《交通大数据处理与分析》全书共8章，内容围绕“行业背景→理论基础→技术工具→数据管理→数据可视化→数据处理→数据分析→实验”这一结构思路展开，旨在为交通运输类专业学生和相关从业人员介绍交通大数据处理与分析领域的基础理论和实用技术工具。
该教材入选教育部首批虚拟教研室建设试点——交通工程专业虚拟教研室系列教材。本书可作为高等院校交通运输类专业本科生、研究生的教材，也可作为交通工程师、交通数据分析师及其他相关从业人员的参考书。

第1章 绪论
第1节 背景
第2节 基本概念
第3节 国内外研究进展
第4节 国内外典型案例
第5节 如何使用这本书
课后习题
参考文献
第2章 理论基础
第1节 工程大数据与信息论
第2节 计算理论
第3节 数据内容与结构
第4节 统计学基础
第5节 人工智能与机器学习
课后习题
参考文献
第3章 技术工具
第1节 数据库的分类
第2节 关系型数据库
第3节 MySQL数据库安装
第4节 非关系型数据库
第5节 Python简介
第6节 Python库函数
第7节 Hadoop简介
第8节 正则表达式
课后习题
参考文献
第4章 数据管理
第1节 常见交通数据存储格式
第2节 SQL语言
第3节 数据库创建
第4节 用户权限和资源管理
第5节 数据类型
第6节 数据表
第7节 数据导入和导出
第8节 数据视图
第9节 存储过程和触发器
课后习题
参考文献
第5章 数据可视化
第1节 数据可视化概述
第2节 地理信息系统ArcGIS
第3节 EChalts
第4节 常用交通数据指标可视化
第5节 时间数据可视化
第6节 空间数据可视化
第7节 时-空静态数据可视化
第8节 时-空动态数据可视化
课后习题
参考文献
第6章 数据处理
第1节 数据排序
第2节 数据滤波
第3节 数据抽样
第4节 数据插值
第5节 数据特征缩放
课后习题
参考文献
第7章 数据分析
第1节 交通数据统计
第2节 交通数据概率分布验证
第3节 相关性分析法
第4节 回归分析法
第5节 Bayesian算法
第6节 随机森林算法
第7节 神经网络
课后习题
参考文献
第8章 实验
第1节 数据库创建实验
第2节 数据导人导出实验
第3节 数据查询和视图制作实验
第4节 数据库编程实验
第5节 交通参数指标统计实验
第6节 数据排序实验
第7节 数据滤波实验
第8节 数据抽样实验
第9节 数据插值实验
第10节 数据概率分布验证实验
第11节 相关性分析实验
第12节 一元线性回归分析实验
第13节 多元线性回归分析实验
第14节 交通状态分类实验一（Bayesian）
第15节 交通状态分类实验二（随机森林）
第16节 交通量时间序列预测实验（一：MLP）
第17节 交通量时间序列预测实验（二：RNNs、LSTMs）
第18节 交通量时间序列预测实验（三：CNN）
第19节 基于GPU并行计算的多0D最短路计算实验
第20节 基于Hadoop+Hive的分布式数据库搭建实验
参考文献