课程链接: https://www.coursera.org/learn/equilibrio-redes-transporte
随着城市化进程的加快，交通规划成为城市可持续发展的关键因素之一。Coursera平台上的《¿Cómo viajamos por la ciudad? Asignación y equilibrio en redes de transporte》课程，为学习者提供了关于城市交通系统中人流动的深刻理解和实用工具。本课程由基础到高级，系统介绍了交通分配与平衡的核心概念，包括无拥堵情况下的网络分配、交通拥堵的平衡状态、公共交通系统的行为建模以及市场平衡的复杂互动。课程内容丰富，结合实际案例，帮助学员掌握预测和优化城市交通流的技能。不论是交通工程专业学生，还是城市规划师，亦或对交通系统感兴趣的学习者，都能从中获益。强烈推荐希望深入理解城市交通行为与优化策略的朋友们选修这门课程，为未来的城市交通解决方案提供坚实基础！
课程链接: https://www.coursera.org/learn/equilibrio-redes-transporte
课程链接: https://www.udemy.com/course/traffic-forecasting-with-python-lstm-graph-neural-network/
随着智慧城市的不断发展，交通预测成为城市管理和优化的重要环节。近期我发现了一门非常实用的Udemy课程——《Traffic Forecasting with Python: LSTM & Graph Neural Network》，这门课程专为希望掌握先进交通预测技术的学习者设计。在课程中，您将深入学习如何利用Python中的LSTM和图卷积网络（GCNs）对交通数据进行建模与预测。课程采用真实的PeMSD7交通速度数据集，通过实战操作，帮助学员掌握数据预处理、特征工程、模型构建及评估的全过程。不仅如此，课程还详细讲解如何结合时空数据的特点，使用TensorFlow和Keras实现复杂模型，极大提升了实用性。无论你是数据科学、人工智能领域的从业者，还是对智能交通、城市规划感兴趣的学习者，这门课程都能为你提供扎实的技术基础和实际技能。通过学习，你将能够开发出高精度的交通预测模型，为智慧城市的交通管理提供有力的技术支持。强烈推荐给希望提升自己在交通预测及深度学习领域竞争力的朋友们！
课程链接: https://www.udemy.com/course/traffic-forecasting-with-python-lstm-graph-neural-network/