- 交通数据分析与建模(交通版高等学校交通工程专业系列教材)
- - 作者：编者:翁金贤|责编:郭红蕊//李良
  - 出版社：人民交通
  - ISBN：9787114197895
  - 出版日期：2024/12/01
  - 页数：244
- 售价：19.6

内容大纲
本书是上海海事大学与兰州交通大学、长沙理工大学协作编写的。全书内容丰富，系统全面，反映了当前的交通数据分析与建模的基础知识、前沿理论，同时结合了我国道路、水路的具体案例，并参考了国内外大量相关文献以及国内交通工程、交通运输的实际资料。
本书可作为交通工程、交通运输等专业高等学校本科专业教材，也可作为交通运输工程学科研究生的参考书。本书旨在为学生介绍全面系统的专业数据分析与建模理论方法，并通过应用案例，加强学生对交通数据分析和建模理论知识的理解和实际应用分析能力。
作者介绍
翁金贤，男，1982年2月生，博士，2011年获新加坡国立大学博士学位。现为上海海事大学三级教授、博士生导师，交通运输学院副院长、水陆交通安全研究中心主任。先后荣获上海市青年拔尖人才、上海市“曙光”学者和交通运输部青年科技英才、中国交通运输协会青年科学委员会委员等省部级人才称号，并获得2017-2018年度中国航海学会青年科技奖表彰。担任交通安全领域权威SSCI检索期刊Journal of Transportation Safety & Security副主编、International Journal of Transportation等期刊编委会委员、中国交通运输协会青科委委员、上海市建设和交通青年人才协会副会长，系教育部学位论文评议专家和“世界银行”项目评议专家。主要研究领域包括港航交通事故风险评价与管理、交通建模与仿真、智慧港航交通系统、交通大数据挖掘等。2013年回国至今，主持完成包括国家自然科学基金面上、国家重点研发计划子课题、国家自然科学基金重点项目子课题、国际联合研究基金等10多项国家级高水平项目以及30多项行业相关课题.累计科研经费近千万元。部分科研成果已得到名个地方交通管理部门的推广应用，对我国港航交通安全创新技术密切相关产业的可持续发用起到了积极的推进作用。
目录
第一篇  理论基础
  第1章  绪论
    1.1  交通数据
    1.2  数据分析
    1.3  数据分析方法及平台
    1.4  本章小结
    本章参考文献
  第2章  交通数据描述性统计
    2.1  集中趋势度量
    2.2  相对位置度量
    2.3  离散程度描述
    2.4  偏态和峰杰
    2.5  相关性描述
    2.6  估计量特性
    2.7  数据可视化方法
    2.8  本章小结
    本章参考文献
  第3章  置信区间与假设检验
    3.1  置信区间
    3.2  假设检验
    3.3  本章小结
    本章参考文献
  第4章  总体的假设检验
    4.1  单个总体的假设检验
    4.2  两个总体的比较
    4.3  非参数检验方法
    4.4  本章小结
    本章参考文献
第二篇  交通数据传统回归方法
  第5章  线性回归与非线性回归
    5.1  线性回归
    5.2  非线性回归
    5.3  本章小结
    本章参考文献
  第6章  离散模型
    6.1  离散选择模型
    6.2  离散-连续模型
    6.3  计数模型
    6.4  本章小结
    本章参考文献
  第7章  时间序列模型
    7.1  时间序列概述
    7.2  时间序列及其分类
    7.3  时间序列分解
    7.4  时间序列预处理
    7.5  平稳时间序列分析
    7.6  平稳时间序列模型建立
    7.7  案例：道路交通事故预测
    7.8  本章小结
    本章参考文献

  第8章  贝叶斯模型
    8.1  蒙特卡洛法
    8.2  朴素贝叶斯分类法
    8.3  贝叶斯网络
    8.4  马尔可夫链蒙特卡洛法案例：船舶事故案例分析
    8.5  本章小结
    本章参考文献
  第9章  联立方程模型
    9.1  联立方程模型概述
    9.2  联立方程模型中变量的分类
    9.3  联立方程模型的分类
    9.4  联立方程模型的识别
    9.5  联立方程模型的识别条件
    9.6  联立方程模型的估计
    9.7  案例：交通运输经济效益研究
    9.8  本章小结
    本章参考文献
  第10章  面板数据模型
    10.1  面板数据
    10.2  混合回归模型
    10.3  固定效应模型
    10.4  随机效应回归模型
    10.5  本章小结
    本章参考文献
第三篇  机器学习
  第11章  无监督学习
    11.1  主成分分析
    11.2  孤立森林
    11.3  K-means聚类
    11.4  本章小结
    本章参考文献
  第12章  监督学习
    12.1  决策树
    12.2  集成学习
    12.3  支持向量机
    12.4  人工神经网络
    本章参考文献
  第13章  强化学习与半监督学习
    13.1  强化学习
    13.2  半监督学习
    13.3  本章小结
    本章参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目