●大數據技術基礎理論知識：大數據的特征、分類、框架結構等。●Python編程基礎知識：各種模塊的講解，並配以實操案例。●機器學習模式識別：機器學習的類型、機器學習的基礎數學知識、樹和隨機森林算法、KNN算法、貝葉斯理論、支持向量機等模型和原理以及具體的Python代碼實現。●深度學習基礎知識及應用：深度學習的微積分基礎、線性代數基礎、案例詳解、深度學習框架以及硬件基礎、深度學習的駕駛意圖應用等。●深度學習的交通流預測研究：交通流理論基礎、交通流統計分布特性的基本理論知識、交通流數據預處理等

●第1章 緒論
1.1 大數據概述
1.2 Python概述
1.3 交通運輸大數據概述
第2章 Python基礎知識
2.1 變量和簡單數據類型
2.2 Python語法基礎
2.3 數據可視化
2.4 數據的統計學特征
2.5 代數和符號運算問題
2.6 基本數學運算
2.7 不同類型的數字
2.8 Pandas和NumPy模塊
第3章 大數據基礎
3.1 大數據
3.2 Hadoop大數據平臺
3.3 大數據與人工智能
3.4 探索性數據分析
3.5 相關分析和回歸分析
3.6 降維數據分析
第4章 機器學習模式識別
4.1 人工智能、機器學習和深度學習關繫
4.2 機器學習基礎
4.3 機器學習中的參數及擬合問題
4.4 矩陣基本知識
4.5 樹和隨機森林算法
4.6 KNN算法
4.7 貝葉斯理論
4.8 支持向量機
4.9 神經網絡
第5章 深度學習基礎及應用
5.1 深度學習中的微積分基礎
5.2 深度學習的線性代數基礎
5.3 基於Python的神經網絡案例算法詳解
5.4 深度學習框架
5.5 深度學習的硬件基礎
5.6 卷積神經網絡算法詳解
5.7 循環神經網絡和長短期記憶網絡
5.8 基於LSTM的駕駛意圖識別
第6章 深度學習的交通流預測研究
6.1 交通流理論基礎
6.2 交通流的統計分布特性
6.3 交通流數據預處理
6.4 交通信息獲取技術
6.5 宏觀交通流模型及微觀交通流模型
6.6 基於深度學習的交通流預測
參考文獻

本書主要對大數據的理論基礎進行了介紹，並對大數據框架包含的內容進行了詳細講解。具體內容包括：對Python基礎知識的介紹，在大數據的交通流預測中所能用到的Python基礎知識；對大數據所包括的內容及基礎理論知識的講解；數據挖掘的研究與分析，對交通流大數據的基礎數據的處理與分析；基於Python的機器學習模型的基礎理論知識的介紹、交通流和駕駛行為及意圖分析；基於Python的深度學習的理論講解與分析，並運用深度學習模型對交通流進行預測等。本書可供交通運輸、交通工程、車輛工程、計算機等領域的技術人員、編程人員閱讀，也可供相關專業的師生學習參考。