近年來(lái)，隨著大數(shù)據(jù)的引入和人工智能的發(fā)展，交通領(lǐng)域在大數(shù)據(jù)和人工智能的影響下不斷發(fā)展，追求更快、更準(zhǔn)確、更智能化的研究越來(lái)越迫切。駕駛行為及意圖的識(shí)別、交通流的預(yù)測(cè)、交通規(guī)劃等交通領(lǐng)域的更新內(nèi)容都需要大數(shù)據(jù)和人工智能的支撐。本書介紹了大數(shù)據(jù)的框架和基本內(nèi)容、特點(diǎn)及原理等，從數(shù)據(jù)的獲取到深度學(xué)習(xí)，講解的內(nèi)容由淺入深，并通過(guò)Python編程實(shí)現(xiàn)數(shù)據(jù)獲取和算法原理說(shuō)明，使讀者容易理解和掌握。
本書的具體研究?jī)?nèi)容如下。
① 大數(shù)據(jù)概述：大數(shù)據(jù)的基本理論知識(shí)，大數(shù)據(jù)的特征、分類、框架結(jié)構(gòu)等。
② Python基礎(chǔ)知識(shí)：各種模塊的講解，并配以案例實(shí)現(xiàn)。
③ 機(jī)器學(xué)習(xí)模式識(shí)別：機(jī)器學(xué)習(xí)的類型，機(jī)器學(xué)習(xí)的基礎(chǔ)數(shù)學(xué)知識(shí)，樹和隨機(jī)森林算法，KNN 算法，貝葉斯理論，支持向量機(jī)等模型和原理，以及具體的Python代碼實(shí)現(xiàn)。
④ 深度學(xué)習(xí)基礎(chǔ)及應(yīng)用：深度學(xué)習(xí)的微積分基礎(chǔ)、線性代數(shù)基礎(chǔ)、案例詳解、深度學(xué)習(xí)框架以及硬件基礎(chǔ)、深度學(xué)習(xí)的駕駛意圖應(yīng)用等。
⑤ 深度學(xué)習(xí)的交通流預(yù)測(cè)研究：交通流理論基礎(chǔ)、交通流統(tǒng)計(jì)分布特性的基本理論知識(shí)、交通流數(shù)據(jù)預(yù)處理等。
本書的出版得到了山東省自然科學(xué)基金面上項(xiàng)目(ZR2019MEE072)、教育部高等教育司“人因與工效學(xué)”產(chǎn)學(xué)合作協(xié)同育人項(xiàng)目(202101042014)、教育部人文社會(huì)科學(xué)研究規(guī)劃基金(18YJAZH067)、山東省自然科學(xué)基金面上項(xiàng)目(ZR2020MG021)、山東省泰山學(xué)者專項(xiàng)(ts201712054)、國(guó)家自然科學(xué)基金面上項(xiàng)目(5217052865)、工業(yè)流體節(jié)能與污染控制教育部重點(diǎn)實(shí)驗(yàn)室項(xiàng)目(背景噪聲下小波包處理技術(shù)的深度學(xué)習(xí)聲紋識(shí)別研究)等資助。在此一并表示感謝。
最后，還要衷心感謝本書引用的參考資料的所有作者。由于筆者水平有限，書中難免有疏漏和不足之處，懇請(qǐng)讀者批評(píng)指正。

著者