本书主要内容包括：(一)机器学习概述、模型评估与选择、有监督机器学习典型方法(线性模式、决策树、支持向量机及回归、感知机、大规模语言模型、LDA主题模型等)、无监督机器学习典型方法(K-means、模糊聚类算法、DBSCAN等)、强化学习典型学习方法(Q-learning，深度强化学习等)等；(二)交通系统理论基础知识，包括：交通系统分析，交通系统预测，交通选择决策行为，交通系统博弈等；(三)典型应用案例分析，包括：交通问题阐述，机器学习方法筛选，数据资料整合及构建交通参变量，模型构建与评估，应用效果分析讨论(交通拥堵致因分析、事故影响因素分析、交通参数/状态预测、车辆轨迹重构、无人机交通状态诊断、自动驾驶策略学习等)等；(四)机器学习方法在交通中的应用发展趋势。