交通數據科學：編程實踐指南

作者簡介




譯者簡介


序
前言
讀者推薦

第1章“資料科學”與“大資料”1
1.1交通資料科學示例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計程車服務5
1.2綜述5
1.3定義6
1.4與其他領域的關係7
1.5道德和法律9
1.6批評觀點9
1.7練習：itsleeds虛擬桌面設置10
1.8延伸閱讀12
1.9附錄：本地安

第2章基於交通資料科學的Python入門14
2.1程式設計技能測試14
2.2程式設計語言16
2.3程式設計環境16
2.4語言核心17
2.4.1列表18
2.4.2字典18
2.4.3控制結構19
2.4.4文件19
2.4.5函數20
2.5庫20
2.5.1模組20
2.5.2數學公式21
2.5.3繪圖21
2.5.4數據框22
2.5.5調試23
2.6延伸閱讀23

第3章資料庫設計25
3.1關係模型基礎25
3.2描繪世界26
3.2.1本體論27
3.2.2哲學本體論27
3.2.3數據本體論30
3.2.4SQL33
3.3練習33
3.3.1設置PostgreSQL33
3.3.2SQL創建語言33
3.3.3SQL查詢語言34
3.3.4SQL和Python的連接36
3.3.5導入車載藍牙數據37
3.4延伸閱讀37

第4章數據準備39
4.1資料獲取39
4.2基本文本處理40
4.3格式語法：喬姆斯基層次結構40
4.3.1正則語言（類型3）41
4.3.2上下文無關語言（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字串和數值43
4.4.2日期和時間44
4.4.3美國 海洋電子協會（NMEA）格式45
4.5通用格式46
4.6數據清洗47
4.7B+樹的實現47
4.8練習48
4.8.1用Pandas讀取資料庫48
4.8.2printf標記法48
4.8.3DateTimes49
4.8.4時間的偏差與校正49
4.8.5資料匹配50
4.8.6車載藍牙50
4.9延伸閱讀51

第5章空間資料52
5.1大地測量學52
5.2 導航衛星系統（GNSS）53
5.3地理資訊系統（GIS）55
5.3.1GIS的作用55
5.3.2空間本體論56
5.3.3空間資料結構57
5.4實施58
5.4.1空間檔58
5.4.2空間資料來源59
5.4.3空間資料庫59
5.4.4空間資料框59
5.5練習59
5.5.1GPS投影59
5.5.2PostGIS60
5.5.3GeoPandas61
5.5.4QGIS路線圖62
5.5.5繪製開放式街道地圖（OSM）道路62
5.5.6獲取OSM資料63
5.5.7藍牙車輛感測器網站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先驗和後驗72
6.3.4道路用戶跟蹤72
6.4貝葉斯網路73
6.4.1紅綠燈貝葉斯網路73
6.4.2交通事故貝葉斯網路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因果關係77
6.7模型的比較與組合80
6.8練習81
6.8.1用PyMC3推斷交通信號燈81
6.8.2用PyMC3推斷事故道路狀態變化81
6.8.3切換泊松動態82
6.9延伸閱讀82

第7章機器學習83
7.1產生性與區分性汽車排放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模組匹配85
7.2.4樸素貝葉斯分類86
7.2.5決策樹86
7.3神經網路和“深度學習”87
7.4局限與拓展90
7.5練習92
7.6延伸閱讀94

第8章空間分析95
8.1空間資料96
8.2貝葉斯空間模型97
8.2.1瑪律可夫隨機場（MRF）97
8.2.2高斯過程（克裡金法）99
8.3車輛路線100
8.4空間特徵101
8.5探索性分析101
8.6問題擴展103
8.7練習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查找路邊感測器網站107
8.8延伸閱讀107

第9章數據視覺化108
9.1視覺感知108
9.1.1顏色108
9.1.2視覺注意110
9.2地理視覺化（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120
9.3.1帶有Leaflet的網路地圖120
9.3.2藍牙起止點路線流122
9.3.3大型項目建議123
9.4延伸閱讀124

第10章大數據125
10.1中型資料加速126
10.2企業資料拓展127
10.3CAP定理129
10.4大資料擴展130
10.4.1數據“湖”130
10.4.2網格計算130
10.4.3Map-Reduce和雲計算132
10.4.4Hadoop生態系統133
10.4.5非關聯式資料庫（NoSQL）133
10.4.6分散式關聯式資料庫（NewSQL）135
10.5練習135
10.5.1PrologAI汽車保險查詢135
10.5.2車載藍牙數據的Mapper-Reduce136
10.5.3設置Hadoop和Spark137
10.5.4在Hadoop中查找車輛匹配項138
10.5.5用Spark預測交通流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代碼品質150
11.2.9代理衝突151
11.2.10伺服器管轄權151
11.2.11安全服務152
11.3英國法律框架152
11.3.11988年《資料保護法》152
11.3.2通用資料保護法規（GPDR）153
11.4資料科學家的角色154
11.5練習155
11.6延伸閱讀155