交通大數(shù)據(jù)應(yīng)用技術(shù)與安全

第1章 緒論
1.1 研究背景與意義
1.2 交通大數(shù)據(jù)挖掘國內(nèi)外研究現(xiàn)狀
1.2.1 常態(tài)分析研究
1.2.2 非常態(tài)分析研究
1.2.3 預(yù)測分析研究
1.3 并行化處理國內(nèi)外研究現(xiàn)狀
1.3.1 并行化處理的3種策略
1.3.2 大數(shù)據(jù)處理的并行化
1.3.3 機器學習的并行化
1.4 發(fā)展趨勢
1.4.1 平臺化
1.4.2 高性能
1.4.3 未雨綢繆
1.5 本書主要內(nèi)容
第2章 交通大數(shù)據(jù)特征與分類
2.1 引言
2.2 大數(shù)據(jù)特征
2.2.1 大數(shù)據(jù)定義
2.2.2 大數(shù)據(jù)的5V特征
2.2.3 大數(shù)據(jù)體系架構(gòu)
2.3 交通大數(shù)據(jù)
2.3.1 交通數(shù)據(jù)采集方式
2.3.2 交通大數(shù)據(jù)特征
2.4 交通大數(shù)據(jù)分類
2.4.1 按應(yīng)用場景分類
2.4.2 按數(shù)據(jù)類型分類
2.5 本章小結(jié)
第3章 基于結(jié)構(gòu)化數(shù)據(jù)的流量預(yù)測方法
3.1 引言
3.1.1 車流量預(yù)測研究現(xiàn)狀
3.1.2 公交客流量預(yù)測研究現(xiàn)狀
3.2 基于SVM算法的公交客流量預(yù)測
3.2.1 基于SVM算法的公交客流量預(yù)測方法
3.2.2 數(shù)據(jù)采集及預(yù)處理
3.2.3 相關(guān)算法
3.2.4 模型設(shè)計
3.2.5 實驗分析
3.3 基于KNN算法的高速公路流量預(yù)測
3.3.1 基于KNN算法的高速公路流量預(yù)測方法
3.3.2 數(shù)據(jù)采集及預(yù)處理
3.3.3 相關(guān)算法
3.3.4 模型設(shè)計
3.3.5 實驗分析
3.4 基于XGBoost算法的高速公路流量預(yù)測
3.4.1 基于XGBoost算法的高速公路流量預(yù)測方法
3.4.2 數(shù)據(jù)采集及預(yù)處理
3.4.3 相關(guān)算法
3.4.4 模型設(shè)計
3.4.5 實驗分析
3.5 基于RVM算法的車流量預(yù)測
3.5.1 基于RVM算法的車流量預(yù)測方法
3.5.2 數(shù)據(jù)采集及預(yù)處理
3.5.3 相關(guān)算法
3.5.4 模型設(shè)計
3.5.5 實驗分析
3.6 本章小結(jié)
第4章 基于結(jié)構(gòu)化數(shù)據(jù)的擁堵預(yù)測方法
4.1 引言
4.2 基于GBDT算法的擁堵預(yù)測
4.2.1 基于GBDT算法的擁堵預(yù)測方法
4.2.2 數(shù)據(jù)采集及預(yù)處理
4.2.3 相關(guān)算法
4.2.4 模型設(shè)計
4.2.5 實驗分析
4.3 基于RF算法的擁堵預(yù)測
4.3.1 基于RF算法的擁堵預(yù)測方法
4.3.2 數(shù)據(jù)采集及預(yù)處理
4.3.3 相關(guān)算法
4.3.4 模型設(shè)計
4.3.5 實驗分析
4.4 基于模糊綜合評價法的擁堵預(yù)測
4.4.1 基于模糊綜合評價法的擁堵預(yù)測方法
4.4.2 數(shù)據(jù)分析
4.4.3 相關(guān)算法
4.4.4 基于多指標評價的擁堵預(yù)測
4.4.5 實驗分析
4.5 本章小結(jié)
第5章 基于結(jié)構(gòu)化數(shù)據(jù)的熱點分析方法
5.1 引言
5.2 文本數(shù)據(jù)處理流程
5.3 基于k-means算法的出租車乘客出行數(shù)據(jù)分析
5.3.1 基于k-means算法的出租車乘客出行數(shù)據(jù)分析方法
5.3.2 數(shù)據(jù)采集及預(yù)處理
5.3.3 相關(guān)算法
5.3.4 模型設(shè)計
5.3.5 實驗分析
5.4 基于SWCk-means算法的文本數(shù)據(jù)熱點分析
5.4.1 基于SWCk-means算法的文本數(shù)據(jù)熱點分析方法
5.4.2 數(shù)據(jù)采集及預(yù)處理
5.4.3 相關(guān)算法
5.4.4 模型設(shè)計
5.4.5 實驗分析
5.5 本章小結(jié)
第6章 基于車載監(jiān)控圖像的應(yīng)用
6.1 引言
6.2 駕駛員吸煙檢測
6.2.1 基于改進SSD算法的駕駛員吸煙檢測方法
6.2.2 模型設(shè)計
6.2.3 實驗分析
6.3 駕駛員打電話檢測
6.3.1 基于改進YOLOv5n算法的駕駛員打電話檢測方法
6.3.2 模型設(shè)計
6.3.3 實驗分析
6.4 疲勞駕駛檢測
6.4.1 基于面部多特征的駕駛員疲勞駕駛檢測方法
6.4.2 模型設(shè)計
6.4.3 實驗分析
6.5 公交客流統(tǒng)計
6.5.1 基于多目標識別與跟蹤的公交客流量統(tǒng)計方法
6.5.2 模型設(shè)計
6.5.3 實驗分析
6.6 本章小結(jié)
第7章 基于道路監(jiān)控圖像的應(yīng)用
7.1 引言
7.2 安全帶檢測
7.2.1 基于改進YOLOv3算法和FasterRCNN算法的安全帶檢測方法
7.2.2 模型設(shè)計
7.2.3 實驗分析
7.3 車牌識別
7.3.1 基于YOLOv5s算法的車牌識別方法
7.3.2 模型設(shè)計
7.3.3 實驗分析
7.4 車型識別
7.4.1 基于YOLOv5s算法的車型識別方法
7.4.2 模型設(shè)計
7.4.3 實驗分析
7.5 車輛顏色識別
7.5.1 基于YOLOv5s算法的車輛顏色識別方法
7.5.2 模型設(shè)計
7.5.3 實驗分析
7.6 車輛行為識別
7.6.1 基于TSAN網(wǎng)絡(luò)的車輛行為識別方法
7.6.2 模型設(shè)計
7.6.3 實驗分析
7.7 車速檢測
7.7.1 基于虛擬線圈法的車速檢測方法
7.7.2 模型設(shè)計
7.7.3 實驗分析
7.8 高速公路車流量統(tǒng)計
7.8.1 基于YOLOv5 DeepSORT算法的高速公路車流量統(tǒng)計方法
7.8.2 模型設(shè)計
7.8.3 實驗分析
7.9 本章小結(jié)
第8章 交通大數(shù)據(jù)可視化
8.1 引言
8.2 基于Excel電子表格的可視化方法