深度學(xué)習(xí)與交通大數(shù)據(jù)實(shí)戰(zhàn)

第1章Python基礎(chǔ)知識(shí)簡(jiǎn)介

1.1Python數(shù)據(jù)類型

1.1.1列表

1.1.2元組

1.1.3字符串

1.1.4字典

1.2Python三大語(yǔ)句

1.2.1順序語(yǔ)句

1.2.2條件語(yǔ)句

1.2.3循環(huán)語(yǔ)句

1.2.4列表推導(dǎo)式

1.3Python的函數(shù)、類和對(duì)象

1.3.1函數(shù)

1.3.2類和對(duì)象

1.4Python的文件讀取和寫入

1.4.1Python內(nèi)置讀取寫入方式

1.4.2NumPy讀取和寫入

1.4.3Pandas讀取和寫入

1.5Python數(shù)組包——NumPy

1.5.1NumPy簡(jiǎn)介

1.5.2ndarray及其基本操作

1.6Python數(shù)據(jù)分析包——Pandas

1.6.1Pandas簡(jiǎn)介

1.6.2Series、DataFrame及其基本操作

1.6.3Pandas和NumPy的異同

1.6.4使用Pandas和NumPy實(shí)現(xiàn)數(shù)據(jù)的獲取

1.7Python科學(xué)計(jì)算包——SciPy

1.7.1SciPy簡(jiǎn)介

1.7.2擬合與優(yōu)化模塊

1.7.3線性代數(shù)模塊

1.7.4統(tǒng)計(jì)模塊

1.8Python機(jī)器學(xué)習(xí)包——ScikitLearn

1.8.1ScikitLearn簡(jiǎn)介

1.8.2SVM分類

1.8.3隨機(jī)森林回歸

1.8.4Kmeans聚類

1.9Python可視化包——Matplotlib

1.9.1Matplotlib簡(jiǎn)介

1.9.2Matplotlib繪圖

第2章PyTorch基礎(chǔ)知識(shí)簡(jiǎn)介

2.1張量模塊

2.1.1張量的數(shù)據(jù)類型

2.1.2張量的基本操作

2.1.3張量與NumPy數(shù)組

2.1.4Cuda張量與CPU張量

2.2數(shù)據(jù)模塊

2.2.1Dataset簡(jiǎn)介及用法

2.2.2DataLoader簡(jiǎn)介及用法

2.3網(wǎng)絡(luò)模塊

2.3.1torch.nn函數(shù)簡(jiǎn)介

2.3.2torch.nn.Module構(gòu)建類

2.3.3類的使用

2.4激活函數(shù)模塊

2.4.1Sigmoid函數(shù)

2.4.2Tanh函數(shù)

2.4.3ReLU函數(shù)

2.4.4LeakyReLU函數(shù)

2.5優(yōu)化器模塊

2.5.1Optimizer的使用

2.5.2常見(jiàn)優(yōu)化器簡(jiǎn)介

2.6訓(xùn)練和測(cè)試模塊

2.6.1model.train()和model.eval()函數(shù)簡(jiǎn)介

2.6.2模型訓(xùn)練和測(cè)試框架簡(jiǎn)介

2.7模型保存與重載模塊

2.7.1保存與重載模塊

2.7.2EarlyStopping

2.8可視化模塊

2.8.1TensorBoard簡(jiǎn)介

2.8.2模型計(jì)算圖的保存

2.8.3損失函數(shù)等常量的保存

第3章深度學(xué)習(xí)基礎(chǔ)模型簡(jiǎn)介

3.1反向傳播算法

3.1.1反向傳播算法簡(jiǎn)介

3.1.2NumPy實(shí)現(xiàn)反向傳播算法

3.2循環(huán)神經(jīng)網(wǎng)絡(luò)

3.2.1循環(huán)神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介

3.2.2LSTM簡(jiǎn)介

3.2.3PyTorch實(shí)現(xiàn)LSTM時(shí)間序列預(yù)測(cè)

3.3卷積神經(jīng)網(wǎng)絡(luò)

3.3.1卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介

3.3.2一維和二維卷積神經(jīng)網(wǎng)絡(luò)

3.3.3PyTorch實(shí)現(xiàn)一維卷積神經(jīng)網(wǎng)絡(luò)時(shí)間序列預(yù)測(cè)

3.3.4PyTorch實(shí)現(xiàn)二維卷積神經(jīng)網(wǎng)絡(luò)手寫數(shù)字識(shí)別

3.4圖卷積神經(jīng)網(wǎng)絡(luò)

3.4.1圖卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介

3.4.2NumPy實(shí)現(xiàn)圖卷積神經(jīng)網(wǎng)絡(luò)

3.4.3PyTorch實(shí)現(xiàn)圖卷積神經(jīng)網(wǎng)絡(luò)時(shí)間序列預(yù)測(cè)

第4章基于深度學(xué)習(xí)的軌道交通刷卡數(shù)據(jù)案例實(shí)戰(zhàn)

