交通大數(shù)據(jù)

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(nèi)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(chǎn)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(jīng)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(zhì)量 33
1.6　本書內(nèi)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(nèi)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(wǎng)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(wǎng)絡生產(chǎn)運行與安全大數(shù)據(jù) 55
2.4.1　運輸生產(chǎn)計劃與調(diào)度大數(shù)據(jù) 56
2.4.2　運輸生產(chǎn)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(wǎng)+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(qū)動智慧業(yè)務系統(tǒng) 144
3.6.3　數(shù)據(jù)驅(qū)動交通企業(yè)生產(chǎn)運營管理決策支持系統(tǒng) 145
3.6.4　大數(shù)據(jù)驅(qū)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(wǎng)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(chǎn)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(chǎn)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(chǎn)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(wǎng)絡挖掘 249
6.5.1　概述 249
6.5.2　民航旅客社交網(wǎng)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(chǎn)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