第1 章　绪论 1 第1 节　背景 1 第2 节　基本概念 2 第3 节　国内外研究进展 6 第4 节　国内外典型案例 9 第5 节　如何使用这本书 11 课后习题 13 参考文献 13 第2 章　理论基础 15 第1 节　工程大数据与信息论 15 第2 节　计算理论 17 第3 节　数据内容与结构 17 第4 节　统计学基础 18 第5 节　人工智能与机器学习 26 课后习题 27 参考文献 28 第3 章　技术工具 29 第1 节　数据库的分类 29 第2 节　关系型数据库 29 第3 节　MySQL 数据库安装 31 第4 节　非关系型数据库 32 第5 节　Python 简介 35 第6 节　Python 库函数 38 第7 节　Hadoop 简介 42 第8 节　正则表达式 45 课后习题 50 参考文献 51 第4 章　数据管理 52 第1 节　常见交通数据存储格式 52 第2 节　SQL 语言 56 第3 节　数据库创建 57 第4 节　用户权限和资源管理 58 第5 节　数据类型 61 第6 节　数据表 62 第7 节　数据导入和导出 65 第8 节　数据视图 70 第9 节　存储过程和触发器 74 课后习题 76 参考文献 76 第5 章　数据可视化 78 第1 节　数据可视化概述 78 第2 节　地理信息系统ArcGIS 81 第3 节　ECharts 87 第4 节　常用交通数据指标可视化 100 第5 节　时间数据可视化 103 第6 节　空间数据可视化 106 第7 节　时-空静态数据可视化 108 第8 节　时-空动态数据可视化 109 课后习题 113 参考文献 113 第6 章　数据处理 115 第1 节　数据排序 115 第2 节　数据滤波 117 第3 节　数据抽样 124 第4 节　数据插值 127 第5 节　数据特征缩放 130 课后习题 132 参考文献 132 第7 章　数据分析 133 第1 节　交通数据统计 133 第2 节　交通数据概率分布验证 136 第3 节　相关性分析法 142 第4 节　回归分析法 148 第5 节　Bayesian 算法 153 第6 节　随机森林算法 155 第7 节　神经网络 158 课后习题 168 参考文献 169 第8 章　实验 170 第1 节　数据库创建实验 170 第2 节　数据导入导出实验 175 第3 节　数据查询和视图制作实验 178 第4 节　数据库编程实验 185 第5 节　交通参数指标统计实验 187 第6 节　数据排序实验 192 第7 节　数据滤波实验 194 第8 节　数据抽样实验 198 第9 节　数据插值实验 202 第10 节　数据概率分布验证实验 205 第11 节　相关性分析实验 207 第12 节　一元线性回归分析实验 210 第13 节　多元线性回归分析实验 211 第14 节　交通状态分类实验一（Bayesian） 212 第15 节　交通状态分类实验二（随机森林） 219 第16 节　交通量时间序列预测实验（一:MLP） 221 第17 节　交通量时间序列预测实验（二:RNNs、LSTMs） 224 第18 节　交通量时间序列预测实验（三:CNN） 227 第19 节　基于GPU 并行计算的多OD 最短路计算实验 230 第20 节　基于Hadoop + Hive 的分布式数据库搭建实验 234 参考文献 256