新書推薦：
《
万有引力书系 海洋女王 里斯本的历史
》
售價：NT$
406.0
《
周易大全
》
售價：NT$
666.0
《
元和十四年 ： 大唐中兴与沉沦的十字路口
》
售價：NT$
359.0
《
思考的技术：珍藏版
》
售價：NT$
411.0
《
琥珀之夏（《镜之孤城》作者、推理小说家辻村深月新长篇；能治愈童年创伤的，也许唯有长大成人的自己）
》
售價：NT$
270.0
《
流人系列02：亡狮
》
售價：NT$
411.0
《
希腊小史
》
售價：NT$
510.0
《
中国古代的谣言与谶语
》
售價：NT$
510.0
|
| 編輯推薦： |
|
本书深入地聚焦于车辆轨迹数据的应用。针对车辆轨迹数据在时间与空间上对个体连续追踪的特点，在时间维度上，我们强调轨迹数据的时间序列逻辑处理，不仅关注单一数据点，而且着眼于时间线上连续的数据记录；在空间维度上，深入探讨了适用于轨迹GPS定位的地理空间数据处理技术。
|
| 內容簡介： |
本书全面介绍车辆轨迹数据的处理、分析与可视化方法，并深入探讨了基于Python的车辆轨迹数 据处理技术，旨在帮助读者快速掌握车辆时空轨迹数据处理的基本方法和编程技巧，同时提供丰富的实际案例和技术解决方案，覆盖了从数据采集到深入分析的完整技术链条，是交通时空大数据领域车辆轨迹数据处理分析的全面指南。
本书内容涵盖从车辆轨迹数据的基本特征、采集原理到预处理、质量分析、可视化，再到高级应用如路网匹配、排放计算、多智能体仿真，以及特定案例分析如电动汽车充电需求识别和无人机航拍轨迹数据分析。
本书适合计算机相关专业的学生、数据分析师、研究人员以及技术开发人员阅读。
|
| 關於作者： |
余庆
工学博士，北京大学深圳研究生院城市规划与设计学院博士后，曾任南方科技大学助理研究员。博士毕业于上海同济大学，期间赴日本东京大学联合培养，获国家资助博士后研究人员计划资助、上海市优秀毕业生、博士研究生国家奖学金等荣誉。主要从事交通时空大数据、交通能源、城市计算、多智能体仿真等相关领域的应用研究，发表期刊与会议论文40余篇，其中SCI论文20余篇。交通时空大数据开源Python库TransBigData作者，清华大学出版社计算机畅销图书《交通时空大数据分析、挖掘与可视化（Python版）》作者，获清华大学出版社2022年科技类最受读者欢迎图书奖。
袁见
同济大学博士研究生、麦吉尔大学联合培养博士生。主要研究方向为时空数据建模与分析、交通网络建模、人工智能在交通中的应用。参与国家重点研发计划1项，发表期刊论文6篇、会议论文4篇，授权发明专利5项。
宋轩， 教授，博士生导师，吉林大学人工智能学院院长，国家重点研发计划项目负责人。主要研究方向为人工智能相关领域，包括大数据分析、数据挖掘和城市计算等。
|
| 目錄：
|
基础应用篇
第1章 车辆轨迹数据概述 2
1.1 车辆轨迹数据的基本特征 2
1.1.1 个体 3
1.1.2 时间 3
1.1.3 空间 3
1.1.4 其他信息 4
1.2 车辆轨迹数据的采集原理 4
1.2.1 基于车载GPS或手机GPS定位技术 5
1.2.2 基于无人机或高层建筑固定摄像头视频识别技术 6
1.2.3 基于车牌识别技术 6
1.2.4 基于电子不停车收费系统 7
1.2.5 不同采集原理的车辆轨迹数据特征比较 7
1.3 开源车辆轨迹数据集简介 8
1.4 本书的技术体系 9
1.4.1 Python数据分析生态 9
1.4.2 Pandas数据处理 10
1.4.3 GeoPandas与空间数据处理 11
1.4.4 TransBigData交通时空大数据处理、分析与可视化工具 12
第2章 车辆轨迹数据的预处理 13
2.1 车辆轨迹数据的读取与存储 13
2.1.1 数据的读取 13
2.1.2 数据的存储 14
2.1.3 多个数据文件的读取与合并 15
2.1.4 轨迹数据的分块存储 16
2.1.5 轨迹数据的分布式处理（Dask） 17
2.2 车辆轨迹数据的质量分析 19
2.2.1 数据质量分析的关注要点 19
2.2.2 字段的取值与缺失分析 20
2.2.3 数据的质量分析 23
2.3 车辆轨迹数据的数据清洗 29
2.3.1 数据的缺失值补全 30