4.1研究背景

4.2研究現(xiàn)狀

4.2.1城市軌道交通短時(shí)客流預(yù)測(cè)

4.2.2基于計(jì)算機(jī)視覺(jué)的站內(nèi)人、物、景檢測(cè)識(shí)別

4.2.3基于強(qiáng)化學(xué)習(xí)的運(yùn)營(yíng)優(yōu)化和控制

4.3數(shù)據(jù)獲取手段及開(kāi)源數(shù)據(jù)集簡(jiǎn)介

4.4數(shù)據(jù)預(yù)處理

4.5基于PyTorch的軌道交通刷卡數(shù)據(jù)建模

4.5.1問(wèn)題陳述及模型框架

4.5.2數(shù)據(jù)準(zhǔn)備

4.5.3模型構(gòu)建

4.5.4模型終止及評(píng)價(jià)

4.5.5模型訓(xùn)練及測(cè)試

4.5.6結(jié)果展示

4.6本章小結(jié)

第5章基于深度學(xué)習(xí)的共享單車軌跡數(shù)據(jù)案例實(shí)戰(zhàn)

5.1研究背景

5.2研究現(xiàn)狀

5.2.1共享單車出入流預(yù)測(cè)研究

5.2.2共享單車調(diào)度優(yōu)化研究

5.3數(shù)據(jù)獲取手段及開(kāi)源數(shù)據(jù)集簡(jiǎn)介

5.4數(shù)據(jù)預(yù)處理及可視化

5.5基于PyTorch的共享單車數(shù)據(jù)建模

5.5.1問(wèn)題陳述及模型框架

5.5.2數(shù)據(jù)準(zhǔn)備

5.5.3模型構(gòu)建

5.5.4模型訓(xùn)練及測(cè)試

5.5.5結(jié)果展示

5.6本章小結(jié)

第6章基于深度學(xué)習(xí)的出租車軌跡數(shù)據(jù)案例實(shí)戰(zhàn)

6.1研究背景

6.2研究現(xiàn)狀

6.2.1基于深度學(xué)習(xí)的短時(shí)流量/載客需求/OD需求預(yù)測(cè)

6.2.2基于深度學(xué)習(xí)的軌跡出行時(shí)間估計(jì)

6.2.3基于深度強(qiáng)化學(xué)習(xí)的出租車派單優(yōu)化

6.3數(shù)據(jù)獲取手段及開(kāi)源數(shù)據(jù)集簡(jiǎn)介

6.4數(shù)據(jù)預(yù)處理

6.5基于PyTorch的出租車軌跡數(shù)據(jù)建模

6.5.1問(wèn)題陳述及模型框架

6.5.2數(shù)據(jù)準(zhǔn)備

6.5.3模型構(gòu)建

6.5.4模型訓(xùn)練及測(cè)試

6.5.5結(jié)果展示

6.6本章小結(jié)

第7章基于深度學(xué)習(xí)的私家車軌跡數(shù)據(jù)案例實(shí)戰(zhàn)

7.1研究背景

7.2研究現(xiàn)狀

7.2.1軌跡預(yù)處理

7.2.2出行模式分析

7.2.3時(shí)空流量預(yù)測(cè)

7.2.4軌跡預(yù)測(cè)

7.2.5社交關(guān)系推斷

7.3數(shù)據(jù)獲取手段及開(kāi)源數(shù)據(jù)集簡(jiǎn)介

7.4數(shù)據(jù)預(yù)處理

7.5基于PyTorch的私家車軌跡數(shù)據(jù)建模

7.5.1問(wèn)題陳述及模型框架

7.5.2數(shù)據(jù)準(zhǔn)備

7.5.3數(shù)據(jù)建模

7.5.4模型訓(xùn)練及結(jié)果展示

7.6本章小結(jié)

第8章基于深度學(xué)習(xí)的空中交通運(yùn)行數(shù)據(jù)案例實(shí)戰(zhàn)

8.1研究背景

8.2研究現(xiàn)狀

8.2.1基于深度學(xué)習(xí)的空中交通流量預(yù)測(cè)

8.2.2基于深度學(xué)習(xí)的四維航跡預(yù)測(cè)

8.2.3基于機(jī)器學(xué)習(xí)的空中交通復(fù)雜性評(píng)估

8.2.4基于強(qiáng)化學(xué)習(xí)的空中交通優(yōu)化控制

8.3數(shù)據(jù)獲取手段及開(kāi)源數(shù)據(jù)集簡(jiǎn)介

8.4數(shù)據(jù)預(yù)處理

8.5基于PyTorch的空中交通數(shù)據(jù)建模

8.5.1問(wèn)題描述及模型框架

8.5.2數(shù)據(jù)準(zhǔn)備

8.5.3模型構(gòu)建

8.5.4模型訓(xùn)練、測(cè)試及評(píng)價(jià)

8.5.5結(jié)果展示

8.6本章小結(jié)

參考文獻(xiàn)