久久精品福利网,亚洲综合中文字幕在线观看

本書全面介紹車輛軌跡數(shù)據(jù)的處理、分析與可視化方法，并深入探討了基于Python的車輛軌跡數(shù) 據(jù)處理技術(shù)，旨在幫助讀者快速掌握車輛時(shí)空軌跡數(shù)據(jù)處理的基本方法和編程技巧，同時(shí)提供豐富的實(shí)際案例和技術(shù)解決方案，覆蓋了從數(shù)據(jù)采集到深入分析的完整技術(shù)鏈條，是交通時(shí)空大數(shù)據(jù)領(lǐng)域車輛軌跡數(shù)據(jù)處理分析的全面指南。
本書內(nèi)容涵蓋從車輛軌跡數(shù)據(jù)的基本特征、采集原理到預(yù)處理、質(zhì)量分析、可視化，再到高級(jí)應(yīng)用如路網(wǎng)匹配、排放計(jì)算、多智能體仿真，以及特定案例分析如電動(dòng)汽車充電需求識(shí)別和無人機(jī)航拍軌跡數(shù)據(jù)分析。
本書適合計(jì)算機(jī)相關(guān)專業(yè)的學(xué)生、數(shù)據(jù)分析師、研究人員以及技術(shù)開發(fā)人員閱讀。

在大數(shù)據(jù)時(shí)代的背景下，交通領(lǐng)域正面臨著空前的挑戰(zhàn)和機(jī)遇。隨著數(shù)據(jù)量的急劇增長(zhǎng)，行業(yè)內(nèi)對(duì)于如何有效處理和分析這些龐大數(shù)據(jù)的專業(yè)需求日益迫切。我所撰寫的第一本書《交通時(shí)空大數(shù)據(jù)分析、挖掘與可視化（Python版）》在一定程度上填補(bǔ)了該領(lǐng)域的教學(xué)空白，并收到了讀者的積極反饋與建設(shè)性建議。
自《交通時(shí)空大數(shù)據(jù)分析、挖掘與可視化（Python版）》問世以來，筆者通過持續(xù)的工程實(shí)踐和大量的代碼開發(fā)，尤其是在開發(fā)并維護(hù)Python庫(kù)TransBigData的不斷迭代和推廣過程中，積累了一定的經(jīng)驗(yàn)和技術(shù)。在此基礎(chǔ)上，新書《交通時(shí)空大數(shù)據(jù)詳解：車輛軌跡數(shù)據(jù)分析、挖掘與可視化（Python版）》的編寫旨在對(duì)這些經(jīng)驗(yàn)進(jìn)行階段性的系統(tǒng)化整理，為交通領(lǐng)域的從業(yè)者提供有效的工具和方法，協(xié)助他們解決實(shí)際工作中的問題。希望能夠通過這本書作為媒介，將這些知識(shí)整合并系統(tǒng)地呈現(xiàn)給讀者，為解決復(fù)雜的交通問題提供更新的視角和方法。