2.3.2 数据的冗余剔除 30
2.3.3 数据的漂移清洗 32
2.4 车辆轨迹数据的平滑处理 38
2.4.1 卡尔曼滤波的基本原理 38
2.4.2 基于卡尔曼滤波的轨迹数据平滑处理 42
2.4.3 轨迹平滑适用场景的讨论 46
2.5 车辆轨迹数据的增密与稀疏化 47
2.5.1 轨迹的增密 47
2.5.2 轨迹的稀疏化 49
2.6 车辆轨迹数据的坐标转换 51
2.6.1 地理坐标系与投影坐标系的坐标转换 51
2.6.2 地理坐标系与火星坐标系的坐标转换 52
2.7 车辆轨迹数据的栅格化 53
2.7.1 为什么要栅格化 53
2.7.2 轨迹栅格化的方法 54
2.7.3 TransBigData实现轨迹栅格化 57
2.8 车辆轨迹数据的停车与出行识别 59
2.8.1 停车识别方法 59
2.8.2 出行识别方法 61
2.9 车辆轨迹数据的切片与分段 64
2.9.1 轨迹的切片 64
2.9.2 轨迹的分段 66
2.9.3 计算轨迹长度 68
2.10 车辆轨迹数据预处理方法小结 72
第3章 车辆轨迹数据的可视化 76
3.1 基于Matplotlib的地图可视化 76
3.1.1 车辆轨迹数据的散点图绘制 76
3.1.2 车辆轨迹数据的栅格图绘制 79
3.1.3 车辆轨迹数据的热力图绘制 81
3.2 基于WebGIS的在线可视化工具 92
3.2.1 KeplerGL数据分布可视化 93
3.2.2 Mobmap动态轨迹可视化 95
3.2.3 ODview出行起终点可视化 96
3.3 在Python中实现的WebGIS交互式可视化 98
3.3.1 Folium实现轨迹数据可视化 98
3.3.2 TransBigData的车辆数据可视化 100
高级应用篇
第4章 车辆轨迹数据的路网匹配 104
4.1 基于OSMnx的路网数据获取与处理 104
4.1.1 OSMnx简介 104
4.1.2 路网数据获取 105
4.1.3 路网数据的存储形式与路网的自定义 110
4.1.4 路网的预处理 115
4.1.5 路网的最短路径计算 118
4.1.6 路网处理小结 125
4.2 基于近邻匹配的路网匹配 127
4.2.1 KDTree近邻匹配 127
4.2.2 对轨迹数据进行路网的近邻匹配 129
4.3 基于最短路径的路网匹配 134
4.4 基于隐马尔可夫模型的路网匹配 138
4.4.1 隐马尔可夫模型 138
4.4.2 简化的路网匹配隐马尔可夫模型实现 140
4.4.3 基于leuvenmapmatching的路网匹配 146
4.5 路网匹配小结 152
第5章 车辆轨迹数据的排放计算 155
5.1 COPERT排放模型 155
5.1.1 COPERT模型简介 155
5.1.2 COPERT污染物计算方法分类 155
5.1.3 排放的构成 156
5.1.4 热排放 157
5.1.5 冷启动排放 158
5.1.6 CO2的排放计算 160
5.1.7 COPERT模型小结 161
5.2 车辆轨迹数据的排放计算 162
5.2.1 车辆出行信息的准备 162
5.2.2 基于车辆轨迹数据的排放计算 163
5.2.3 排放时空分布的整理 165
5.3 车辆排放的可视化 169
5.3.1 排放空间分布的可视化 169
5.3.2 排放时间分布的可视化 173
第6章 车辆轨迹数据的多智能体仿真 175
6.1 仿真模型的基本框架 175
6.1.1 仿真模型的整体设计 175
6.1.2 仿真时间与仿真步的管理 177
6.1.3 仿真信息的存储 179
6.1.4 仿真模型框架小结 181
6.2 智能体的属性与功能设计 183
6.2.1 环境智能体 183
6.2.2 车辆智能体 187
6.3 多智能体仿真的运行 193
6.3.1 代码小结与小规模测试 193
6.3.2 轨迹的精细仿真 199
6.3.3 仿真模型的优化建议 200
实战案例篇
第7章 电动汽车GPS数据：充电需求识别 202
7.1 充电需求识别思路 202
7.2 数据预处理与出行停留信息识别 203
7.3 电动汽车的剩余电量估计 204
