掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養(yǎng)秘籍)
-
>
晶體管電路設(shè)計(下)
-
>
基于個性化設(shè)計策略的智能交通系統(tǒng)關(guān)鍵技術(shù)
-
>
花樣百出:貴州少數(shù)民族圖案填色
-
>
山東教育出版社有限公司技術(shù)轉(zhuǎn)移與技術(shù)創(chuàng)新歷史叢書中國高等技術(shù)教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機(jī)車概要.交流傳動內(nèi)燃.電力機(jī)車
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學(xué)的問題與脈絡(luò)
交通數(shù)據(jù)科學(xué)(編程實踐指南)/國外高校優(yōu)秀教材系列 版權(quán)信息
- ISBN：9787111702306
- 條形碼：9787111702306 ; 978-7-111-70230-6
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
交通數(shù)據(jù)科學(xué)(編程實踐指南)/國外高校優(yōu)秀教材系列 本書特色
培養(yǎng)交通系統(tǒng)數(shù)據(jù)編程分析專家 國外高校優(yōu)秀教材系列·交通類 配代碼資源 機(jī)工版
交通數(shù)據(jù)科學(xué)(編程實踐指南)/國外高校優(yōu)秀教材系列 內(nèi)容簡介
交通信息是交通決策的關(guān)鍵，如果我們采用合理的技術(shù)，交通信息就可以幫助我們節(jié)約大量成本，并提高工作效率。更重要的是，研發(fā)適當(dāng)?shù)募夹g(shù)還可以使我們理解并掌握所有的信息流。《交通數(shù)據(jù)科學(xué)：編程實踐指南》為處理大量交通相關(guān)的多種形式數(shù)據(jù)提供基礎(chǔ)，并且在各種數(shù)據(jù)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(xiàn)“大數(shù)據(jù)”“物聯(lián)網(wǎng)”“智慧城市”等交通領(lǐng)域當(dāng)前的重要目標(biāo)，那么這些便是新興數(shù)據(jù)科學(xué)領(lǐng)域的基礎(chǔ)。 本書可作為相關(guān)專業(yè)本科生和研究生學(xué)習(xí)智能交通系統(tǒng)數(shù)據(jù)分析的教材，也適用于從事智能交通行業(yè)的研發(fā)人員閱讀使用。
交通數(shù)據(jù)科學(xué)(編程實踐指南)/國外高校優(yōu)秀教材系列 目錄
作者簡介
譯者簡介
序
前言
讀者推薦
第1章“數(shù)據(jù)科學(xué)”與“大數(shù)據(jù)”1
1.1交通數(shù)據(jù)科學(xué)示例1
1.1.1倫敦軌道高速公路的起點-終點分析1
1.1.2航空公司定價與套利3
1.1.3凹坑檢測4
1.1.4Foursquare4
1.1.5自動駕駛汽車4
1.1.6出租車服務(wù)5
1.2綜述5
1.3定義6
1.4與其他領(lǐng)域的關(guān)系7
1.5道德和法律9
1.6批評觀點9
1.7練習(xí)：itsleeds虛擬桌面設(shè)置10
1.8延伸閱讀12
1.9附錄：本地安裝13
第2章基于交通數(shù)據(jù)科學(xué)的Python入門14
2.1編程技能測試14
2.2編程語言16
2.3編程環(huán)境16
2.4語言核心17
2.4.1列表18
2.4.2字典18
2.4.3控制結(jié)構(gòu)19
2.4.4文件19
2.4.5函數(shù)20
2.5庫20
2.5.1模塊20
2.5.2數(shù)學(xué)公式21
2.5.3繪圖21
2.5.4數(shù)據(jù)框22
2.5.5調(diào)試23
2.6延伸閱讀23
第3章數(shù)據(jù)庫設(shè)計25
3.1關(guān)系模型基礎(chǔ)25
3.2描繪世界26
3.2.1本體論27
3.2.2哲學(xué)本體論27
3.2.3數(shù)據(jù)本體論30
3.2.4SQL33
3.3練習(xí)33
3.3.1設(shè)置PostgreSQL33
3.3.2SQL創(chuàng)建語言33
3.3.3SQL查詢語言34
3.3.4SQL和Python的連接36
3.3.5導(dǎo)入車載藍(lán)牙數(shù)據(jù)37
3.4延伸閱讀37
第4章數(shù)據(jù)準(zhǔn)備39
4.1數(shù)據(jù)獲取39
4.2基本文本處理40
4.3格式語法：喬姆斯基層次結(jié)構(gòu)40
4.3.1正則語言（類型3）41
4.3.2上下文無關(guān)語言（類型2）42
4.3.3CFG以外的類型（類型1和類型0）43
4.4特殊類型43
4.4.1字符串和數(shù)值43
4.4.2日期和時間44
4.4.3美國國家海洋電子協(xié)會（NMEA）格式45
4.5通用格式46
4.6數(shù)據(jù)清洗47
4.7B+樹的實現(xiàn)47
4.8練習(xí)48
4.8.1用Pandas讀取數(shù)據(jù)庫48
4.8.2printf表示法48
4.8.3DateTimes49
4.8.4時間的偏差與校正49
4.8.5數(shù)據(jù)匹配50
4.8.6車載藍(lán)牙50
4.9延伸閱讀51
第5章空間數(shù)據(jù)52
5.1大地測量學(xué)52
5.2全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS）53
5.3地理信息系統(tǒng)（GIS）55
5.3.1GIS的作用55
5.3.2空間本體論56
5.3.3空間數(shù)據(jù)結(jié)構(gòu)57
5.4實施58
5.4.1空間文件58
5.4.2空間數(shù)據(jù)源59
5.4.3空間數(shù)據(jù)庫59
5.4.4空間數(shù)據(jù)框59
5.5練習(xí)59
5.5.1GPS投影59
5.5.2PostGIS60
5.5.3GeoPandas61
5.5.4QGIS路線圖62
5.5.5繪制開放式街道地圖（OSM）道路62
5.5.6獲取OSM數(shù)據(jù)63
5.5.7藍(lán)牙車輛傳感器站點64
5.6延伸閱讀65
第6章貝葉斯推斷68
6.1貝葉斯推斷與“統(tǒng)計”68
6.2高速公路行程時間69
6.3貝葉斯推斷70
6.3.1貝葉斯定理70
6.3.2法律判定：車輛撞人事故71
6.3.3先驗和后驗72
6.3.4道路用戶跟蹤72
6.4貝葉斯網(wǎng)絡(luò)73
6.4.1紅綠燈貝葉斯網(wǎng)絡(luò)73
6.4.2交通事故貝葉斯網(wǎng)絡(luò)74
6.4.3事故報告75
6.4.4汽車保險76
6.5先驗和偏見77
6.6因果關(guān)系77
6.7模型的比較與組合80
6.8練習(xí)81
6.8.1用PyMC3推斷交通信號燈81
6.8.2用PyMC3推斷事故道路狀態(tài)變化81
6.8.3切換泊松動態(tài)82
6.9延伸閱讀82
第7章機(jī)器學(xué)習(xí)83
7.1產(chǎn)生性與區(qū)分性汽車排放83
7.2簡單分類85
7.2.1線性判別分析（LDA）85
7.2.2*鄰近分析85
7.2.3模塊匹配85
7.2.4樸素貝葉斯分類86
7.2.5決策樹86
7.3神經(jīng)網(wǎng)絡(luò)和“深度學(xué)習(xí)”87
7.4局限與拓展90
7.5練習(xí)92
7.6延伸閱讀94
第8章空間分析95
8.1空間數(shù)據(jù)96
8.2貝葉斯空間模型97
8.2.1馬爾可夫隨機(jī)場（MRF）97
8.2.2高斯過程（克里金法）99
8.3車輛路線100
8.4空間特征101
8.5探索性分析101
8.6問題擴(kuò)展103
8.7練習(xí)104
8.7.1GPy中的高斯過程104
8.7.2高斯過程車輛密度106
8.7.3使用PostGIS的車輛路線選擇106
8.7.4查找路邊傳感器站點107
8.8延伸閱讀107
第9章數(shù)據(jù)可視化108
9.1視覺感知108
9.1.1顏色108
9.1.2視覺注意110
9.2地理可視化（地圖）113
9.2.1交通流圖116
9.2.2滑圖117
9.2.3信息圖117
9.3練習(xí)120
9.3.1帶有Leaflet的網(wǎng)絡(luò)地圖120
9.3.2藍(lán)牙起止點路線流122
9.3.3大型項目建議123
9.4延伸閱讀124
第10章大數(shù)據(jù)125
10.1中型數(shù)據(jù)加速126
10.2企業(yè)數(shù)據(jù)拓展127
10.3CAP定理129
10.4大數(shù)據(jù)擴(kuò)展130
10.4.1數(shù)據(jù)“湖”130
10.4.2網(wǎng)格計算130
10.4.3Map-Reduce和云計算132
10.4.4Hadoop生態(tài)系統(tǒng)133
10.4.5非關(guān)系數(shù)據(jù)庫（NoSQL）133
10.4.6分布式關(guān)系數(shù)據(jù)庫（NewSQL）135
10.5練習(xí)135
10.5.1PrologAI汽車保險查詢135
10.5.2車載藍(lán)牙數(shù)據(jù)的Mapper-Reduce136
10.5.3設(shè)置Hadoop和Spark137
10.5.4在Hadoop中查找車輛匹配項138
10.5.5用Spark預(yù)測交通流139
10.5.6大型項目建議141
10.6延伸閱讀142
第11章專業(yè)問題143
11.1道德、倫理和法律143
11.2倫理問題144
11.2.1隱私144
11.2.2去匿名化（Doxing）145
11.2.3預(yù)測分析146
11.2.4社會和個人的平衡146
11.2.5貨幣化147
11.2.6本體偏差148
11.2.7p值操縱149
11.2.8代碼質(zhì)量150
11.2.9代理沖突151
11.2.10服務(wù)器管轄權(quán)151
11.2.11安全服務(wù)152
11.3英國法律框架152
11.3.11988年《數(shù)據(jù)保護(hù)法》152
11.3.2通用數(shù)據(jù)保護(hù)法規(guī)（GPDR）153
11.4數(shù)據(jù)科學(xué)家的角色154
11.5練習(xí)155
11.6延伸閱讀155
展開全部
交通數(shù)據(jù)科學(xué)(編程實踐指南)/國外高校優(yōu)秀教材系列 作者簡介
查爾斯·福克斯，利茲大學(xué)交通運(yùn)輸研究所車輛與道路自動化專業(yè)的大學(xué)學(xué)者。他主要使用貝葉斯方法研究自主越野、公路和路邊感知、控制和數(shù)據(jù)分析系統(tǒng)。他*近的項目包括IBEX2越野自動農(nóng)用車輛，該項目在《泰晤士報》和探索頻道（Discovery Channel）上都有報道；與寶馬公司合作的自動駕駛汽車行人檢測分析；與沃爾沃公司合作,利用UDRIVE數(shù)據(jù)挖掘手動駕駛大數(shù)據(jù)，以識別危險駕駛的原因；以及與Mouchel公司和英國公路局合作進(jìn)行自動車牌識別分析。福克斯博士在劍橋大學(xué)獲得了計算機(jī)科學(xué)碩士學(xué)位，在愛丁堡大學(xué)獲得了信息學(xué)碩士學(xué)位，并在牛津大學(xué)的機(jī)器人研究小組獲得了模式分析和機(jī)器學(xué)習(xí)的哲學(xué)博士學(xué)位。他曾在謝菲爾德大學(xué)（University of Sheffield）擔(dān)任機(jī)器人學(xué)和數(shù)據(jù)驅(qū)動語音識別的研究人員，曾為英國廣播公司（BBC）、英國 醫(yī)療服務(wù)體系（NHS）和英國政府通信總部（GCHQ）等用戶服務(wù)，還曾是倫敦對沖基金Algometrics有限公司的高頻數(shù)據(jù)驅(qū)動交易員。他發(fā)表了50篇會議和期刊論文，被引用800余次，h指數(shù)為15。他是Ibex Automation有限公司的董事，該公司為對沖基金和風(fēng)險投資客戶提供咨詢服務(wù)，并且在數(shù)據(jù)科學(xué)和機(jī)器人技術(shù)領(lǐng)域提供咨詢和研發(fā)工作。
書友推薦
- >
月亮與六便士
- >
二體千字文
- >
伯納黛特,你要去哪(2021新版)
- >
煙與鏡
- >
唐代進(jìn)士錄
- >
姑媽的寶刀
- >
自卑與超越
- >
回憶愛瑪儂
本類暢銷
