近年来，随着数据驱动城市治理的理念逐步推广，我国36个主要城市中有10个开展了城市级大数据平台建设工作，研发了交通运行监测系统、评价分析系统、决策支撑系统等各类型的交通大数据应用。但如何对各类数据进行有效整合，形成强大的交通计算平台，对交通实时运行状态进行掌控，对长期状态进行研判，是当前大城市交通治理的关键。本书提出了城市交通大数据智能计算平台的完整技术体系，围绕城市交通大数据的全生命周期管理与交通算法模型平台构建，结合分布式大数据计算、容器化技术、弹性资源调度技术，介绍了城市交通大数据智能计算平台的搭建与应用示范。 本书第1章介绍了城市交通大数据计算平台的背景与趋势，2020年中央政治局常务委员会首次提及数据中心建设，大数据平台建设已上升到国家战略层面。第2章介绍了城市交通大数据计算平台的目标选择与通用架构设计。包括对城市交通治理内涵的解读，交通大数据平台的发展路径，对目前存在的问题与痛点进行了分析，并基于此提出了城市交通大数据计算平台的通用架构设计。第3章介绍了构建城市交通大数据计算平台的关键技术，包括分布式大数据平台，容器化技术，资源与任务调度技术，数据抽取、转换与装载技术，安全控制技术与多租户管理技术。第4章介绍了业务驱动的交通数据中台是如何构建的，主要内容包括数据中台的架构设计、多源数据汇集、数据标准体系、数据治理、数据服务与数据安全体系。第5章介绍了如何构建标准化的、弹性资源调度的交通算法中台，主要内容包括算法中台的架构设计、算法的标准规范、算法资源管理与算法服务。第6章介绍了深圳交通中心基于交通大数据计算平台的理念与架构设计打造的TransPaaS平台，主要内容包括功能与界面介绍，以及实际的应用案例。第7章介绍了TransPaaS平台在深圳、湛江、苏州等城市的应用示范。 本书可作为高等院校交通大数据教学实验与科研的参考书，也适合从事智慧交通或交通规划领域的工作者以及政府相关管理人员阅读。

总序
前言
1 大数据时代下的城市交通治理
1.1 城市交通治理的新挑战
1.1.1 日益复杂的城市综合交通体系
1.1.2 数据驱动城市交通治理模式变革
1.2 数据驱动城市交通治理的瓶颈痛点
1.2.1 缺乏顶层设计，平台建设盲目
1.2.2 要素关系多阶，知识表达不明
1.2.3 平台架构单一，难撑复合需求
1.2.4 数据种类多样，缺乏数据体系
1.2.5 数据多源异构，汇聚监管困难
1.2.6 数据量大增长快，挖掘效率低下
1.2.7 质量标准不一，数据应用困难
1.2.8 涉及个体隐私，缺乏安全分级
1.2.9 应用场景多样，服务对象广泛
1.2.10 算法模型多样，难以统一标准
1.3 大数据技术应用的发展趋势
1.3.1 应用层次尚属初级，深层次应用将成为发展重点
1.3.2 治理体系未形成，隐私安全效率成短板
1.3.3 理论技术不成熟，技术体系渐进发展
1.3.4 交通大脑渐兴起，深度、精度、广度待提升
2 城市交通大数据计算平台内涵、技术选择与总体架构
2.1 城市交通治理与平台的内涵
2.1.1 城市交通治理现代化转型
2.1.2 城市交通治理的核心目标
2.1.3 城市交通治理的主要内容
2.1.4 城市交通治理的基本原则
2.1.5 城市交通治理的技术支撑
2.1.6 大数据计算平台赋能治理
2.2 大数据计算平台的技术选择
2.2.1 面向城市交通治理的数据采集体系
2.2.2 面向城市交通治理的数据治理体系
2.2.3 面向城市交通治理的数据计算体系
2.2.4 面向城市交通治理的数据服务体系
2.2.5 面向城市交通治理的数据安全体系
2.2.6 以场景式切入的多维综合评估体系
2.2.7 治理能力现代化的最佳实践经验
2.3 大数据计算平台的总体架构
2.3.1 平台架构设计的核心目标
2.3.2 计算平台的总体功能架构
2.3.3 计算平台的总体技术架构
2.3.4 平台建设的总体技术路线
3 交通大数据后台：高性能的弹性资源调度技术
3.1 分布式存储与计算技术
3.1.1 HDFS：分布式文件系统
3.1.2 HIVE：分布式数据库
3.1.3 HBase：分布式列式存储数据库
3.1.4 Spark：分布式大数据计算技术
3.1.5 Kafka：实时数据接入技术
3.2 容器化及其资源调度技术
3.2.1 基于Docker的容器技术
3.2.2 基于Kubernetes的资源调度技术
3.2.3 大规模大数据应用调度技术分析和实现
3.3 多源大数据汇集技术
3.3.1 数据汇聚流程设计
3.3.2 明确数据源
3.3.3 数据汇聚方式
3.3.4 API对接
3.3.5 数据库对接
3.3.6 消息队列对接
3.3.7 文件数据同步
3.3.8 业务系统数据ETL
3.3.9 数据接入监测预警
3.4 大数据的知识表达：知识图谱
3.4.1 知识图谱的基本概念
3.4.2 知识图谱与交通领域的融合
3.5 大数据平台的安全体系
3.5.1 痛点解析
3.5.2 安全体系架构设计
3.5.3 数据存储安全
3.5.4 数据传输安全
3.5.5 数据使用安全
3.5.6 用户智能鉴权
3.5.7 数据敏感分级
4 交通大数据中台：数据全生命周期管理技术
4.1 数据中台架构设计
4.1.1 功能需求分析
4.1.2 数据架构设计
4.1.3 数据流向设计
4.2 业务驱动的数据标准体系
4.2.1 原始库
4.2.2 标准库
4.2.3 指标库
4.2.4 血缘分析
4.3 交通数据治理范式
4.3.1 数据治理的目标
4.3.2 数据治理的基本架构
4.3.3 数据清洗规则
4.3.4 数据标准体系
4.3.5 数据模型定义
4.3.6 元数据管理
4.3.7 数据质量稽核
4.3.8 数据治理的案例
4.4 场景驱动的数据服务
4.4.1 数据开发服务
4.4.2 数据分析服务
4.4.3 数据查询服务
4.4.4 数据接口服务
5 交通算法中台：复杂交通系统推演及弹性计算技术
5.1 算法中台架构设计
5.2 标准化算法模型
5.3 交通关键算法
5.3.1 交通算法模型概览
5.3.2 复杂出行联合建模领域
5.3.3 基于大数据特征快速提取领域
5.3.4 交通态势短时预测领域
5.3.5 适配计算与成果表达方面
5.4 算法资源管理
5.4.1 算法上架与更新
5.4.2 算法版本管理
5.4.3 自动化封装部署
5.5 算法模型服务
5.5.1 算法模型功能架构
5.5.2 算法服务的弹性资源响应
5.5.3 算法服务的监控预警
5.5.4 调用统计
6 交通大数据前台：TransPaaS平台功能设计与建设
6.1 数据治理功能
6.1.1 数据模型与平台收录
6.1.2 数据接入
6.1.3 数据资产
6.2 数据服务功能
6.2.1 数据查看
6.2.2 数据接口
6.2.3 数据申请与审核
6.3 算法服务功能
6.3.1 算法超市
6.3.