7.3.1 充电电量计算 205
7.3.2 出行能耗计算 208
7.3.3 剩余电量预测 208
7.4 电动汽车的充电需求分析 213
7.4.1 电动汽车个体剩余电量时变分析 213
7.4.2 充电站的负荷估计与分析 214
第8章 无人机航拍轨迹数据：车流交通波分析（NGSIM数据） 219
8.1 NGSIM数据的特征 219
8.2 NGSIM数据的预处理 220
8.2.1 数据筛选 220
8.2.2 基于QGIS的地图处理与车辆轨迹定位 222
8.3 NGSIM数据的交通波识别 223
8.3.1 交通波简介 223
8.3.2 交通波特征参数介绍 224
8.3.3 时空二维平面轨迹可视化 224
8.3.4 交通波特征参数提取及可视化 229
8.3.5 交通波特征分析案例 233
第9章 无人机航拍轨迹数据：路网运行状态提取与分析（pNEUMA数据） 239
9.1 航拍轨迹数据特征 239
9.2 数据准备 240
9.2.1 数据压缩 241
9.2.2 地图数据加载 242
9.3 网络交通状态提取与分析 244
9.3.1 路段流量获取 244
9.3.2 路段行程时间获取 246
9.3.3 路段到路段行程时间 250
9.4 实战应用：OD矩阵及路径流量提取 251
9.4.1 OD矩阵提取 252
9.4.2 路径流量提取 255
|
| 內容試閱：
|
在大数据时代的背景下，交通领域正面临着空前的挑战和机遇。随着数据量的急剧增长，行业内对于如何有效处理和分析这些庞大数据的专业需求日益迫切。我所撰写的第一本书《交通时空大数据分析、挖掘与可视化（Python版）》在一定程度上填补了该领域的教学空白，并收到了读者的积极反馈与建设性建议。
自《交通时空大数据分析、挖掘与可视化（Python版）》问世以来，笔者通过持续的工程实践和大量的代码开发，尤其是在开发并维护Python库TransBigData的不断迭代和推广过程中，积累了一定的经验和技术。在此基础上，新书《交通时空大数据详解：车辆轨迹数据分析、挖掘与可视化（Python版）》的编写旨在对这些经验进行阶段性的系统化整理，为交通领域的从业者提供有效的工具和方法，协助他们解决实际工作中的问题。希望能够通过这本书作为媒介，将这些知识整合并系统地呈现给读者，为解决复杂的交通问题提供更新的视角和方法。
本书延续了前作的技术体系，在此基础上更加深入地聚焦于车辆轨迹数据的应用。针对车辆轨迹数据在时间与空间上对个体连续追踪的特点，在时间维度上，我们强调轨迹数据的时间序列逻辑处理，不仅关注单一数据点，而且着眼于时间线上连续的数据记录；在空间维度上，深入探讨了适用于轨迹GPS定位的地理空间数据处理技术。本书将这些技术高效、有机地融合在整个数据处理流程中。
本书的内容分为三篇，提供全面、深入的学习和应用路径。
基础应用篇（第1～3章）：专注于建立基础知识框架，涵盖车辆轨迹数据的基本特征、采集原理、预处理、质量分析及数据可视化等关键领域，为读者提供必要的理论基础和技术入门知识。
高级应用篇（第4～6章）：讲解更深层次的技术应用，探讨诸如路网匹配、排放计算、多智能体仿真等领域。本部分旨在展示如何将基础知识应用于更复杂和专业的场景中。
实战案例篇（第7～9章）：通过具体的案例分析，如电动汽车充电需求识别和无人机航拍轨迹数据分析，展示如何将理论知识和技术应用结合起来解决实际问题。这些案例不仅展示了数据分析在实际应用中的价值，还提供了实际操作的详细指导。
本书适合计算机相关专业的学生、数据分析师、研究人员以及技术开发人员参考。
在此，我特别感谢我的导师、家人和课题组同学们对我工作的支持和鼓励，以及对本书的高度期待。特别感谢清华大学出版社策划编辑杨迪娜老师在出版过程中提供的宝贵建议和审阅工作。正是因为有了你们的支持、陪伴和期望，这本书才得以顺利完成。你们的每一份支持都是我前行的动力，感谢你们在这个过程中的陪伴和助力。
由于作者的知识和能力有限，书中难免存在一些疏漏和错误，欢迎读者批评指正。
余庆
2024年7月于北京大学深圳研究生院
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
