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(diǎn)-終點(diǎn)分析1
1.1.2航空公司定價(jià)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(diǎn)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(jì)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(shí)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(shí)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(shí)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(shí)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(diǎn)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(jì)”68
6.2高速公路行程時(shí)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(yàn)和后驗(yàn)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(bào)告75
6.4.4汽車保險(xiǎn)76
6.5先驗(yàn)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最鄰近分析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(diǎn)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(diǎn)路線流122
9.3.3大型項(xiàng)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(jì)算130
10.4.3Map-Reduce和云計(jì)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(xiǎn)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(xiàng)138
10.5.5用Spark預(yù)測交通流139
10.5.6大型項(xiàng)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(gè)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