本書系統(tǒng)闡述交通大數據在地面城市交通中的廣泛應用，涵蓋4個方面的內容。第一部分（包括第1、2章），主要介紹交通大數據相關背景、研究意義、基本特征定義和分類方法，是深入研究交通大數據不可或缺的先驗知識；第二部分（包括第3～5章），以文本類型的結構化數據為基礎，利用機器學習、數據挖掘等相關知識構造交通流量預測、交通擁堵預測、流量熱點分析等模型；第三部分（包括第6、7章），通過視頻和圖像等媒體數據提供交通場景的視覺信息，以車載監(jiān)控和道路監(jiān)控為應用場景實現對駕駛員和車輛的監(jiān)管；第四部分（包括第8、9章），主要介紹模型可視化呈現工具，以及交通大數據安全結合區(qū)塊鏈的相關研究。
本書可作為計算機相關專業(yè)、交通運輸相關專業(yè)及從事兩者交叉方向研究的教師、研究生、本科生和相關技術開發(fā)人員的參考用書。
更多科學出版社服務，請掃碼獲取。
第1章 緒論
1.1 研究背景與意義
1.2 交通大數據挖掘國內外研究現狀
1.2.1 常態(tài)分析研究
1.2.2 非常態(tài)分析研究
1.2.3 預測分析研究
1.3 并行化處理國內外研究現狀
1.3.1 并行化處理的3種策略
1.3.2 大數據處理的并行化
1.3.3 機器學習的并行化
1.4 發(fā)展趨勢
1.4.1 平臺化
1.4.2 高性能
1.4.3 未雨綢繆
1.5 本書主要內容
第2章 交通大數據特征與分類
2.1 引言
2.2 大數據特征
2.2.1 大數據定義
2.2.2 大數據的5V特征
2.2.3 大數據體系架構
2.3 交通大數據
2.3.1 交通數據采集方式
2.3.2 交通大數據特征
2.4 交通大數據分類
2.4.1 按應用場景分類
2.4.2 按數據類型分類
2.5 本章小結
第3章 基于結構化數據的流量預測方法
3.1 引言
3.1.1 車流量預測研究現狀
3.1.2 公交客流量預測研究現狀
3.2 基于SVM算法的公交客流量預測
3.2.1 基于SVM算法的公交客流量預測方法
3.2.2 數據采集及預處理
3.2.3 相關算法
3.2.4 模型設計
3.2.5 實驗分析
3.3 基于KNN算法的高速公路流量預測
3.3.1 基于KNN算法的高速公路流量預測方法
3.3.2 數據采集及預處理
3.3.3 相關算法
3.3.4 模型設計
3.3.5 實驗分析
3.4 基于XGBoost算法的高速公路流量預測
3.4.1 基于XGBoost算法的高速公路流量預測方法
3.4.2 數據采集及預處理
3.4.3 相關算法
3.4.4 模型設計
3.4.5 實驗分析
3.5 基于RVM算法的車流量預測
3.5.1 基于RVM算法的車流量預測方法
3.5.2 數據采集及預處理
3.5.3 相關算法
3.5.4 模型設計
3.5.5 實驗分析
3.6 本章小結
第4章 基于結構化數據的擁堵預測方法
4.1 引言
4.2 基于GBDT算法的擁堵預測
4.2.1 基于GBDT算法的擁堵預測方法
4.2.2 數據采集及預處理
4.2.3 相關算法
4.2.4 模型設計
4.2.5 實驗分析
4.3 基于RF算法的擁堵預測
4.3.1 基于RF算法的擁堵預測方法
4.3.2 數據采集及預處理
4.3.3 相關算法
4.3.4 模型設計
4.3.5 實驗分析
4.4 基于模糊綜合評價法的擁堵預測
4.4.1 基于模糊綜合評價法的擁堵預測方法
4.4.2 數據分析
4.4.3 相關算法
4.4.4 基于多指標評價的擁堵預測
4.4.5 實驗分析
4.5 本章小結
第5章 基于結構化數據的熱點分析方法
5.1 引言
5.2 文本數據處理流程
5.3 基于k-means算法的出租車乘客出行數據分析
5.3.1 基于k-means算法的出租車乘客出行數據分析方法
5.3.2 數據采集及預處理
5.3.3 相關算法
5.3.4 模型設計
5.3.5 實驗分析
5.4 基于SWCk-means算法的文本數據熱點分析
5.4.1 基于SWCk-means算法的文本數據熱點分析方法
5.4.2 數據采集及預處理
5.4.3 相關算法
5.4.4 模型設計
5.4.5 實驗分析
5.5 本章小結
第6章 基于車載監(jiān)控圖像的應用
6.1 引言
6.2 駕駛員吸煙檢測
6.2.1 基于改進SSD算法的駕駛員吸煙檢測方法
6.2.2 模型設計
6.2.3 實驗分析
6.3 駕駛員打電話檢測
6.3.1 基于改進YOLOv5n算法的駕駛員打電話檢測方法
6.3.2 模型設計
6.3.3 實驗分析
6.4 疲勞駕駛檢測
6.4.1 基于面部多特征的駕駛員疲勞駕駛檢測方法
6.4.2 模型設計
6.4.3 實驗分析
6.5 公交客流統(tǒng)計
6.5.1 基于多目標識別與跟蹤的公交客流量統(tǒng)計方法
6.5.2 模型設計
6.5.3 實驗分析
6.6 本章小結
第7章 基于道路監(jiān)控圖像的應用
7.1 引言
7.2 安全帶檢測
7.2.1 基于改進YOLOv3算法和FasterRCNN算法的安全帶檢測方法
7.2.2 模型設計
7.2.3 實驗分析
7.3 車牌識別
7.3.1 基于YOLOv5s算法的車牌識別方法
7.3.2 模型設計
7.3.3 實驗分析
7.4 車型識別
7.4.1 基于YOLOv5s算法的車型識別方法
7.4.2 模型設計
7.4.3 實驗分析
7.5 車輛顏色識別
7.5.1 基于YOLOv5s算法的車輛顏色識別方法
7.5.2 模型設計
7.5.3 實驗分析
7.6 車輛行為識別
7.6.1 基于TSAN網絡的車輛行為識別方法
7.6.2 模型設計
7.6.3 實驗分析
7.7 車速檢測
7.7.1 基于虛擬線圈法的車速檢測方法
7.7.2 模型設計
7.7.3 實驗分析
7.8 高速公路車流量統(tǒng)計
7.8.1 基于YOLOv5 DeepSORT算法的高速公路車流量統(tǒng)計方法
7.8.2 模型設計
7.8.3 實驗分析
7.9 本章小結
第8章 交通大數據可視化
8.1 引言
8.2 基于Excel電子表格的可視化方法
書單推薦
