本书主要对大数据的理论基础进行了介绍，并对大数据框架包含的内容进行了详细讲解。具体内容包括：对Python基础知识的介绍，在大数据的交通流预测中所能用到的Python基础知识；对大数据所包括的内容及基础理论知识的讲解；数据挖掘的研究与分析，对交通流大数据的基础数据的处理与分析；基于Python的机器学习模型的基础理论知识的介绍、交通流和驾驶行为及意图分析；基于Python的深度学习的理论讲解与分析，并运用深度学习模型对交通流进行预测等。本书可供交通运输、交通工程、车辆工程、计算机等领域的技术人员、编程人员阅读，也可供相关专业的师生学习参考。

第1章 绪论
1.1 大数据概述
1.2 Python概述
1.3 交通运输大数据概述
第2章 Python基础知识
2.1 变量和简单数据类型
2.2 Python语法基础
2.3 数据可视化
2.4 数据的统计学特征
2.5 代数和符号运算问题
2.6 基本数学运算
2.7 不同类型的数字
2.8 Pandas和NumPy模块
第3章 大数据基础
3.1 大数据
3.2 Hadoop大数据平台
3.3 大数据与人工智能
3.4 探索性数据分析
3.5 相关分析和回归分析
3.6 降维数据分析
第4章 机器学习模式识别
4.1 人工智能、机器学习和深度学习关系
4.2 机器学习基础
4.3 机器学习中的参数及拟合问题
4.4 矩阵基本知识
4.5 树和随机森林算法
4.6 KNN算法
4.7 贝叶斯理论
4.8 支持向量机
4.9 神经网络
第5章 深度学习基础及应用
5.1 深度学习中的微积分基础
5.2 深度学习的线性代数基础
5.3 基于Python的神经网络案例算法详解
5.4 深度学习框架
5.5 深度学习的硬件基础
5.6 卷积神经网络算法详解
5.7 循环神经网络和长短期记忆网络
5.8 基于LSTM的驾驶意图识别
第6章 深度学习的交通流预测研究
6.1 交通流理论基础
6.2 交通流的统计分布特性
6.3 交通流数据预处理
6.4 交通信息获取技术
6.5 宏观交通流模型及微观交通流模型
6.6 基于深度学习的交通流预测
参考文献