城市大数据智能

目录前言
第1章城市大数据智能概述1
11城市大数据智能研究
背景1
12城市大数据智能研究
现状3
13本书的组织结构7
第2章城市移动群智感知8
21引言8
22相关工作10
23预备知识和问题
定义12
24移动群智感知方法14
241模型框架14
242数据覆盖率15
243数据收集任务
设计19
25实验方案与结果分析24
251实验方案24
252结果分析26
26本章小结30
第3章城市时空数据填补32
31引言32
32相关工作34
33预备知识和问题定义35
34基于多视图学习的数据
缺失填补方法36
341模型框架36
342全局空间视图37
343全局时间视图38
344局部空间视图39
345局部时间视图40
346时空多视图
学习40
35实验方案与结果分析41
351实验方案41
352结果分析44
36本章小结47
第4章城市空气质量预测48
41引言48
42相关工作49
43预备知识和问题定义51
44基于深度学习的空气
质量预测方法52
441模型框架52
442空间转换模块53
443DeepAir算法56
45实验方案与结果分析59
451实验方案59
452结果分析62
46本章小结66
第5章城市交通流预测67
51引言67
52相关工作69
53预备知识和问题定义71
54基于多模态深度学习的
交通流预测方法73
541模型框架73
542核心模块说明75
55实验方案与结果分析78
551实验方案78
552结果分析81
56本章小结88
第6章城市人流量预测89
61引言89
62相关工作91
63预备知识和问题定义93
64基于深度时空残差网络的
城市人流量预测方法94
641模型框架94
642时空特征提取
模块95
643外部因素模块97
644模型融合模块97
645算法框架与优化
方法100
646模型变体构建
方法101
65实验方案与结果分析103
651实验方案103
652结果分析108
66城市人流量预测
系统116
67本章小结119
第7章城市出租车路径推荐120
71引言120
72相关工作122
73预备知识和问题
定义123
74基于深度强化学习的
动态出租车路径推荐
方法124
741模型框架124
742时空特征
抽取126
743深度策略
网络129
744深度强化
学习131
75实验方案与结果
分析134
751实验方案134
752结果分析137
76本章小结140
第8章城市租房推荐141
81引言141
82相关工作143
83预备知识和问题
定义144
84基于元学习的城市租房
推荐方法146
841模型框架146
842特征抽取
模块148
843满意程度评估
模型150
85实验方案与结果
分析153
851实验方案153
852结果分析155
86城市租房推荐系统160
87本章小结161
第9章城市救护车部署162
91引言162
92相关工作164
93预备知识和问题定义166
94基于数据驱动的动态
救护车重新部署方法168
941模型框架168
942紧急度指标169
943优匹配
算法174
95实验方案与结果分析176
951实验方案176
952结果分析179
96本章小结188
第10章城市外卖配送优化189
101引言189
102相关工作191
103预备知识和问题定义192
104基于贪心与替换策略的
外卖配送任务分组
方法194
1041模型框架194
1042预处理195
1043可共享性196
1044空驶时间199
1045分组算法200
105实验方案与结果
分析203
1051实验方案203
1052结果分析206
106本章小结208
第11章地铁停站时间调度209
111引言209
112相关工作212
113预备知识和问题
定义213
114基于深度Q网络的动态
列车停站时间调度
方法214
1141模型框架214
1142深度Q网络设计
方法217
115实验方案与结果
分析223
1151实验方案223
1152结果分析226
116本章小结231
参考文献232