前言
近年来，人工智能、机器学习、深度学习等新兴技术飞速发展，在智慧交通领域掀起了一场新的技术革命，极大地促进了智慧交通学科的发展。作为计算机与交通的交叉学科，智慧交通学科旨在塑造集计算机编程技术和交通专业知识于一体的优秀复合型人才。本书以计算机编程知识简介为切入点，以交通大数据领域案例应用为落脚点，循序渐进，步步深入，为相关领域学习者提供了清晰翔实的学习路线和学习资料，有利于培养兼具计算机编程技术与交通专业知识的优秀复合型人才，有利于促进人工智能学科和智慧交通学科的不断发展，意义重大而深远。
本书主要内容
本书作为一本以案例实战应用为导向的书籍，非常适合具备一定数学基础和Python基础的读者学习。读者可以在短时间内学习并掌握本书介绍的所有算法以及深度学习在交通大数据领域内的应用流程。
作为一本关于深度学习与交通大数据的书籍，本书共有8章。
第1章为Python基础知识简介，包括Python数据类型、Python三大语句、Python的函数、类和对象、Python的文件读取和写入，在讲解Python的基本语法后，详细介绍了Python数组包NumPy、Python数据分析包Pandas、Python科学计算包SciPy、Python机器学习包ScikitLearn、Python可视化包Matplotlib五个交通数据处理过程最常用的Python工具包，每个工具包的简介均配备了多个实战小案例，以用带学，帮助读者更好地学习对应工具包的使用。
第2章为PyTorch基础知识简介，详细介绍了常用的张量模块、数据模块、网络模块、激活函数模块、优化器模块、训练和测试模块、模型保存与重载模块，以及可视化模块，每个模块均配备相应的代码对其使用方法的详细讲解，确保读者在后续学习人工智能建模时已经具备深厚的深度学习建模基础。
第3章为深度学习基础模型简介，从基本的反向传播算法，到循环神经网络、卷积神经网络和图卷积神经网络，每一节首先对模型原理进行简介，然后借助相应的实战案例来帮助读者加深对模型原理的理解。
第4~8章为全书主体部分，分别讲解基于深度学习的轨道交通刷卡数据、共享单车轨迹数据、出租车轨迹数据、私家车轨迹数据和空中交通运行数据案例实战，具体内容包括研究背景、研究现状、数据获取手段及开源数据集简介、数据预处理、基于PyTorch的案例建模。案例建模部分又对问题陈述及模型框架、数据准备、模型构建、模型训练及测试、结果展示进行了详细介绍。每一部分均附有完整的代码以及代码解释，带领读者了解从最初的数据获取到最终的结果展示，实现多个完整的应用案例，确保读者学完该案例能够对该领域有较为深刻的理解，建模技能有较为明显的提升。
本书第1~4章由北京交通大学张金雷博士完成； 第5章由奥尔堡大学缪浩博士完成； 第6章由国防科技大学金广垠博士完成； 第7章由湖南大学刘晨曦博士完成； 第8章由北京航空航天大学张明华博士完成。全书由北京交通大学张金雷博士、杨立兴教授、高自友教授、陈瑶、李华、章树鑫、杨咏杰校核。本书撰写过程得到北京交通大学轨道交通控制与安全国家重点实验室的支持。





本书特色
（1） 以案例为导向，对基础理论知识点与代码演练进行详细讲解。
（2） 实战案例丰富，涵盖百余个知识点案例、5个交通大数据完整项目案例。
（3） 案例过程完整，体系化介绍完整的深度学习与交通大数据项目案例。
（4） 代码清晰详尽，所有代码均附有详细说明，避免对代码的无效展示。
（5） 基础知识与案例应用各个模块的算法相对独立，便于读者针对性学习。
配套资源
为便于教学，本书配有源代码、数据集、教学课件、教学大纲、教案、程序安装指导。
(1) 获取源代码和数据集以及需要彩色展示图片的方式： 先扫描本书封底的文泉云盘防盗码，再扫描下方二维码，即可获取。



源代码和数据集




彩色图片



(2)  其他配套资源可以扫描本书封底的“书圈”二维码，回复本书的书号即可下载。
读者对象
本书主要面向广大从事交通大数据分析、机器学习或深度学习的专业人员，从事高等教育的专任教师，高等学校的在读学生及相关领域的广大科研人员。
本书作者在编写过程中，参考了诸多相关资料，得到了各位编委的大力支持，在此对相关资料的作者和各位编委表示衷心的感谢。
限于个人水平和时间仓促，书中难免存在疏漏之处，欢迎广大读者批评指正。


作者

2022年3月