目录

第1篇传统方法篇

第1章基础知识与概述

1.1移动大数据

1.1.1移动数据的来源

1.1.2移动数据的种类

1.1.3移动数据的收集方法

1.2移动数据挖掘概述

1.2.1移动数据挖掘的定义

1.2.2移动数据挖掘需要的技术

1.2.3面向数据挖掘的分布式计算基础

1.3移动数据挖掘应用领域

1.3.1领域一： 互联网应用

1.3.2领域二： 城市规划与治理

1.3.3领域三： 环境保护与可持续发展

1.3.4领域四： 公共卫生管理与政策制定

1.3.5领域五： 城市科学

1.4移动数据挖掘的经典案例

1.4.1案例一： 传染病防控

1.4.2案例二： 犯罪预测

1.4.3案例三： 空气污染治理

1.5本书结构

1.6本章小结

参考文献

第2章时间序列分析方法

2.1时间序列概述

2.1.1时间序列的定义

2.1.2时间序列的性质

2.1.3时间序列分析的目的

2.2时域分析方法

2.2.1自回归模型

2.2.2移动平均模型

2.2.3自回归移动平均模型

2.2.4差分整合移动平均自回归模型

2.3频域分析方法

2.3.1离散时间傅里叶变换

2.3.2小波变换

2.4案例一： 规律预测

2.4.1问题描述

2.4.2方法运用

2.4.3结果分析

2.5案例二： 异常检测

2.5.1问题描述

2.5.2方法运用

2.5.3结果分析

2.6案例三： 模式分析Ⅰ

2.6.1问题描述

2.6.2方法运用

2.6.3结果分析

2.7案例四： 模式分析Ⅱ

2.7.1问题描述

2.7.2方法运用

2.7.3结果分析

2.8本章小结

参考文献

第3章网络模型分析方法

3.1网络模型概述

3.1.1网络模型的定义

3.1.2网络中的度量

3.1.3真实网络的性质

3.2三角形计数算法

3.2.1网络中的三角形

3.2.2深入三角形计数算法

3.3社群发现算法

3.3.1社群发现与模块度

3.3.2Louvain算法

3.3.3基于PageRank的社群发现算法

3.4案例一： 移动行为模式分析

3.4.1问题描述

3.4.2结果分析

3.5案例二： 移动社交网络分析

3.5.1问题描述

3.5.2结果分析

3.6本章小结

参考文献

第4章统计概率建模方法

4.1常用概率分布及特性

4.1.1基本概念

4.1.2常用离散分布

4.1.3常用连续分布

4.2概率建模理论与方法

4.2.1大数定律和中心极限定理

4.2.2样本与统计量

4.2.3点估计与置信区间

4.2.4选择合适的概率分布

4.3案例一： 人类移动行为建模

4.3.1问题描述

4.3.2个体移动建模

4.3.3群体移动建模

4.4案例二： 移动行为与城市发展

4.4.1问题描述

4.4.2方法运用

4.4.3结果分析

4.5本章小结

参考文献

第2篇一般机器学习篇

第5章聚类挖掘方法

5.1聚类挖掘方法概述

5.1.1机器学习方法概述

5.1.2聚类方法概述

5.2层次聚类算法

5.3k均值聚类算法

5.4其他聚类算法

5.5案例一： 移动轨迹模式聚类

5.5.1问题描述

5.5.2方法运用

5.5.3结果分析

5.6案例二： 地点访问规律发现

5.6.1问题描述

5.6.2方法运用

5.6.3结果分析

5.7本章小结

参考文献

第6章降维挖掘方法

6.1降维挖掘方法概述

6.2矩阵分解降维： PCA与SVD

6.2.1主成分分析

6.2.2奇异值分解

6.3可视化降维： tSNE

6.4案例一： 人类移动行为分析

6.4.1问题描述

6.4.2方法运用

6.4.3结果分析

6.5案例二： 轨迹模式可视化

6.5.1问题描述

6.5.2方法运用

6.5.3结果分析

6.6本章小结

参考文献

第7章分类挖掘方法

7.1分类挖掘方法概述

7.2支持向量机

7.2.1基本概念

7.2.2问题求解

7.2.3模型扩展

7.3决策树

7.3.1基本概念

7.3.2问题求解

7.3.3过拟合与剪枝

7.3.4连续变量与缺失变量处理

7.3.5集成学习与决策树

7.4案例一： 交通出行预测

7.4.1问题描述

7.4.2方法运用

7.4.3结果分析

7.5案例二： 出租车行程预测

7.5.1问题描述

7.5.2方法运用

7.6本章小结

参考文献

第3篇高等机器学习篇

第8章表征学习

8.1表征学习概述

8.1.1背景

8.1.2问题定义

8.1.3表征学习的主要作用

8.2文本表征Word2Vec

8.2.1Word2Vec概述

8.2.2Word2Vec原理与方法

8.2.3Word2Vec应用

8.3图表征学习

8.3.1图基础理论

8.3.2图机器学习任务

8.3.3图表征学习方法

8.3.4图神经网络

8.4案例一： 移动地点表征

8.4.1问题描述

8.4.2方法运用

8.4.3结果分析

8.4.4案例总结

8.5案例二： 移动用户表征

8.5.1问题描述

8.5.2方法运用

8.5.3结果分析

8.5.4案例总结

8.6案例三: 移动App表征

8.6.1问题描述

8.6.2方法运用

8.6.3结果分析

8.6.4案例总结

8.7本章小结

参考文献

第9章深度学习方法

9.1深度学习概述

9.1.1深度学习的历史和发展

