大数据及其在交通运输中的应用

本书主要对大数据的理论基础进行了介绍，并对大数据框架包含的内容进行了详细讲解。具体内容包括：对Python基础知识的介绍，主要是在大数据的交通流预测中所能用到的Python基础知识；对大数据所包括的内容及基础理论知识的讲解；数据挖掘的研究与分析，对交通流大数据的基础数据的处理与分析；基于Python的机器学习模型的基础理论知识的介绍、交通流和驾驶行为及意图分析；基于Python的深度学习的理论讲解与分析，并运用深度学习模型对交通流进行预测等。
本书可供交通运输、交通工程、车辆工程、计算机等领域的技术人员、编程人员阅读，也可供相关专业的师生学习参考。

●大数据技术基础理论知识：大数据的特征、分类、框架结构等。 ●Python编程基础知识：各种模块的讲解，并配以实操案例。 ●机器学习模式识别：机器学习的类型、机器学习的基础数学知识、树和随机森林算法、KNN算法、贝叶斯理论、支持向量机等模型和原理以及具体的Python代码实现。 ●深度学习基础知识及应用：深度学习的微积分基础、线性代数基础、案例详解、深度学习框架以及硬件基础、深度学习的驾驶意图应用等。 ●深度学习的交通流预测研究：交通流理论基础、交通流统计分布特性的基本理论知识、交通流数据预处理、深度学习的交通流预测等。

近年来，随着大数据的引入和人工智能的发展，交通领域在大数据和人工智能的影响下不断发展，追求更快、更准确、更智能化的研究越来越迫切。驾驶行为及意图的识别、交通流的预测、交通规划等交通领域的更新内容都需要大数据和人工智能的支撑。本书介绍了大数据的框架和基本内容、特点及原理等，从数据的获取到深度学习，讲解的内容由浅入深，并通过Python编程实现数据获取和算法原理说明，使读者容易理解和掌握。
本书的具体研究内容如下。
① 大数据概述：大数据的基本理论知识，大数据的特征、分类、框架结构等。
② Python基础知识：各种模块的讲解，并配以案例实现。
③ 机器学习模式识别：机器学习的类型，机器学习的基础数学知识，树和随机森林算法，KNN 算法，贝叶斯理论，支持向量机等模型和原理，以及具体的Python代码实现。
④ 深度学习基础及应用：深度学习的微积分基础、线性代数基础、案例详解、深度学习框架以及硬件基础、深度学习的驾驶意图应用等。
⑤ 深度学习的交通流预测研究：交通流理论基础、交通流统计分布特性的基本理论知识、交通流数据预处理等。
本书的出版得到了山东省自然科学基金面上项目(ZR2019MEE072)、教育部高等教育司“人因与工效学”产学合作协同育人项目(202101042014)、教育部人文社会科学研究规划基金(18YJAZH067)、山东省自然科学基金面上项目(ZR2020MG021)、山东省泰山学者专项(ts201712054)、国家自然科学基金面上项目(5217052865)、工业流体节能与污染控制教育部重点实验室项目(背景噪声下小波包处理技术的深度学习声纹识别研究)等资助。在此一并表示感谢。
最后，还要衷心感谢本书引用的参考资料的所有作者。由于笔者水平有限，书中难免有疏漏和不足之处，恳请读者批评指正。

著者

第1 章　绪论001
1.1　大数据概述002
1.2　Python 概述003
1.3　交通运输大数据概述004

第2 章　Python 基础知识007
2.1　变量和简单数据类型008
2.2　Python 语法基础010
2.3　数据可视化020
2.4　数据的统计学特征025
2.5　代数和符号运算问题028
2.6　基本数学运算030
2.7　不同类型的数字031
2.8　Pandas 和NumPy 模块032

第3 章　大数据基础043
3.1　大数据044
3.2　Hadoop 大数据平台046
3.3　大数据与人工智能050
3.4　探索性数据分析051
3.5　相关分析和回归分析054
3.6　降维数据分析056

第4 章　机器学习模式识别065
4.1　人工智能、机器学习和深度学习关系066
4.2　机器学习基础068
4.3　机器学习中的参数及拟合问题071
4.4　矩阵基本知识072
4.5　树和随机森林算法076
4.6　KNN 算法078
4.7　贝叶斯理论078
4.8　支持向量机080
4.9　神经网络085

第5 章　深度学习基础及应用101
5.1　深度学习中的微积分基础102
5.2　深度学习的线性代数基础106
5.3　基于Python 的神经网络案例算法详解107
5.4　深度学习框架113
5.5　深度学习的硬件基础117
5.6　卷积神经网络算法详解118
5.7　循环神经网络和长短期记忆网络125
5.8　基于LSTM 的驾驶意图识别130

第6 章　深度学习的交通流预测研究139
6.1　交通流理论基础140
6.2　交通流的统计分布特性142
6.3　交通流数据预处理144
6.4　交通信息获取技术146
6.5　宏观交通流模型及微观交通流模型147
6.6　基于深度学习的交通流预测149

参考文献155