本書延續(xù)了前作的技術(shù)體系，在此基礎(chǔ)上更加深入地聚焦于車輛軌跡數(shù)據(jù)的應(yīng)用。針對(duì)車輛軌跡數(shù)據(jù)在時(shí)間與空間上對(duì)個(gè)體連續(xù)追蹤的特點(diǎn)，在時(shí)間維度上，我們強(qiáng)調(diào)軌跡數(shù)據(jù)的時(shí)間序列邏輯處理，不僅關(guān)注單一數(shù)據(jù)點(diǎn)，而且著眼于時(shí)間線上連續(xù)的數(shù)據(jù)記錄；在空間維度上，深入探討了適用于軌跡GPS定位的地理空間數(shù)據(jù)處理技術(shù)。本書將這些技術(shù)高效、有機(jī)地融合在整個(gè)數(shù)據(jù)處理流程中。
本書的內(nèi)容分為三篇，提供全面、深入的學(xué)習(xí)和應(yīng)用路徑。
基礎(chǔ)應(yīng)用篇（第1～3章）：專注于建立基礎(chǔ)知識(shí)框架，涵蓋車輛軌跡數(shù)據(jù)的基本特征、采集原理、預(yù)處理、質(zhì)量分析及數(shù)據(jù)可視化等關(guān)鍵領(lǐng)域，為讀者提供必要的理論基礎(chǔ)和技術(shù)入門知識(shí)。
高級(jí)應(yīng)用篇（第4～6章）：講解更深層次的技術(shù)應(yīng)用，探討諸如路網(wǎng)匹配、排放計(jì)算、多智能體仿真等領(lǐng)域。本部分旨在展示如何將基礎(chǔ)知識(shí)應(yīng)用于更復(fù)雜和專業(yè)的場(chǎng)景中。
實(shí)戰(zhàn)案例篇（第7～9章）：通過具體的案例分析，如電動(dòng)汽車充電需求識(shí)別和無人機(jī)航拍軌跡數(shù)據(jù)分析，展示如何將理論知識(shí)和技術(shù)應(yīng)用結(jié)合起來解決實(shí)際問題。這些案例不僅展示了數(shù)據(jù)分析在實(shí)際應(yīng)用中的價(jià)值，還提供了實(shí)際操作的詳細(xì)指導(dǎo)。
本書適合計(jì)算機(jī)相關(guān)專業(yè)的學(xué)生、數(shù)據(jù)分析師、研究人員以及技術(shù)開發(fā)人員參考。
在此，我特別感謝我的導(dǎo)師、家人和課題組同學(xué)們對(duì)我工作的支持和鼓勵(lì)，以及對(duì)本書的高度期待。特別感謝清華大學(xué)出版社策劃編輯楊迪娜老師在出版過程中提供的寶貴建議和審閱工作。正是因?yàn)橛辛四銈兊闹С帧⑴惆楹推谕�，這本書才得以順利完成。你們的每一份支持都是我前行的動(dòng)力，感謝你們?cè)谶@個(gè)過程中的陪伴和助力。
由于作者的知識(shí)和能力有限，書中難免存在一些疏漏和錯(cuò)誤，歡迎讀者批評(píng)指正。

