全新正版城市大数据智能9787111735496机械工业出版社

目录前言<br />章城市大数据智能概述1<br />11城市大数据智能研究<br />背景1<br />12城市大数据智能研究<br />现状3<br />13本书的组织结构7<br />第2章城市移动群智感知8<br />21引言8<br />22相关工作10<br />预备知识和问题<br />定义12<br />24移动群智感知方法14<br />241模型框架14<br />242数据覆盖率15<br />243数据收集任务<br />设计19<br />25实验方案与结果分析24<br />251实验方案24<br />252结果分析26<br />26本章小结30<br />第3章城市时空数据填补32<br />31引言32<br />32相关工作34<br />33预备知识和问题定义35<br />34基于多视图学习的数据<br />缺失填补方法36<br />341模型框架36<br />342全局空间视图37<br />343全局时间视图38<br />344局部空间视图39<br />345局部时间视图40<br />346时空多视图<br />学习40<br />35实验方案与结果分析41<br />351实验方案41<br />352结果分析44<br />36本章小结47<br />第4章城市空气质量预测48<br />41引言48<br />42相关工作49<br />43预备知识和问题定义51<br />44基于深度学习的空气<br />质量预测方法52<br />441模型框架52<br />442空间转换模块53<br />443DeepAir算法56<br />45实验方案与结果分析59<br />451实验方案59<br />452结果分析62<br />46本章小结66<br />第5章城市交通流预测67<br />51引言67<br />52相关工作69<br />53预备知识和问题定义71<br />54基于多模态深度学习的<br />交通流预测方法73<br />541模型框架73<br />542核心模块说明75<br />55实验方案与结果分析78<br />551实验方案78<br />552结果分析81<br />56本章小结88<br />第6章城市人流量预测89<br />61引言89<br />62相关工作91<br />63预备知识和问题定义93<br />64基于深度时空残差网络的<br />城市人流量预测方法94<br />641模型框架94<br />642时空特征提取<br />模块95<br />643外部因素模块97<br />644模型融合模块97<br />645算法框架与优化<br />方法100<br />646模型变体构建<br />方法101<br />65实验方案与结果分析103<br />651实验方案103<br />652结果分析108<br />66城市人流量预测<br />系统116<br />67本章小结119<br />第7章城市出租车路径120<br />71引言120<br />72相关工作122<br />73预备知识和问题<br />定义1<br />74基于深度强化学习的<br />动态出租车路径<br />方法124<br />741模型框架124<br />742时空特征<br />抽取126<br />743深度策略<br />网络129<br />744深度强化<br />学习131<br />75实验方案与结果<br />分析134<br />751实验方案134<br />752结果分析137<br />76本章小结140<br />第8章城市租房141<br />81引言141<br />82相关工作143<br />83预备知识和问题<br />定义144<br />84基于元学习的城市租房<br />方法146<br />841模型框架146<br />842特征抽取<br />模块148<br />843满意程度评估<br />模型150<br />85实验方案与结果<br />分析153<br />851实验方案153<br />852结果分析155<br />86城市租房系统160<br />87本章小结161<br />第9章城市救护车部署162<br />91引言162<br />92相关工作164<br />93预备知识和问题定义166<br />94基于数据驱动的动态<br />救护车重新部署方法168<br />941模型框架168<br />942紧急度指标169<br />943很优匹配<br />算法174<br />95实验方案与结果分析176<br />951实验方案176<br />952结果分析179<br />96本章小结188<br />0章城市外卖配送优化189<br />101引言189<br />102相关工作191<br />103预备知识和问题定义192<br />104基于贪心与替换策略的<br />外卖配送任务分组<br />方法194<br />1041模型框架194<br />1042预处理195<br />1043可共享196<br />1044空驶时间199<br />1045分组算法200<br />105实验方案与结果<br />分析203<br />1051实验方案203<br />1052结果分析206<br />106本章小结208<br />1章地铁停站时间调度209<br />111引言209<br />112相关工作212<br />113预备知识和问题<br />定义213<br />114基于深度网络的动态<br />列车停站时间调度<br />方法214<br />1141模型框架214<br />1142深度网络设计<br />方法217<br />115实验方案与结果<br />分析2<br />1151实验方案2<br />1152结果分析226<br />116本章小结1<br />参考文献2

随着大数据、人工智能技术和城市化的快展，智慧城市管理已经迈入大数据时代。围绕城市管理相关领域积累了海量数据，如何有效地从这些大数据中进行深度挖掘、智能学习并获取有用知识已成为当前智慧城市发展亟待解决的关键问题。本书针对城市大数据发展现状，梳理总结了我国城市大数据智能创新应用方面成果，涵盖了大数据处理的关键技术和城市计算研究的核心模型与算法，涉及城市大数据感知及、空气质量预测、交通流预测、人流量预测、出租车路径、租房、救护车部署、外卖配送优化和地铁停站时间调度等应用领域，力图展现我国城市大数据分析与智能处理的研究进展。

本着务实具体、详略得当、启发创新的指导思想，主要特色如下：<br> ?着眼于城市大数据智能化场景，从数据感知和数据等角度，提出了基于移动群体的感知技术、时空数据替补技术等，专注解决城市大数据智能应用所面临的数据质量挑战。<br> ?面向多个城市智能应用场景，如空气质量、交通流预测等，提出多种深度预测的模型与算法，促进城市大数据智能自动发现有价值的规律和知识，使数据与知识联合驱动智慧城市进行高效的、智能的管理决策成为可能。<br> ?基于城市时空大数据中存在的时空关联、动态突变和不确定等特点，利用深度学习和强化学习等技术，为应对多模态时空融合和时空动态演化等问题与挑战，提供多种有效方案，为智慧城市的发展和大数据智能应用的成功提供了有力支持。