一、課程名稱
1．中文名稱：交通數據分析與建模
2．英文名稱：Transportation Data Analysis and Modeling
二、課程概況
課程類別：專業學位課 學時數：32 學分數：2
適用專業：交通運輸規劃與管理/交通運輸 開課學期🦸🏻♂️：第一學期
開課單位：意昂2开户
三、大綱編寫人：翁金賢▶️、於棋峰
四、教學目的及要求
大數據技術發展為道路交通的發展與建設提供了新的機遇🧑🧒🧒⏭，交通流數據、車輛活動數據、行人出行數據、公交車輛運行數據🏩、基於移動通信的用戶空間移動數據等✌🏼🍁，構成了龐大的多源信息環境。《交通數據分析與建模》旨在基於這些交通大數據為交通工程專業學生提供全面系統的專業數據分析與建模理論方法👨🏻🍳，並通過應用案例分析增強學生對交通大數據分析和建模理論知識的理解和實際應用分析能力。
通過本課程的學習使學生了解交通大數據的基本來源🔵、應用場景；掌握交通大數據常用回歸分析方法及模型構建原理🧒🏿；掌握交通大數據常用分類分析方法及模型構建原理；熟悉其他常用交通數據分析方法🏚🙍🏽♂️，包括時間序列分析、計數模型👱🏿、貝葉斯模型等；掌握無監督學習中的異常數據檢測🧸、降維和常用分析方法；學會應用交通數據分析和建模方法並結合實際交通數據對具體交通問題進行分析和建模；通過本課程學習，希望學生能夠形成較為全面的數據分析和建模思維，為從事專業技術工作以及科學研究打下基礎👩🏿🍼。
五、課程主要內容及先修課程
課程主要內容：
第1章 交通大數據 （2學時）
1.1 概述
1.2 交通大數據源
1.3 交通大數據應用案例
1.4 數據分析軟件
第2章 交通數據回歸分析 （4學時）
2.1 高斯分布
2.2 假設檢驗
2.3 基本線形函數模型
2.4 支持向量機回歸模型
2.5 應用案例分析（出行時間預測）
第3章 交通數據分類分析 （8學時）
3.1 分類樹回歸
3.2 Bagging法
3.3 Boosting法
3.4 Logistic回歸
3.5 最小二乘概率分類
3.6 隨機森林
3.7 應用案例分析
3.4.1交通模式檢測
3.4.2碰撞事故分析
3.4.3實時風險評估
第4章 其他數據分析（6學時）
4.1 時間序列分析
4.2 計數模型
4.3 生存分析
4.4 貝葉斯模型
4.5 應用案例分析
第5章 無監督學習（8學時）
5.1 異常檢測
5.2 無監督降維
5.3 聚類
5.4 主成分分析
5.5 概率主成分分析
5.6 應用案例分析
第6章 深度學習（4學時）
6.1 基本概念
6.2 神經網絡
6.3 應用案例分析
先修課程⛓️💥：
1. 《交通工程導論》或《交通運輸工程學》
2. 《概率論與數理統計》
3. 《高等數學》
六、課程教學方法
學習交通數據分析和建模的目的就是能利用大數據分析技術🤾♂️，解決實際交通中傳統方法不能較好解決的問題🕥，獲取有關交通中多源多態的數據，進而實現實時交通狀態評估和預測。交通大數據應用課程教學中，利用交通大數據分析軟件，可以訓練學生的編程能力😇，進而獨立進行基礎交通大數據軟件開發。另一方面運用多媒體教學法，提高學生對教學內容的興趣和註意力，激發學生的學習積極性與創造性。
為更好的幫助學生理解和掌握交通大數據分析技術，將定期讓學生參與課程相關的科研工作，提高理論聯系實際的效果，增強學生解決問題的能力🏌🏽♀️🍋，激勵學生對該課程學習的積極性🫄🏼。
七、課程考核方式
本課程要求學生按時到課，積極參加課堂討論，認真完成課後作業，認真準備課程學期論文。
課程考核采用課程論文與課後作業相結合的方式。
課程成績包括：課程討論（含考勤）占10%，課後作業占30%，課程論文占60%。
八🍢、課程使用教材
自編課件
九、課程主要參考資料
[1]. Simon P. Washington, Matthew G. Karlaftis, Fred, L. Mannering. Statistical and Econometric Methods for Transportation Data Analysis. CRS Press, 2011.
[2]. 楊東援🙍🏻🧑🏽🎨，段征宇. 大數據環境下城市交通分析技術. 同濟大學出版社👧🏻，上海，2015.
[3]. Ian Goodfellow, Yoshua Bengio, Aaron Courville著，趙申劍等譯. 深度學習👷🏿，人民郵電出版社，北京👨🏿🌾，2017.
[4]. James, G., Witten, D., Hastie, T. and Tibshirani, R., An Introduction to Statistical Learning. Springer, New York. 2013.
[5]. Christopher, M. B., Pattern Recognition and Machine Learning. Springer, New York. 2006.
[6]. 李紅松等. 數據統計分析方法與技術. 經濟管理出版社，北京🦌，2014.