课程名称：交通大数据分析（Transportation Big Data Analytics ）
课程时间：第3-7周，周二第2节（10:10-12:00），周四第4节（14:10-16:00）。共计20学时
上课地点：周二第2节YF513，周四第4节（14:10-16:00）SY201。
课程性质：研究生双语讲座式课程（中文讲授、英文课件）
考核方式：考察（拟采用分组课程大作业）
学分认定：通过者记非选课程专题研讨及前沿讲座2学分（等同8次讲座）
课程网站（含课件PPT）：http://person.zju.edu.cn/xiqun/685136.html
 
课程简介：本课程讲授交通大数据分析的理论基础，包括大数据分类理论、回归理论、正则化理论、无监督学习以及交通大数据融合方法。本课程的第一部分讲解现有交通大数据的案例分析，典型系统及数据集包括PeMS、NGSIM、TIMS、出租车、手机数据、微波、卡口、事故数据集等。这一部分有助于对交通大数据的来源及分类进行直观了解。本课程的第二部分详细讲解交通大数据分析理论和方法，分为交通大数据分类理论、回归理论、正则化理论、无监督学习。其中分类理论包括线性模型、逻辑模型、判别分析、决策树、支持向量机；回归理论包括线性基函数模型、贝叶斯回归、回归树、克里金回归、支持向量回归；正则化理论包括岭回归、Lasso、模型优化选择、数据降维；无监督学习包括聚类分析、混合高斯、主成分分析。最后分别结合典型的交通大数据应用讲解以上方法在智能出行行为、交通仿真优化、交通流预测、交通流数据融合等问题上的应用。这一部分面向理论和方法，结合课堂讲授和课后作业，有助于掌握交通大数据分析的基础理论和应用技巧。本课程的第三部分介绍城市交通大数据的典型应用领域，包括地理信息点位的时空动态分布、大数据背景下的居民出行特征、应用多源异构数据进行交通拥堵特征分析及判别、基于个体和群体的交通需求演变、基于大数据的交通事故分析等。这一部分面向实际应用，有助于加深对交通大数据分析理论方法的理解。
 
教学目的与要求：本课程的目的是使学生熟练掌握交通大数据分析理论和方法，且能够针对典型交通数据集进行分类、回归、聚类、优化、融合、预测等分析，为学生进行交通工程方向的研究工作奠定基础。了解交通大数据定义、分类、城市交通领域数据资源、交通相关领域数据资源，掌握大数据的分析方法，包括分类理论、回归理论、正则化理论、无监督学习等。在此基础上熟悉城市交通特征、交通仿真优化、交通流数据融合和短时预测、交通事故数据分析、智能出行行为、典型交通大数据系统等内容。本课程采取双语教学方式，一方面加强研究生对交通运输工程专业知识，尤其是对当今交通大数据研究领域的新方向、新方法、新技术的认识和了解；另一方面加强研究生对专业英语的掌握，提高英文论文阅读、写作和演讲水平。