交通信息是交通決策的關鍵，如果采用合理的技術，交通信息就可以幫助我們節約大量成本，並提高工作效率。 本書既不是完整的編程指南，也不是所描述工具的技術手冊。相反因為包含了Python語言的基本概述，學習本書之前不需要掌握任何編程知識。本書配套軟件提供了預先安裝的交通數據科學堆棧，包括數據庫、空間數據、機器學習、貝葉斯和大數據工具。 本書得到多位專業讀者推薦，可作為交通類相關專業本科生和研究生學習智能交通繫統數據分析的教材，也適用於從事智能交通行業的研發人員閱讀使用。

●作者簡介
譯者簡介
序
前言
讀者推薦
第1章 “數據科學”與“大數據”
1.1 交通數據科學示例
1.1.1 倫敦軌道高速公路的起點-終點分析
1.1.2 航空公司定價與套利
1.1.3 凹坑檢測
1.1.4 Foursquare
1.1.5 自動駕駛汽車
1.1.6 出租車服務
1.2 綜述
1.3 定義
1.4 與其他領域的關繫
1.5 道德和法律
1.6 批評觀點
1.7 練習：itsleeds虛擬桌面設置
1.8 延伸閱讀
1.9 附錄：本地安裝
第2章 基於交通數據科學的Python入門
2.1 編程技能測試
2.2 編程語言
2.3 編程環境
2.4 語言核心
2.4.1 列表
2.4.2 字典
2.4.3 控制結構
2.4.4 文件
2.4.5 函數
2.5 庫
2.5.1 模塊
2.5.2 數學公式
2.5.3 繪圖
2.5.4 數據框
2.5.5 調試
2.6 延伸閱讀
第3章 數據庫設計
3.1 關繫模型基礎
3.2 描繪世界
3.2.1 本體論
3.2.2 哲學本體論
3.2.3 數據本體論
3.2.4 SQL
3.3 練習
3.3.1 設置 tgreSQL
3.3.2 SQL創建語言
3.3.3 SQL查詢語言
3.3.4 SQL和Python的連接
3.3.5 導入車載藍牙數據
3.4 延伸閱讀
第4章 數據準備
4.1 數據獲取
4.2 基本文本處理
4.3 格式語法：喬姆斯基層次結構
4.3.1 正則語言（類型3）
4.3.2 上下文無關語言（類型2）
4.3.3 CFG以外的類型（類型1和類型0）
4.4 特殊類型
4.4.1 字符串和數值
4.4.2 日期和時間
4.4.3 美國國家海洋電子協會（NMEA）格式
4.5 通用格式
4.6 數據清洗
4.7 B+樹的實現
4.8 練習
4.8.1 用Pandas讀取數據庫
4.8.2 printf表示法
4.8.3 DateTimes
4.8.4 時間的偏差與校正
4.8.5 數據匹配
4.8.6 車載藍牙
4.9 延伸閱讀
第5章 空間數據
5.1 大地測量學
5.2 全球導航衛星繫統（GNSS）
5.3 地理信息繫統（GIS）
5.3.1 GIS的作用
5.3.2 空間本體論
5.3.3 空間數據結構
5.4 實施
5.4.1 空間文件
5.4.2 空間數據源
5.4.3 空間數據庫
5.4.4 空間數據框
5.5 練習
5.5.1 GPS投影
5.5.2 tGIS
5.5.3 GeoPandas
5.5.4 QGIS路線圖
5.5.5 繪制開放式街道地圖（OSM）道路
5.5.6 獲取OSM數據
5.5.7 藍牙車輛傳感器站點
5.6 延伸閱讀
第6章 貝葉斯推斷
6.1 貝葉斯推斷與“統計”
6.2 高速公路行程時間
6.3 貝葉斯推斷
6.3.1 貝葉斯定理
6.3.2 法律判定：車輛撞人事故
6.3.3 先驗和後驗
6.3.4 道路用戶跟蹤
6.4 貝葉斯網絡
6.4.1 紅綠燈貝葉斯網絡
6.4.2 交通事故貝葉斯網絡
6.4.3 事故報告
6.4.4 汽車保險
6.5 先驗和偏見
6.6 因果關繫
6.7 模型的比較與組合
6.8 練習
6.8.1 用PyMC3推斷交通信號燈
6.8.2 用PyMC3推斷事故道路狀態變化
6.8.3 切換泊松動態
6.9 延伸閱讀
第7章 機器學習
7.1 產生性與區分性汽車排放
7.2 簡單分類
7.2.1 線性判別分析（LDA）
7.2.2 最鄰近分析
7.2.3 模塊匹配
7.2.4 樸素貝葉斯分類
7.2.5 決策樹
7.3 神經網絡和“深度學習”
7.4 局限與拓展
7.5 練習
7.6 延伸閱讀
第8章 空間分析
8.1 空間數據
8.2 貝葉斯空間模型
8.2.1 馬爾可夫隨機場（MRF）
8.2.2 高斯過程（克裡金法）
8.3 車輛路線
8.4 空間特征
8.5 探索性分析
8.6 問題擴展
8.7 練習
8.7.1 GPy中的高斯過程
8.7.2 高斯過程車輛密度
8.7.3 使用 tGIS的車輛路線選擇
8.7.4 查找路邊傳感器站點
8.8 延伸閱讀
第9章 數據可視化
9.1 視覺感知
9.1.1 顏色
9.1.2 視覺注意
9.2 地理可視化（地圖）
9.2.1 交通流圖
9.2.2 滑圖
9.2.3 信息圖
9.3 練習
9.3.1 帶有Leaflet的網絡地圖
9.3.2 藍牙起止點路線流
9.3.3 大型項目建議
9.4 延伸閱讀
第10章 大數據
10.1 中型數據加速
10.2 企業數據拓展
10.3 CAP定理
10.4 大數據擴展
10.4.1 數據“湖”
10.4.2 網格計算
10.4.3 Map-Reduce和雲計算
10.4.4 Hadoop生態繫統
10.4.5 非關繫數據庫（NoSQL）
10.4.6 分布式關繫數據庫（NewSQL）
10.5 練習
10.5.1 PrologAI汽車保險查詢
10.5.2 車載藍牙數據的Mapper-Reduce
10.5.3 設置Hadoop和Spark
10.5.4 在Hadoop中查找車輛匹配項
10.5.5 用Spark預測交通流
10.5.6 大型項目建議
……

交通信息是交通決策的關鍵，如果我們采用合理的技術，交通信息就可以幫助我們節約大量成本，並提高工作效率。更重要的是，研發適當的技術還可以使我們理解並掌握所有的信息流。《交通數據科學：編程實踐指南》為處理大量交通相關的多種形式數據提供基礎，並且在各種數據集組合在一起時提供更多的見解和合作的可能。如果我們要實現“大數據”“物聯網”“智慧城市”等交通領域當前的重要目標，那麼這些便是新興數據科學領域的基礎。 本書可作為相關專業本科生和研究生學習智能交通繫統數據分析的教材，也適用於從事智能交通行業的研發人員閱讀使用。

(英)查爾斯·福克斯 編 馬曉磊,張釗 譯