余慶
2024年7月于北京大學(xué)深圳研究生院

基礎(chǔ)應(yīng)用篇
第1章車輛軌跡數(shù)據(jù)概述 2
1.1　車輛軌跡數(shù)據(jù)的基本特征 2
1.1.1　個(gè)體 3
1.1.2　時(shí)間 3
1.1.3　空間 3
1.1.4　其他信息 4
1.2　車輛軌跡數(shù)據(jù)的采集原理 4
1.2.1　基于車載GPS或手機(jī)GPS定位技術(shù) 5
1.2.2　基于無人機(jī)或高層建筑固定攝像頭視頻識(shí)別技術(shù) 6
1.2.3　基于車牌識(shí)別技術(shù) 6
1.2.4　基于電子不停車收費(fèi)系統(tǒng) 7
1.2.5　不同采集原理的車輛軌跡數(shù)據(jù)特征比較 7
1.3　開源車輛軌跡數(shù)據(jù)集簡(jiǎn)介 8
1.4　本書的技術(shù)體系 9
1.4.1　Python數(shù)據(jù)分析生態(tài) 9
1.4.2　Pandas數(shù)據(jù)處理 10
1.4.3　GeoPandas與空間數(shù)據(jù)處理 11
1.4.4　TransBigData交通時(shí)空大數(shù)據(jù)處理、分析與可視化工具 12
第2章車輛軌跡數(shù)據(jù)的預(yù)處理 13
2.1　車輛軌跡數(shù)據(jù)的讀取與存儲(chǔ) 13
2.1.1　數(shù)據(jù)的讀取 13
2.1.2　數(shù)據(jù)的存儲(chǔ) 14
2.1.3　多個(gè)數(shù)據(jù)文件的讀取與合并 15
2.1.4　軌跡數(shù)據(jù)的分塊存儲(chǔ) 16
2.1.5　軌跡數(shù)據(jù)的分布式處理（Dask） 17
2.2　車輛軌跡數(shù)據(jù)的質(zhì)量分析 19
2.2.1　數(shù)據(jù)質(zhì)量分析的關(guān)注要點(diǎn) 19
2.2.2　字段的取值與缺失分析 20
2.2.3　數(shù)據(jù)的質(zhì)量分析 23
2.3　車輛軌跡數(shù)據(jù)的數(shù)據(jù)清洗 29
2.3.1　數(shù)據(jù)的缺失值補(bǔ)全 30
2.3.2　數(shù)據(jù)的冗余剔除 30
2.3.3　數(shù)據(jù)的漂移清洗 32
2.4　車輛軌跡數(shù)據(jù)的平滑處理 38
2.4.1　卡爾曼濾波的基本原理 38
2.4.2　基于卡爾曼濾波的軌跡數(shù)據(jù)平滑處理 42
2.4.3　軌跡平滑適用場(chǎng)景的討論 46
2.5　車輛軌跡數(shù)據(jù)的增密與稀疏化 47
2.5.1　軌跡的增密 47
2.5.2　軌跡的稀疏化 49
2.6　車輛軌跡數(shù)據(jù)的坐標(biāo)轉(zhuǎn)換 51
2.6.1　地理坐標(biāo)系與投影坐標(biāo)系的坐標(biāo)轉(zhuǎn)換 51
2.6.2　地理坐標(biāo)系與火星坐標(biāo)系的坐標(biāo)轉(zhuǎn)換 52
2.7　車輛軌跡數(shù)據(jù)的柵格化 53
2.7.1　為什么要柵格化 53
2.7.2　軌跡柵格化的方法 54
2.7.3　TransBigData實(shí)現(xiàn)軌跡柵格化 57
2.8　車輛軌跡數(shù)據(jù)的停車與出行識(shí)別 59
2.8.1　停車識(shí)別方法 59
2.8.2　出行識(shí)別方法 61
2.9　車輛軌跡數(shù)據(jù)的切片與分段 64
2.9.1　軌跡的切片 64
2.9.2　軌跡的分段 66
2.9.3　計(jì)算軌跡長(zhǎng)度 68
2.10　車輛軌跡數(shù)據(jù)預(yù)處理方法小結(jié) 72
第3章車輛軌跡數(shù)據(jù)的可視化 76
3.1　基于Matplotlib的地圖可視化 76
3.1.1　車輛軌跡數(shù)據(jù)的散點(diǎn)圖繪制 76
3.1.2　車輛軌跡數(shù)據(jù)的柵格圖繪制 79
3.1.3　車輛軌跡數(shù)據(jù)的熱力圖繪制 81
3.2　基于WebGIS的在線可視化工具 92
3.2.1　KeplerGL數(shù)據(jù)分布可視化 93
3.2.2　Mobmap動(dòng)態(tài)軌跡可視化 95
3.2.3　ODview出行起終點(diǎn)可視化 96
3.3　在Python中實(shí)現(xiàn)的WebGIS交互式可視化 98
3.3.1　Folium實(shí)現(xiàn)軌跡數(shù)據(jù)可視化 98
3.3.2　TransBigData的車輛數(shù)據(jù)可視化 100

