维 34913.2 主成分分析 35013.2.1 PCA是什么 35013.2.2 PCA的原理与求解 35213.2.3 PCA的代码实现 35913.3 奇异值分解 36613.3.1 SVD是什么 36613.3.2 SVD的求解 36813.3.3 SVD的代码实现 37113.4 非负矩阵分解 37613.4.1 什么是NMF 37613.4.2 NMF的代码实现 37813.5 鲁棒主成分分析 38213.5.1 为什么要有RPCA 38213.5.2 RPCA的求解 38213.5.3 RPCA的代码实现 38413.6 实例：利用SVD分解分析出租车需求模式 38613.6.1 矩阵分解如何帮助理解时空矩阵 38613.6.2 利用SVD分解分析出租车需求模式 38913.6.3 结果分析 39713.7 本章习题 3984章　空间统计 39914.1 什么是空间统计 39914.1.1 空间统计简介 39914.1.2 PySAL：在Python中实现空间统计 40014.2 空间关系权重 40014.2.1 空间关系权重的定义 40014.2.2 空间关系权重的选择 40214.2.3 Python中空间关系权重的获取 40314.3 空间自相关与热点分析 40714.3.1 空间自相关 40714.3.2 热点分析 41014.3.3 Python空间自相关与热点分析 41214.4 地理加权回归 41714.4.1 线性回归与最小二乘法 41714.4.2 地理加权回归 41914.4.3 Python地理加权回归 42114.5 本章习题 4315章　复杂网络与社区发现 43215.1 什么是复杂网络 43215.1.1 网络的基本概念 43215.1.2 复杂网络的特性 43315.2 社区发现的原理与实现 43415.2.1 复杂网络中的社区 43415.2.2 非重叠社区划分算法 43515.2.3 重叠社区划分算法 43615.3 实例：基于社区发现的共享单车市场导向分区 43815.3.1 课题思路 43815.3.2 数据预处理 44015.3.3 网络构建 44216.3.4 社区发现与结果整理 44416.3.5 结果的可视化 44715.4 本章习题 450
作者介绍
余庆（交通数据小旭学长）博士，南方科技大学斯发基斯可信自主系统研究院助理研究员，交通时空大数据开源Python库TransBigData作者。B站交通时空大数据相关视频课程总播放量超过80万。2022年博士毕业于同济大学交通运输工程专业，博士期间赴日本东京大学公派联合培养，主要研究方向为交通大数据分析、数据可视化、城市计算，发表SCI论文十余篇。自2020年起在B站上制作交通时空大数据相关课程，涵盖时空数据处理、数据可视化等。李玮峰同济大学交通运输工程学院助理研究员，博士。主要研究方向为交通规划、智能交通系统规划和交通大数据分析。参加国家重点研发计划项目1项、国家自然科学基金重点项目2项、面上项目2项，国家科技支撑计划项目2项，同时参加地方政府和科研院所的研究与咨询项目多项。发表期刊及会议论文50余篇，其中SCI收录16篇、EI收录20余篇；完成专著3本；获得发明专利4项，软件著作权3项。
序言

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP