《交通大数据》是十三五国家重点出版物出版规划项目，共分为6章，主要内容包括绪论、交通大数据概况、交通大数据处理技术、时空交通大数据预测、视觉交通大数据、交通运营大数据应用与案例。本书可作为计算机、信息技术、交通运输相关专业的本科生和研究生的教学参考书，还可供从事大数据、交通大数据的研究、技术、工程、应用和管理方面的有关人员参考。
随着信息技术对交通行业运营的支撑作用的不断增强，各种交通行业的交通信息系统所产生的数据的类型越来越多，数据规模越来越大。交通运输企业、交通行业管理部门、互联网交通服务企业等交通行业参与者纷纷规划与建成了交通大数据平台，许多交通大数据平台为业务现场的许多决策场景起到了实质性的支撑作用。在交通大数据平台的规划、设计、实现和应用中，需要既能深入理解与掌握大数据工程与技术，又懂交通，理解交通数据概貌，对交通大数据应用需求、应用场景和可用技术具有很强的把握与洞察能力的人才。
《交通大数据》按照 知识性、实践性、系统性的理念，面向蓬勃发展的交通大数据发展趋势，系统性地解决了交通信息技术交叉方向大数据研究领域的关键问题，在深刻把握和洞察交通大数据应用需求、应用场景和可用技术的基础上，对交通大数据平台的规划、设计、实现和应用等重要内容进行了系统论述，体现了较高的学术价值和实用价值，既可以供专业研究人员进行理论实践研究，又可以作为交通大数据行业领域人才培养的参考书。
随着信息技术对交通行业运营的支撑作用的不断增强，各种交通行业的交通信息系统所产生的数据的类型越来越多，数据规模越来越大。交通运输企业、交通行业管理部门、互联网交通服务企业等交通行业参与者纷纷规划并建成了交通大数据平台，许多交通大数据平台为业务现场的诸多决策场景起到了实质性的支撑作用。在交通大数据平台的规划、设计、实现和应用中，需要既能深入理解与掌握大数据工程与技术，又懂交通、理解交通数据概貌，对交通大数据应用需求、应用场景和可用技术具有很强的把握与洞察能力的人才。
作者从事数据仓库、大数据领域的教学近20年，带领团队在交通大数据及智能技术领域开展了十余年的研究工作，与许多交通行业单位有深入的科研与应用合作。在教学、研究和行业应用实践中，我们发现在大数据特别是交通大数据领域，一直没有既有交通特色，又有先进、前沿的大数据处理技术，适合交通运输专业、计算机专业或交通信息技术交叉方向的本科生和研究生教材。同时，很难找到适合于交通运输行业单位的交通大数据平台规划、建设、运维和应用单位的管理者、专家和工程师的参考书，也缺少比较全面的适合于交通大数据学术研究的参考书。
为了解决这些问题，作者编写了这本以《交通大数据》为名的教材。为了使教材内容符合定位，作者对全书的内容架构做了反复研讨与调整，经过多轮迭代，全书的内容架构终确定为绪论、交通大数据概况、交通大数据处理技术、时空交通大数据预测、视觉交通大数据、交通运营大数据应用与案例共6个部分。
北京交通大学计算机与信息技术学院网络科学与智能系统研究所的许多老师与同学参与了本书的撰写工作。第1～3章由林友芳负责撰写，第4章由万怀宇、郭晟楠、林友芳等负责撰写，第5章由张硕、林友芳和吕凯等负责编写，第6章由林友芳、万怀宇和武志昊等负责撰写。全书由林友芳负责统稿。本书第4章的研究实践与第6章的案例主要来自作者团队的研究与应用实践，团队中许多已经毕业的研究生为这些研究与实践做了实质性的贡献。这些同学包括蒋睿、林明杰、唐锐、张奥爽、王琨琨、王志伟、周岳骞、周超、叶绍贵、许强永、邱鹏、康友隐、金文蔚、杨皓斐、尹康、冯宁、宋超、蒋鹏、邹威、邓玉婧、朱琪超、辛颖、荣斌等。在此对各位同学的研究工作表示感谢。研究所的许多研究生参与了本书部分材料的组织、内容校对等工作，这些同学主要包括赵苡积、刘云霄、贾子钰、常松、林彦、温浩岷、王硕、邸伟强、宋龙泽、王贝贝、杜少华、南宁、赵越、王炜堃、张亚飞、张润生、贾宇欣、童凯南、沈硕、雷李想、张永凯、陈昱瑾、罗雅文、韦统龙、胡小波、靳希源、尚川、陈佳欣、陈阳玲、荆栋、沈泽琪等。
本书的出版工作得到北京交通大学出版社的大力支持，正是在出版社孙秀翠老师的督促下，使管理、教学和科研工作异常繁忙的作者能将本书顺利完稿。也正是过于繁忙的工作，使本书在架构、逻辑、案例等许多方面仍有不尽如人意的地方，也难免有谬误之处，恳请读者不吝赐教，给我们及时提供一些反馈，以期在后续版本中加以完善。
作 者
2021年7月
林友芳，男，教授，博士生导师，现任北京交通大学网信办、网络信息技术中心主任，计算机与信息技术学院副院长，交通数据分析与挖掘北京市重点实验室常务副主任，综合交通运输大数据应用技术交通运输部行业重点实验室副主任兼交通大数据分析挖掘方向首席教授，民航旅客服务智能化应用技术重点实验室副主任，北京交通大学大数据研究院院长，北京交通大学计算机与信息技术学院网络科学与智能系统研究所所长，新一代信息技术及应用北京市高精尖学科负责人，北京交通大学教学名师。中国计算机学会(CCF)高级会员，CCF大数据专家委员会委员，CCF人工智能与模式认识专委会委员。主要从事数据挖掘、机器学习、复杂网络、社会网络、智能技术与系统、交通数据分析与挖掘、民航大数据处理、数据中心运维大数据、信息物理系统、领域自动驾驶等领域的应用基础研究工作，相关领域的咨询专家。具有较为丰富的信息系统规划、设计、组织开发与实施经验。主持与参与项目共计120余项，主持项目50余项，其中多数为服务于中大型企业的科研项目，有大量的大数据与智能应用研发成果在重要生产现场得到实际应用。发表论文60余篇，论文发表在包括IEEE TKDE、TITS等学术期刊和AAAI、CVPR、IJCAI、ACM MM、ICDE、ICARCV、ECML PKDD等高级别国际学术会议上，其中CCF A类国际期刊、CCFA类会议论文15篇。译著3本，是经典图书《数据仓库》的主要译者。
第1章 绪论 1
1.1 从数据到智慧 1
1.1.1 数据 1
1.1.2 大数据 2
1.1.3 信息 2
1.1.4 知识 4
1.1.5 智能 6
1.1.6 人工智能 7
1.1.7 决策 8
1.1.8 智慧 13
1.1.9 数据分析与挖掘 15
1.1.10 机器学习 16
1.2 交通运输行业基础知识 20
1.2.1 交通运输的定义 20
1.2.2 交通运输业分类简介 20
1.2.3 交通行业参与者及诉求 22
1.3 交通行业中的决策与决策支持 25
1.3.1 运输企业内部决策与决策支持 25
1.3.2 交通行业服务对象决策与决策支持 26
1.3.3 政府与行业管理部门决策与决策支持 27
1.4 交通行业信息化发展 27
1.4.1 运输组织与安全生产信息化 27
1.4.2 运输客货营销与服务信息化 28
1.4.3 运输企业经营管理信息化 29
1.4.4 政府与交通运输行业管理信息化 29
1.4.5 交通运输行业信息化的发展趋势 29
1.5 交通大数据研究与应用定位 32
1.5.1 交通运输运营效率 32
1.5.2 交通与社会安全 33
1.5.3 交通服务质量 33
1.6 本书内容结构 34
第2章 交通大数据概况 35
2.1 交通大数据形态 35
2.1.1 基于内容格式的交通大数据分类 36
2.1.2 原始数据与导出数据 42
2.1.3 数据使用与分类 42
2.1.4 交易、行为与日志数据 43
2.1.5 元数据 45
2.2 交通地理大数据 46
2.2.1 交通地理空间单元层数据 46
2.2.2 交通网络拓扑数据 48
2.2.3 交通地理层数据 49
2.3 客货营销与服务大数据 50
2.3.1 客运营销大数据 50
2.3.2 货运营销大数据 52
2.3.3 客货服务大数据 53
2.3.4 营销市场环境大数据 55
2.4 交通网络生产运行与安全大数据 55
2.4.1 运输生产计划与调度大数据 56
2.4.2 运输生产作业流程与保障大数据 57
2.4.3 交通运输流与客货流大数据 60
2.4.4 交通运输安全大数据 62
2.4.5 交通导航与移动终端大数据 65
2.5 交通运输企业运营管理与行业管理大数据 66
2.5.1 交通运输企业运营管理大数据 66
2.5.2 政府与行业管理部门交通大数据 67
2.6 本章小结 67
第3章 交通大数据处理技术 69
3.1 大数据及处理概述 69
3.1.1 大数据基本概念与特征 69
3.1.2 大数据生命周期模型组成 70
3.1.3 大数据平台与数据仓库 72
3.2 交通大数据系统常见架构 79
3.2.1 企业大数据平台系统架构设计因素 79
3.2.2 交通客货运营支撑大数据平台典型架构 82
3.2.3 互联网 交通企业典型大数据平台架构 87
3.2.4 交通指挥控制大数据平台架构 89
3.3 交通大数据的生成与采集 91
3.3.1 交通信息系统数据生成与采集 91
3.3.2 基础采集设备 92
3.3.3 专用采集系统 95
3.4 交通大数据集成 96
3.4.1 数据集成方法 97
3.4.2 实时、近实时集成技术 98
3.4.3 异常值检测方法 102
3.4.4 缺失值处理方法 106
3.5 交通大数据组织、存储与维护 114
3.5.1 大数据应用主题与数据组织方法 114
3.5.2 多粒度级数据组织策略 118
3.5.3 操作型数据存储 124
3.5.4 交通大数据存储技术 127
3.5.5 交通大数据载入、更新与维护技术 135
3.6 交通大数据典型应用系统模式 142
3.6.1 交通大数据服务系统 143
3.6.2 交通大数据驱动智慧业务系统 144
3.6.3 数据驱动交通企业生产运营管理决策支持系统 145
3.6.4 大数据驱动交通客户决策支持系统 146
3.6.5 基于交通大数据的智能算法训练及应用系统研发平台 148
3.7 本章小结 149
第4章 时空交通大数据预测 150
4.1 时空交通大数据概述 150
4.1.1 时空交通数据的类型 150
4.1.2 时空交通数据的典型特征 153
4.2 时空交通数据预测任务 155
4.2.1 交通流量预测 155
4.2.2 交通需求预测 155
4.2.3 交通状态预测 156
4.2.4 通行时间预测 156
4.2.5 交通事故风险预测 156
4.2.6 用户位置预测 156
4.2.7 出行路径预测 157
4.3 传统时间序列预测方法 157
4.3.1 传统统计预测方法 157
4.3.2 传统机器学习预测方法 159
4.4 深度学习预测方法 163
4.4.1 时空网格数据预测 164
4.4.2 时空图数据预测 174
4.4.3 时空轨迹数据预测 183
4.5 本章小结 191
第5章 视觉交通大数据 192
5.1 视觉交通大数据概述 192
5.1.1 线路监控视觉数据 192
5.1.2 车载视觉数据 193
5.1.3 站场监控数据 193
5.2 交通视觉数据分析任务 194
5.2.1 道路监控数据分析任务 194
5.2.2 车载视觉数据分析任务 195
5.2.3 站场监控数据分析任务 196
5.3 静态交通场景感知相关技术 196
5.3.1 通用目标检测方法 197
5.3.2 行人检测方法 201
5.3.3 交通场景语义分割方法 203
5.3.4 车道线检测方法 204
5.3.5 三维场景重建技术 206
5.4 动态交通场景感知相关技术 210
5.4.1 单目标跟踪方法 210
5.4.2 多目标跟踪方法 213
5.4.3 行人重识别方法 215
5.4.4 车辆重识别方法 217
5.5 本章小结 220
第6章 交通运营大数据应用与案例 221
6.1 交通运营大数据应用概述 222
6.1.1 交通运营大数据应用常见场景 222
6.1.2 交通运营应用相关的数据 222
6.2 交通产品需求预测案例航班需求预测 223
6.2.1 概述 223
6.2.2 航班需求预测问题定义 224
6.2.3 解决方案 225
6.2.4 实验分析 228
6.2.5 小结 231
6.3 交通产品价格预测案例机票价格预测 231
6.3.1 概述 231
6.3.2 案例背景 232
6.3.3 机票价格预测问题定义 232
6.3.4 解决方案 234
6.3.5 实验分析 237
6.3.6 小结 239
6.4 交通产品推荐案例民航旅客后续行程预测与推荐 240
6.4.1 概述 240
6.4.2 案例背景 241
6.4.3 民航旅客后续行程预测问题定义 241
6.4.4 解决方案 242
6.4.5 实验分析 245
6.4.6 小结 249
6.5 交通用户群体分析案例民航旅客社交网络挖掘 249
6.5.1 概述 249
6.5.2 民航旅客社交网络构建 250
6.5.3 家庭团体发现 253
6.5.4 小结 257
6.6 交通用户价值预测案例民航旅客价值预测 257
6.6.1 概述 257
6.6.2 案例背景 258
6.6.3 民航旅客价值预测问题定义 258
6.6.4 解决方案 260
6.6.5 实验分析 263
6.6.6 小结 265
6.7 交通用户行为预测案例民航旅客出行目的推断 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断问题定义 267
6.7.4 解决方案 268
6.7.5 实验分析 274
6.7.6 小结 277
6.8 交通产品库存预测案例基于库存变化预测的智能缓存优化 277
6.8.1 案例背景 278
6.8.2 在线订票系统的缓存策略 279
6.8.3 数据准备 280
6.8.4 库存变化时间间隔预测 281
6.8.5 动态缓存有效时间设置 282
6.8.6 技术应用效果 282
6.9 交通流量仿真案例基于历史通行数据的高速公路流量仿真 284
6.9.1 案例背景 284
6.9.2 解决方案框架 284
6.9.3 数据描述 285
6.9.4 相关算法 286
6.10 本章小结 288
参考文献 289
书单推荐
