透过大数据把脉城市交通（面向未来的交通出版工程）

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