智能交通系統數據分析（簡體書）

人類歷史已經表明，文明的傳播和經濟的擴張在很大程度上可以歸因於連接國家、地區、城市和社區的交通系統。從馬車，到內燃機車，到電動汽車，再到未來的網聯汽車和自動駕駛汽車，交通經歷了一個快速發展的歷程，使我們的生活和社會更加豐富多彩。智能交通系統（ITS）有望在使我們的城市和區域智能化以及與其他基礎設施（如能源輸電網）通信方面取得重大進展。ITS 正在成為物聯網的一部分，新型的感知、控制、邊緣和云計算技術已經準備好成為智能城市的一部分。
交通運輸系統將繼續在經濟全球化中起到戰略性作用，通過日益復雜、相互連接和多式聯運的運輸系統運送貨物和人員。然而，現代交通的復雜性是不能用過去的策略和工具來管理的。ITS 的特點在於其越來越復雜的數據，表現為異構的格式、大容量、空間和時間過程的細微差別以及頻繁的實時處理需求。此外，ITS 將通過從個人設備、社交媒體和服務收集的數據得到加強。簡單的數據處理、整合和分析工具並不能勝任復雜的 ITS數據處理任務。新興數據分析系統和方法的應用，加上有效的數據收集和信息分發系統，為建立今後的信息系統提供了必要的機會。考慮到新一代專業人員需要在數據密集型的ITS 領域工作，就需要一種結合各種 ITS 相關數據分析主題的教科書。本書的目的是培養
一個技術精湛的技術專家，重點讀者物件是交通工程領域的學生和現有的專業人員，也包括數據科學領域的學生和專業人員，這些人將引領未來 ITS 的規劃、發展和維護。
本書分 12 章，涵蓋了不同的數據分析主題。
第 1 章概述了 ITS 及其各種應用的數據密集型本質。對其數據的來源和特征進行了總結，包括 ITS 與數據分析的相關性。此外，還對美國國家 ITS 架構進行了回顧，以作為 ITS 規劃、設計和部署的示例框架，重點是數據分析。提供了 ITS 應用的概述，以演示不同的流程在 ITS 應用部署中的作用。最後簡要介紹了 ITS 在世界各地的應用情況，包括由自動駕駛等技術創新催生的新趨勢。
第 2 章介紹了 ITS 中的數據分析的基本原理及其背景。闡述了數據分析的描述性、診斷性、預測性和規範性方面的知識。然後介紹了數據分析解決方案的演變，例如 SQL分析、視覺分析、大數據分析和認知分析。還列出了可用的開源數據分析工具和資源。最後討論了 ITS 數據分析的未來方向。
第 3 章描述了基礎的數據科學工具集，並為本書其餘部分的分析技術奠定了基礎。具體內容是：①用於復雜數據分析的基本統計編程 R環境介紹；② ITS 數據存儲庫的“科研數據交換”的綜述；③關於 R中結構化數據的基本概念；④從外部讀取數據到 R的技術和工具包；⑤從網絡資源提取數據到 R的技術和工具包；⑥大數據處理技術的簡介。
第 4 章聚焦於數據生命周期，使研究人員和從業人員能夠有效地維護數據，以便實時和長期使用。數據物件可以是文件和鏈接的集合，也可以是數據庫。這取決於數據類型和數據生命周期包含不同的階段。此外，可以從不同的角度看待數據生命周期的各個階段。本章旨在讓讀者對數據的生命周期有一定的認識和理解。
第 5 章探討了數據基礎設施的開發和解決方案，其中考慮了不同的應用程序、數據工作負載特征和相應的需求。概述了支持數據所需的基礎設施，這些基礎設施能夠使用不同的抽象和運行系統來存儲、處理和分發大量數據。然後將 ITS 應用程序的需求映射到數據基礎設施的技術體系結構。總結了針對不同編程系統、抽象概念的不同高層基礎設施，以及針對存儲和計算管理的低層基礎設施。
第 6 章研究了 ITS 的安全性和隱私問題，綜述了通信網絡及其創新應用。確定了汽車生態系統中的利益相關者及其需要保護的資產。討論了一種攻擊分類法，該分類法描述了對 ITS 以及網聯車輛的攻擊。對網聯車輛的現有攻擊進行了審查，並使用攻擊分類進行了映射。最後，討論了現有的和潛在的安全和隱私解決方案。
第 7 章介紹了交互式數據可視化概念、工具和數據挖掘算法在 ITS 環境下的應用。在 ITS 領域中，這些系統對於支持大型復雜數據流的決策非常必要，這些數據由不同的基礎設施和組件（如交通攝像頭、車輛和交通管理中心）生成和使用。介紹了與 ITS 數據可視化系統設計相關的幾個關鍵問題。此外，還討論了實用的可視化設計原則。最後是一個詳細的案例研究，涉及一個多元可視化工具的設計。
第 8 章探討了系統工程原則在 ITS 中的應用。系統工程用於以需求的形式將職責分配給參與 ITS 應用程序的所有平臺上的硬件和軟件。展開了針對數據分析為重點的 ITS系統開發場景所需的信息的調查。在開發場景中，使用架構描述語言（ADL）識別數據通信需求並將其映射。其中，ADL 支持本章中討論的建模系統的驗證和分析活動。
第 9 章具體論述了公路交通安全方面的數據分析。探討了不同的交通安全分析方法，如碰撞計數 / 頻率建模、安全效果評估、經濟評價、熱點分析和損傷嚴重程度建模等。首先對高速公路交通安全研究進行了綜述。總結了這些研究中使用的各種方法。討論了應用於高速公路交通安全的數據詳情以及約束。此外，還探討了網聯和自動駕駛汽車等新興趨勢所帶來的潛在新型數據源。
第 10 章以多式聯運為背景，討論了 ITS 應用中通常使用的描述性和預測性數據分析技術。這些技術涵蓋了單變量、雙變量和多變量分析的全部範圍。本章還演示了如何使用 R語言實現這些技術。
第 11 章 綜 述 了 社 交 媒 體 數 據 在 ITS 中 的 應 用。 因 為 Twitter、INSTAGRAM 和
Facebook 等社交媒體平臺包含人們所發布的日常活動信息（包括旅行信息）都能夠被獲取，它們已經成為支持交通規劃和運營的豐富數據來源。本章所探討的具體內容是：①社交媒體數據特征；②回顧最新的社交媒體數據分析工具和算法；③簡述在交通運輸中的新興社交媒體應用；④未來的研究挑戰和潛在的解決方案。
第 12 章介紹了機器學習方法的基本概念以及它們在 ITS 中的應用。這一章討論了如何利用機器學習方法提高交通數據分析工具的性能。討論了所選擇的機器學習方法，以及可用數據的質量和數量的重要性。簡述了為 ITS 應用所選擇的數據處理流程和機器學習方法。並通過一個實例說明了機器學習方法在基於數據驅動的交通系統中的重要性。

