本书基于真实交通场景下的海量检测数据，构建从原始数据获取到数据处理分析再到演化规律建模最后实现智慧决策的全链条环节，形成从实际问题中来到实际应用中去的完整闭环。结合交通工程、数据科学、深度学习、线性代数、概率统计及运筹学等相关知识和方法，实现对不同类型、不同特征的海量交通检测数据进行挖掘分析。在此基础上，提出了一些系列方法完成对于大范围、细粒度检测数据的补全处理、分析建模，进一步挖掘出其中蕴含的演化规律，并将其赋能于数据驱动的出行路径规划。就研究问题而言，突破了缺失情形复杂的交通数据补全、非欧式道路网络拓扑建模、避免多步预测误差累计及考虑未来路况变化的路径规划等难点。