本书系统阐述交通大数据在地面城市交通中的广泛应用，涵盖 4 个方面的内容。第一部分（包括第 1、2 章），主要介绍交通大数据相关背景、研究意义、基本特征定义和分类方法，是深入研究交通大数据不可或缺的先验知识；第二部分（包括第 3～5 章），以文本类型的结构化数据为基础，利用机器学习、数据挖掘等相关知识构造交通流量预测、交通拥堵预测、流量热点分析等模型；第三部分（包括第6、7章），通过视频和图像等媒体数据提供交通场景的视觉信息，以车载监控和道路监控为应用场景实现对驾驶员和车辆的监管；第四部分（包括第8、9章），主要介绍模型可视化呈现工具，以及交通大数据安全结合区块链的相关研究。 本书可作为计算机相关专业、交通运输相关专业及从事两者交叉方向研究的教师、研究生、本科生和相关技术开发人员的参考用书。

第1章 绪论
1.1 研究背景与意义
1.2 交通大数据挖掘国内外研究现状
1.2.1 常态分析研究
1.2.2 非常态分析研究
1.2.3 预测分析研究
1.3 并行化处理国内外研究现状
1.3.1 并行化处理的3种策略
1.3.2 大数据处理的并行化
1.3.3 机器学习的并行化
1.4 发展趋势
1.4.1 平台化
1.4.2 高性能
1.4.3 未雨绸缪
1.5 本书主要内容
第2章 交通大数据特征与分类
2.1 引言
2.2 大数据特征
2.2.1 大数据定义
2.2.2 大数据的5V特征
2.2.3 大数据体系架构
2.3 交通大数据
2.3.1 交通数据采集方式
2.3.2 交通大数据特征
2.4 交通大数据分类
2.4.1 按应用场景分类
2.4.2 按数据类型分类
2.5 本章小结
第3章 基于结构化数据的流量预测方法
3.1 引言
3.1.1 车流量预测研究现状
3.1.2 公交客流量预测研究现状
3.2 基于SVM算法的公交客流量预测
3.2.1 基于SVM算法的公交客流量预测方法
3.2.2 数据采集及预处理
3.2.3 相关算法
3.2.4 模型设计
3.2.5 实验分析
3.3 基于KNN算法的高速公路流量预测
3.3.1 基于KNN算法的高速公路流量预测方法
3.3.2 数据采集及预处理
3.3.3 相关算法
3.3.4 模型设计
3.3.5 实验分析
3.4 基于XGBoost算法的高速公路流量预测
3.4.1 基于XGBoost算法的高速公路流量预测方法
3.4.2 数据采集及预处理
3.4.3 相关算法
3.4.4 模型设计
3.4.5 实验分析
3.5 基于RVM算法的车流量预测
3.5.1 基于RVM算法的车流量预测方法
3.5.2 数据采集及预处理
3.5.3 相关算法
3.5.4 模型设计
3.5.5 实验分析
3.6 本章小结
第4章 基于结构化数据的拥堵预测方法
4.1 引言
4.2 基于GBDT算法的拥堵预测
4.2.1 基于GBDT算法的拥堵预测方法
4.2.2 数据采集及预处理
4.2.3 相关算法
4.2.4 模型设计
4.2.5 实验分析
4.3 基于RF算法的拥堵预测
4.3.1 基于RF算法的拥堵预测方法
4.3.2 数据采集及预处理
4.3.3 相关算法
4.3.4 模型设计
4.3.5 实验分析
4.4 基于模糊综合评价法的拥堵预测
4.4.1 基于模糊综合评价法的拥堵预测方法
4.4.2 数据分析
4.4.3 相关算法
4.4.4 基于多指标评价的拥堵预测
4.4.5 实验分析
4.5 本章小结
第5章 基于结构化数据的热点分析方法
5.1 引言
5.2 文本数据处理流程
5.3 基于k-means算法的出租车乘客出行数据分析
5.3.1 基于k-means算法的出租车乘客出行数据分析方法
5.3.2 数据采集及预处理
5.3.3 相关算法
5.3.4 模型设计
5.3.5 实验分析
5.4 基于SWCk-means算法的文本数据热点分析
5.4.1 基于SWCk-means算法的文本数据热点分析方法
5.4.2 数据采集及预处理
5.4.3 相关算法
5.4.4 模型设计
5.4.5 实验分析
5.5 本章小结
第6章 基于车载监控图像的应用
6.1 引言
6.2 驾驶员吸烟检测
6.2.1 基于改进SSD算法的驾驶员吸烟检测方法
6.2.2 模型设计
6.2.3 实验分析
6.3 驾驶员打电话检测
6.3.1 基于改进YOLOv5n算法的驾驶员打电话检测方法
6.3.2 模型设计
6.3.3 实验分析
6.4 疲劳驾驶检测
6.4.1 基于面部多特征的驾驶员疲劳驾驶检测方法
6.4.2 模型设计
6.4.3 实验分析
6.5 公交客流统计
6.5.1 基于多目标识别与跟踪的公交客流量统计方法
6.5.2 模型设计
6.5.3 实验分析
6.6 本章小结
第7章 基于道路监控图像的应用
7.1 引言
7.2 安全带检测
7.2.1 基于改进YOLOv3算法和FasterRCNN算法的安全带检测方法
7.2.2 模型设计
7.2.3 实验分析
7.3 车牌识别
7.3.1 基于YOLOv5s算法的车牌识别方法
7.3.2 模型设计
7.3.3 实验分析
7.4 车型识别
7.4.1 基于YOLOv5s算法的车型识别方法
7.4.2 模型设计
7.4.3 实验分析
7.5 车辆颜色识别
7.5.1 基于YOLOv5s算法的车辆颜色识别方法
7.5.2 模型设计
7.5.3 实验分析
7.6 车辆行为识别
7.6.1 基于TSAN网络的车辆行为识别方法
7.6.2 模型设计
7.6.3 实验分析
7.7 车速检测
7.7.1 基于虚拟线圈法的车速检测方法
7.7.2 模型设计
7.7.3 实验分析
7.8 高速公路车流量统计
7.8.1 基于YOLOv5+DeepSORT算法的高速公路车流量统计方法
7.8.2 模型设计
7.8.3 实验分析
7.9 本章小结
第8章 交通大数据可视化
8.1 引言
8.2 基于Excel电子表格的可视化方法
8.2.1