高級(jí)應(yīng)用篇
第4章車輛軌跡數(shù)據(jù)的路網(wǎng)匹配 104
4.1　基于OSMnx的路網(wǎng)數(shù)據(jù)獲取與處理 104
4.1.1　OSMnx簡(jiǎn)介 104
4.1.2　路網(wǎng)數(shù)據(jù)獲取 105
4.1.3　路網(wǎng)數(shù)據(jù)的存儲(chǔ)形式與路網(wǎng)的自定義 110
4.1.4　路網(wǎng)的預(yù)處理 115
4.1.5　路網(wǎng)的最短路徑計(jì)算 118
4.1.6　路網(wǎng)處理小結(jié) 125
4.2　基于近鄰匹配的路網(wǎng)匹配 127
4.2.1　KDTree近鄰匹配 127
4.2.2　對(duì)軌跡數(shù)據(jù)進(jìn)行路網(wǎng)的近鄰匹配 129
4.3　基于最短路徑的路網(wǎng)匹配 134
4.4　基于隱馬爾可夫模型的路網(wǎng)匹配 138
4.4.1　隱馬爾可夫模型 138
4.4.2　簡(jiǎn)化的路網(wǎng)匹配隱馬爾可夫模型實(shí)現(xiàn) 140
4.4.3　基于leuvenmapmatching的路網(wǎng)匹配 146
4.5　路網(wǎng)匹配小結(jié) 152
第5章車輛軌跡數(shù)據(jù)的排放計(jì)算 155
5.1　COPERT排放模型 155
5.1.1　COPERT模型簡(jiǎn)介 155
5.1.2　COPERT污染物計(jì)算方法分類 155
5.1.3　排放的構(gòu)成 156
5.1.4　熱排放 157
5.1.5　冷啟動(dòng)排放 158
5.1.6　CO2的排放計(jì)算 160
5.1.7　COPERT模型小結(jié) 161
5.2　車輛軌跡數(shù)據(jù)的排放計(jì)算 162
5.2.1　車輛出行信息的準(zhǔn)備 162
5.2.2　基于車輛軌跡數(shù)據(jù)的排放計(jì)算 163
5.2.3　排放時(shí)空分布的整理 165
5.3　車輛排放的可視化 169
5.3.1　排放空間分布的可視化 169
5.3.2　排放時(shí)間分布的可視化 173
第6章車輛軌跡數(shù)據(jù)的多智能體仿真 175
6.1　仿真模型的基本框架 175
6.1.1　仿真模型的整體設(shè)計(jì) 175
6.1.2　仿真時(shí)間與仿真步的管理 177
6.1.3　仿真信息的存儲(chǔ) 179
6.1.4　仿真模型框架小結(jié) 181
6.2　智能體的屬性與功能設(shè)計(jì) 183
6.2.1　環(huán)境智能體 183
6.2.2　車輛智能體 187
6.3　多智能體仿真的運(yùn)行 193
6.3.1　代碼小結(jié)與小規(guī)模測(cè)試 193
6.3.2　軌跡的精細(xì)仿真 199
6.3.3　仿真模型的優(yōu)化建議 200

實(shí)戰(zhàn)案例篇
第7章電動(dòng)汽車GPS數(shù)據(jù)：充電需求識(shí)別 202
7.1　充電需求識(shí)別思路 202
7.2　數(shù)據(jù)預(yù)處理與出行停留信息識(shí)別 203
7.3　電動(dòng)汽車的剩余電量估計(jì) 204
7.3.1　充電電量計(jì)算 205
7.3.2　出行能耗計(jì)算 208
7.3.3　剩余電量預(yù)測(cè) 208
7.4　電動(dòng)汽車的充電需求分析 213
7.4.1　電動(dòng)汽車個(gè)體剩余電量時(shí)變分析 213
7.4.2　充電站的負(fù)荷估計(jì)與分析 214
第8章無人機(jī)航拍軌跡數(shù)據(jù)：車流交通波分析（NGSIM數(shù)據(jù)） 219
8.1　NGSIM數(shù)據(jù)的特征 219
8.2　NGSIM數(shù)據(jù)的預(yù)處理 220
8.2.1　數(shù)據(jù)篩選 220
8.2.2　基于QGIS的地圖處理與車輛軌跡定位 222
8.3　NGSIM數(shù)據(jù)的交通波識(shí)別 223
8.3.1　交通波簡(jiǎn)介 223
8.3.2　交通波特征參數(shù)介紹 224
8.3.3　時(shí)空二維平面軌跡可視化 224
8.3.4　交通波特征參數(shù)提取及可視化 229
8.3.5　交通波特征分析案例 233
第9章無人機(jī)航拍軌跡數(shù)據(jù)：路網(wǎng)運(yùn)行狀態(tài)提取與分析（pNEUMA數(shù)據(jù)） 239
9.1　航拍軌跡數(shù)據(jù)特征 239
9.2　數(shù)據(jù)準(zhǔn)備 240
9.2.1　數(shù)據(jù)壓縮 241
9.2.2　地圖數(shù)據(jù)加載 242
9.3　網(wǎng)絡(luò)交通狀態(tài)提取與分析 244
9.3.1　路段流量獲取 244
9.3.2　路段行程時(shí)間獲取 246
9.3.3　路段到路段行程時(shí)間 250
9.4　實(shí)戰(zhàn)應(yīng)用：OD矩陣及路徑流量提取 251
9.4.1　OD矩陣提取 252
9.4.2　路徑流量提取 255

你還可能感興趣

我要評(píng)論