9.1.2基本概念和术语

9.1.3神经网络基础

9.1.4深度学习与传统机器学习的区别

9.2卷积神经网络的基本结构和发展

9.2.1卷积神经网络的基本结构

9.2.2卷积神经网络的发展

9.3循环神经网络的基本结构和发展

9.3.1循环神经网络的基本结构

9.3.2循环神经网络的发展

9.4时空网络

9.4.1时空网络概述

9.4.2时空网络数据类型

9.4.3深度时空网络

9.5案例一： 移动轨迹预测

9.5.1问题描述

9.5.2方法运用

9.5.3结果分析

9.5.4案例总结

9.6案例二： 移动人流量预测

9.6.1问题描述

9.6.2方法运用

9.6.3结果分析

9.6.4案例总结

9.7案例三： 交通流量预测

9.7.1问题描述

9.7.2方法运用

9.7.3结果分析

9.7.4案例总结

9.8本章小结

参考文献

第10章图神经网络

10.1概述

10.1.1图与图结构数据

10.1.2图机器学习问题

10.1.3图神经网络基础

10.2典型的图神经网络

10.2.1图卷积网络

10.2.2GraphSAGE

10.2.3图注意力网络

10.2.4图神经网络对比

10.3案例一： 不规则移动人流预测

10.3.1问题描述

10.3.2方法运用

10.3.3结果分析

10.3.4不规则移动人流预测案例总结

10.4案例二： 移动OD预测

10.4.1问题描述

10.4.2方法运用

10.4.3结果分析

10.4.4移动OD预测案例总结

10.5案例三： 移动App预测

10.5.1问题描述

10.5.2方法运用

10.5.3结果分析

10.5.4移动App预测案例总结

10.6本章小结

参考文献

第4篇推荐系统篇

第11章推荐系统基础

11.1推荐系统概述

11.1.1推荐系统产生背景

11.1.2推荐系统基本概念

11.2推荐系统技术基础

11.2.1基于内容的推荐系统 

11.2.2基于协同过滤的推荐系统

11.2.3基于隐因子的推荐系统 

11.2.4不同方法的对比与融合 

11.3基于深度学习的推荐系统

11.3.1使用深度学习的原因

11.3.2匹配函数学习 

11.3.3表征学习 

11.4推荐系统最新进展

11.4.1图神经网络

11.4.2扩散模型

11.4.3大语言模型

11.5推荐系统的评估与应用

11.5.1推荐系统的评估及其指标

11.5.2推荐系统的应用与场景

11.6本章小结

参考文献

第12章移动大数据与推荐系统

12.1移动大数据催生移动推荐系统

12.2移动推荐系统的应用场景

12.2.1旅游辅助

12.2.2路线推荐

12.2.3信息推荐

12.3本章小结

参考文献

第13章移动App推荐

13.1问题概述

13.2方法综述

13.2.1基于张量的方法

13.2.2基于图模型的方法

13.3案例一： 基于社交信息辅助的App推荐

13.3.1问题描述

13.3.2方法运用

13.3.3结果分析

13.4案例二： 基于图神经网络的App推荐

13.4.1问题描述

13.4.2方法运用

13.4.3结果分析

13.5案例三： 基于超图神经网络的App推荐

13.5.1问题描述

13.5.2方法运用

13.5.3结果分析

13.6本章小结

参考文献

第5篇前沿研究篇

第14章移动行为建模

14.1移动行为概述

14.1.1移动行为至关重要

14.1.2移动行为研究历史

14.1.3更加复杂的移动行为建模

14.2问题描述与分析

14.2.1移动行为数据

14.2.2移动行为度量指标

14.3已有典型研究

14.3.1个体移动模型

14.3.2群体移动模型

14.4研究要点与关键

14.4.1与交叉学科的深度耦合

14.4.2内在机理和普适规律兼具

14.4.3基于人工智能的深度建模

14.4.4移动行为建模与城市计算问题

14.5开放性研究问题

14.5.1移动行为建模引入信息论

14.5.2移动行为建模引入物理模型

14.5.3移动行为建模与强化学习的思想进行对比

14.5.4考虑社交网络影响

14.5.5研究物理模型的关键参数

14.5.6非稳态视角看待人类移动

14.6本章小结

参考文献

第15章城市科学

15.1城市科学概述

15.2研究问题

15.3已有典型研究

15.3.1城市规模定律

15.3.2城市人群区隔与不平等

15.3.3城市韧性与可持续发展

15.4研究要点与关键

15.5开放性研究问题

15.5.1城市建成环境对群体动态的影响

15.5.2数据驱动的城市智能

15.5.3城市规划与自发增长的内在关联

15.5.4生成式城市智能体研究

15.6本章小结

参考文献

第16章移动不平等性

16.1问题描述与分析

16.1.1不平等性研究背景

16.1.2移动与不平等性

16.2已有典型研究

16.2.1移动行为不平等

16.2.2社会隔离

16.2.3环境与健康不平等

16.3研究要点与关键

16.3.1问题选取与思路

16.3.2不平等性研究范式

16.4开放性研究问题

16.4.1不平等性研究中的因果分析

16.4.2线上与线下的隔离

16.4.3溯源移动不平等性

16.4.4移动数据标签不平等性

16.5本章小结

参考文献