包邮透过大数据把脉城市交通

总序 前言 1 大数据“热潮”中的“冷”思考1.1 大数据的热潮1.1.1 大数据技术的发展1.1.2 大数据呈现出促进研究模式变革的萌芽1.1.3 交通领域大数据技术的应用1.2 交通工程基础理论的发展反思1.2.1 网络交通流分析理论的奠基作用1.2.2 交通行为分析理论的发展1.2.3 面向未来发展的期待1.3 大数据面前的追求与困惑1.3.1 对新研究范式的关注1.3.2 大数据并非完备的信息环境1.3.3 引发困扰的原因剖析1.4 大数据在城市交通分析中的价值1.4.1 大样本所提供的优势1.4.2 连续追踪获取的信息1.4.3 不同测度的观察与探索1.4.4 多种观察角度的互补1.5 城市交通大数据分析的思考1.5.1 问题导向的技术需求1.5.2 基于大数据的“感知—认知—洞察”1.5.3 “多维一体”的问题表征参考文献 2 建立在复杂适应系统概念上的城市交通监测2.1 正确面对城市交通演化的或然性2.1.1 城市交通的非线性到底意味着什么2.1.2 城市交通的战略调控2.1.3 面对或然性的适时响应对策模式2.2 将监测融入新的技术概念框架2.2.1 复杂适应系统的基本概念2.2.2 技术概念变换后的系统监测任务2.3 基于聚类及分类的行为主体模式表征2.3.1 行为主体主观属性的差异表征2.3.2 个体行为特征的差异辨识与表征2.3.3 新型服务模式的用户响应2.3.4 交通服务提供主体的行为检测2.4 城市交通系统宏观状态监测2.4.1 通过模式划分简化数据2.4.2 城市空间连接条件的度量2.5 关于涌现的思考2.5.1 发现路网交通状态的耦合特征2.5.2 城市空间拓展过程中的聚落斑块特征2.5.3 城市群空间联系结构的变化参考文献 3 技术的传承与变革3.1 信息化创造的交通决策支持数据资源3.1.1 逐步完善的交通系统状态监测网络3.1.2 信息服务系统所采集的“电子脚印”3.1.3 互联网中的语义信息利用3.2 新的数据资源与传统技术概念的嫁接3.2.1 我国城市交通大数据的应用实践3.2.2 基于传统技术概念的检测手段拓展3.2.3 利用相关性架设连接传统技术概念的桥梁3.3 适应数据环境的技术概念变革3.3.1 大数据环境下基于证据的决策分析技术3.3.2 宏观与微观融合的嵌套型技术分析框架3.3.3 寻找更加适合的表述方式3.3.4 借助聚类把握差异3.3.5 通过关联寻找通向认知之门3.3.6 通过比较研究探寻因果关系参考文献 4 特征提取、聚类分析与对象表征4.1 “纷繁复杂”中的“规律性”4.1.1 个体多样性背后隐藏的群体特征4.1.2 不完备信息条件下的分类辨识4.1.3 揭示时间变化中隐藏的规律4.2 行为主体的多维特征属性4.2.1 不同形式的活动特征表达4.2.2 基于出行链的活动模式划分4.3 基于属性特征的聚类分析4.3.1 通过聚类实现研究对象细分4.3.2 惯常行为模式的聚类分析4.3.3 基于关联属性的聚类分析4.4 类别划分基础上的比较研究4.4.1 类别之间的特征比较4.4.2 基于类别划分的位置点分布对比4.5 将属性特征转化为跨界沟通的数据语言4.5.1 作为跨界沟通桥梁的数据模型4.5.2 借助多源流模式框架的工作协同参考文献 5 关联分析与相关性研究5.1 透过关联认识联系5.1.1 空间特征间的联系5.1.2 通过联系走向深度思考5.1.3 交通分区的空间关联5.2 基于大数据的个体属性一空间关联分析5.2.1 基于牌照数据对车辆使用类别的区分5.2.2 类别结构空间分布的讨论5.3 借助关联关系的问题转换5.3.1 可拓学思维与问题转换5.3.2 借助关联属性进行异常事件判别5.4 基于关联分析的问题概括与归纳5.4.1 数据基础上提出问题与界定分析任务5.4.2 提升数据分辨率创建相关分析条件5.4.3 基于关联特征的问题分类参考文献 6 信息融合与构建证据集合6.1 信息融合与证据理论的技术整合6.1.1 依托间接证据的判断6.1.2 证据体系框架内的信息融合6.1.3 基于证据理论的判断综合6.2 通过数据资源互补进行信息可信度判别6.2.1 对移动通信数据提取轨道使用信息的可信度检验6.2.2 通过多源数据提高公交乘车位置信息质量6.2.3 借助数据融合的公交通勤人群辨识6.3 情报决策过程中的信息融合6.3.1 证据提炼过程中的情报决策6.3.2 多源情报比较基础上的真实性评估6.3.3 基于多源数据的关联分析参考文献 7 大数据与小样本数据的嵌套分析7.1 探索性研究构建任务框架7.1.1 通过核心概念明确问题7.1.2 通过小样本分析深化认识7.1.3 宏微观嵌套的公交客户管理分析框架7.2 基于IC卡数据的公交乘客宏观结构分析7.2.1 用于公交使用行为模式判别的特征指标7.2.2 公交IC卡用户的组群划分7.3 问卷调查基础上的微观机理分析7.3.1 基于用户忠诚度的机理分析框架7.3.2 测量模型中变量关系的设定7.3.3 针对厦门市公交通勤用户的问卷调查7.3.4 通过结构方程模型探寻微观机理7.4 宏微观数据结合明确改善重点7.4.1 在IC卡数据与问卷调查数据间建立链接7.4.2 宏微观数据结合的组群划分7.4.3 根据组群时空分布结构确定重点改造工作对象参考文献 8 结论与思考8.1 收获——得到深化的认识8.2 成果——渐趋成熟的技术8.3 确认——经过验证的结论8.4 思考——未来之路 附件1 表格索引 附件2 附图索引 致谢