前言
譯者序
第 1 章　智能交通系統的特征及其與數據分析的關係
1.1　智能交通系統作為數據密集型應用
1.1.1　ITS 數據系統
1.1.2　ITS 數據源與數據采集技術
1.2　智能交通系統的大數據分析方法與基礎設施建設
1.3　ITS 架構：ITS 應用框架
1.3.1　用戶管理及其要求
1.3.2　邏輯架構
1.3.3　物理架構
1.3.4　服務包
1.3.5　標準
1.3.6　安全
1.4　ITS 應用概述
1.4.1　ITS 應用類型
1.4.2　ITS 應用與數據分析的關係
1.5　智能交通系統：過去、現在與未來
1.5.1　20 世紀六七十年代
1.5.2　20 世紀八九十年代
1.5.3　21 世紀初十年
1.5.4　2010 年及以後
1.6　本書概述：ITS 應用的數據分析
1.7　習題
參考文獻

第 2 章　數據分析基礎
2.1　簡介
2.2　數據分析的功能類型
2.2.1　描述性分析
2.2.2　診斷分析
2.2.3　預測分析
2.2.4　規範性分析
2.3　數據分析的演化
2.3.1　SQL 分析：RDBMS、OLTP和 OLAP
2.3.2　商業分析：商業智能、數據倉庫和數據挖掘
2.3.3　可視化分析
2.3.4　大數據分析
2.3.5　認知分析
2.4　數據科學
2.4.1　數據生命周期
2.4.2　數據質量
2.4.3　模型構建與評價
2.5　數據分析的工具與資源
2.6　未來方向
2.7　章節總結與結論
2.8　習題
參考文獻

第 3 章　交通應用的數據分析工具和科學方法
3.1　簡介
3.2　R 語言簡介
3.3`研究數據交換計劃
3.4`基礎數據類型和結構：數據表和鏈表
3.4.1　數據表
3.4.2　鏈表
3.5　從外部文件導入數據
3.5.1　逗號分隔文件
3.5.2　XML 文件
3.5.3　SQL
3.6　在線社交媒體數據
3.6.1　靜態搜索
3.6.2　動態數據流
3.7　大數據處理：Hadoop MapReduce
3.8　章節總結
3.9　習題
參考文獻

第 4 章　數據核心：數據生命周期和數據管道
4.1　簡介
4.2　案例和數據波動
4.3　數據和生命周期
4.3.1　USGS 生命周期模型
4.3.2　數字管控中心管控模型
4.3.3　DataONE 模型
4.3.4　SEAD 研究物件生命周期模型
4.4　數據管道
4.5　未來方向
4.6　章節總結與結論
4.7　習題
參考文獻

第 5 章　智能交通系統的數據基礎設施
5.1　簡介
5.2　網聯的交通管理系統及其負載特征
5.3　基礎設施簡介
5.4　數據基礎設施頂層設計
5.4.1　MapReduce ：可拓展的數據處理
5.4.2　數據接受和流處理
5.4.3　SQL 和數據表
5.4.4　短時隨機數據讀取管理
5.4.5　基於搜索的分析
5.4.6　商業智能與數據科學
5.4.7　機器學習
5.5　數據基礎設施底層設計
5.5.1　Hadoop ：存儲和計算管理
5.5.2　云環境下的 Hadoop
5.6　章節總結與結論
5.7　習題
參考文獻

第 6 章　現代車輛的安全性和數據隱私
6.1　簡介
6.2　車聯網及其應用
6.2.1　車內網絡
6.2.2　車外網絡
6.2.3　創新車輛應用
6.3　股東和資產
6.4　網絡攻擊分類法
6.5　安全分析
6.5.1　網絡和協議脆弱性分析
6.5.2　網絡攻擊
6.6　安全和數據隱私解決方案
6.6.1　密碼學基礎
6.6.2　車輛通信的安全解決方法
6.6.3　WPAN 安全和隱私
6.6.4　安全的 VANET 網絡
6.6.5　安全的 OTA ECU 固件更新
6.6.6　傳感器數據私密性測量
6.6.7　安全的數據分發
6.7　未來研究方向
6.8　章節總結與結論
6.9　習題
參考文獻

第 7 章　可交互的數據可視化
7.1　簡介
7.2　智能交通系統的數據可視化
7.3　數據可視化的魅力
7.4　數據可視化流程
7.5　數據可視化系統分類
7.6　可視化策略簡介
7.6.1　數據數量壓縮
7.6.2　縮小可視化組件
7.7　圖像視覺引導策略
7.7.1　縮放和平移
7.7.2　概覽 + 細節介紹
7.7.3　聚焦 + 上下文介紹
7.8　視覺交互策略
7.8.1　選擇
7.8.2　鏈接
7.8.3　篩選
7.8.4　二次排列和映射
7.9　有效數據可視化的設計原則
7.10　案例分析：多變量數據可視化設計
7.10.1　用交互平行坐標實現的多變量可視化
7.10.2　通過數據處理的動態查詢
7.10.3　通過嵌入式可視化的動態變量總結
7.10.4　多坐標系
7.11　章節總結與結論
7.12　習題
參考文獻

第 8 章　智能交通系統系統工程中的數據分析
8.1　簡介
8.2　背景
8.2.1　系統開發 V 模型
8.2.2　迭代開發
8.2.3　架構分析和設計語言
8.3　開發場景
8.3.1　架構中的數據分析
8.3.2　場景
8.4　章節總結與結論
8.5　習題
8.6　習題答案
8.7　附錄
參考文獻

第 9 章　安全應用的數據分析
9.1　簡介
9.2　安全研究概述
9.2.1　人為因素
9.2.2　事故數量和頻率模型
9.2.3　事前和事後研究
9.2.4　事故受傷嚴重程度建模
9.2.5　商用車輛安全性
9.2.6　數據驅動的公路巡查計劃
9.2.7　面向安全的海量異構數據深度學習
9.2.8　實時交通運行和安全檢測
9.2.9　網聯車輛和交通安全
9.3　安全分析方法
9.3.1　統計方法
9.3.2　人工智能和機器學習
9.4　安全數據
9.4.1　事故數據
9.4.2　交通流數據
9.4.3　道路數據
9.4.4　天氣數據
9.4.5　車輛和駕駛人數據
9.4.6　常規駕駛研究
9.4.7　大數據和開放數據提案
9.4.8　其他數據
9.5　問題和未來研