交通數據分析與應用研究生課程教學的思考與探索

段征宇　余榮杰　李瑋峰

[摘 要] 數據分析技術的發展和交通數據產業鏈的形成對交通數據分析師的培養提出了新需求?；谕瑵髮W交通工程專業碩士研究生課程交通數據分析與應用的教學實踐，從課程培養目標、內容設置和實驗平臺建設等方面對教學實踐中的思考和探索進行總結，為交通數據的課程教學和人才培養提供參考。

[關鍵詞] 交通數據分析;交通工程;大數據;研究生課程

[作者簡介] 段征宇（1978—），男，博士，副教授，研究方向：交通運輸規劃與管理、交通數據分析;余榮杰（1989—），男，博士，副教授，研究方向：交通安全、駕駛行為、交通數據分析;李瑋峰（1990—），男，博士，助理研究員，研究方向：交通運輸規劃與管理、交通數據分析。

[中圖分類號] G643? ? [文獻標識碼] A? ? [文章編號] 1674-9324（2020）25-0200-03? ? [收稿日期] 2019-10-11

一、學科發展和人才培養需求

我國高等學校交通工程專業旨在培養從事交通規劃、設計和運行管理等方面的人才。近年來，在第四次工業革命的背景下，信息技術、能源技術等的快速發展，引起了交通工程領域的巨大變化。信息技術與控制技術的結合推動了車輛的自動化（自動駕駛）、共享化和電動化[1];互聯網與共享經濟的結合，催生了“出行即服務”（Mobility as a Service，MaaS）的新型交通服務模式;新能源技術的發展，推進了電動汽車的應用[2]。在上述背景下，基于多源、海量、異構的連續數據環境，應用新興數據分析技術支撐更安全、高效的交通系統構建，成為交通工程專業人才培養的新要求。

交通工程學科經歷了近70年的發展。其中，微觀交通流理論與方法形成于20世紀50年代，主要研究道路路段、交叉口的交通流特征和規律，以及車輛跟馳、換道、排隊等行為規律。到了20世紀60年代，隨著城市化的發展和大規模交通基礎設施建設，形成了以“四階段法”為代表的網絡交通流理論與方法。20世紀70年代，隨著交通供需矛盾的日益突出，人們逐漸意識到需要從交通需求管理等交通政策角度來尋找解決交通問題的途徑，因此，需要研究個體的交通選擇行為，由此形成了交通行為分析方法。從20世紀90年代開始，隨著智能交通系統（Intelligent Transportation System，ITS）技術的不斷發展，通過感應線圈、微波雷達、視頻等自動采集設備，以及移動通信數據、公交IC卡數據等位置獲取技術，可以對交通系統的運行狀態、出行者和交通工具等進行實時、連續和全面（大樣本甚至全樣本）的觀測，這為交通工程研究者提供了一種全新的數據環境。更為完備的數據環境和新的科學研究范式對交通工程學科產生了革命性的影響[3]。

傳統交通工程專業主要培養交通規劃師、交通設計師和交通模型師三類技術人才。隨著交通數據分析和信息服務產業的發展，交通數據分析人才的需求越來越大，交通數據分析師的培養迫在眉睫。交通數據分析師是一種復合型人才，不僅要精通數據分析方法，還需要深入理解交通業務，能運用數據分析方法發現和解決交通問題[3]。

同濟大學交通工程專業從2003年開始，通過深圳城市交通仿真系統一期和二期項目、國家自然科學基金重點項目等一系列課題的研究和實踐，初步形成了交通大數據分析領域的系統性成果[4，5]。從2010年開始，在交通工程專業的課程體系中增加了交通數據分析課程，形成了覆蓋本科生、碩士生和博士生的交通數據分析課程體系。其中，本科課程包括交通調查與分析、交通統計分析、交通數據處理與統計分析課程設計;碩士研究生課程包括交通數據分析與應用;博士生課程包括城市與交通數據及信息分析方法。

二、課程目的和能力培養

面向交通數據分析師的培養需求，一方面，在本科相關課程的基礎上，碩士階段的課程要求學生掌握高階數據分析方法，為研究工作的開展提供基礎;另一方面，需要培養學生數據分析方法的應用能力，切實解決實際交通問題。因此，碩士研究生課程交通數據分析與應用的目的是重點培養學生的以下五大能力。

1.利用常規數理統計模型處理交通數據的能力。在本科階段的課程中，已經講授了描述性統計、線性回歸模型、計數模型、離散選擇模型等常規數理統計模型以及相關統計分析軟件的使用;在碩士研究生階段，重點培養學生綜合運用這些數理統計模型處理實際交通數據的能力。

2.理解和掌握高階數理統計模型的能力。在本科階段的課程基礎上，圍繞數理統計分析方法（時間序列分析模型、空間相關性分析模型和多層數據分析模型等）和機器學習分析方法（決策樹模型、神經網絡模型、深度學習模型等）的基礎理論及在分析交通數據中的適用性，使學生能夠理解和掌握這些高階數理統計模型的基本原理和建模過程。

3.多源、異構、大規模交通數據的處理能力。在交通工程的研究和應用過程中，面對的交通數據通常是來自不同的數據源或傳感器，具有不同的數據結構或數據格式，并且具有較大的數據規模，因此，需要培養學生理解多源、異構交通數據的能力，能夠識別和修復數據質量問題，并處理為表征交通狀態和交通行為的特征信息，使學生了解常用的數據庫軟件、并行計算平臺，并能通過編程工具處理較大規模的交通數據。

4.數據挖掘模型、深度學習模型的應用能力。在講授高階數理統計模型的基礎上，通過道路交通運行狀態分析、公交運行狀態分析、公交客流需求分析、交通需求分析、交通安全管理和駕駛行為分析等專題，培養學生應用數據挖掘模型、深度學習模型等高階數理統計模型的能力。

5.基于數據分析結果，分析和解決交通問題的能力。對于交通工程專業的學生，除了需要掌握交通數據處理、建模和應用，還需要能夠理解數據分析結果所反映的交通問題，建立交通數據與傳統交通流模型、交通行為模型和交通規劃模型之間的關系，運用交通設計、管理和規劃方法，提出解決實際交通問題的思路和方案。

三、課程內容設置

碩士研究生課程交通數據分析與應用采用理論與實踐相結合的教學模式，強調課堂講授和數據分析實踐并重，通過實踐深入理解和掌握數據分析方法。

在課程內容上，銜接本科階段的通識課程概率論與數理統計和專業基礎課程交通調查與分析、交通統計分析。課程教學內容分為數據分析方法、數據應用專題兩大板塊。

1.數據分析方法板塊。講授數理統計分析方法，包括多元線性回歸模型、計數數據模型、離散選擇模型、時間序列分析模型、多層數理統計模型;機器學習分析方法，包括決策樹模型、神經網絡模型、深度學習模型等。

2.數據應用專題板塊。結合實際交通數據和交通應用，講授交通數據質量控制方法、道路交通運行狀態分析、公交運行狀態分析、公交客流需求分析、基于多源數據的交通需求分析、交通安全管理數據分析和駕駛行為分析等應用專題。

課程作業采用實際交通數據集，包括感應線圈數據、浮動車車速數據、公交IC卡數據、公交GPS數據和車輛牌照識別數據等。

課程作業分為應用型作業和綜合型大作業。應用型作業主要是運用所學的某一類數據分析方法或模型，利用實際交通數據進行分析和建模。目前的應用型作業包括基礎數理統計模型、數據挖掘模型、交通數據質量控制和道路交通運行狀態分析等。由于班級人數近70人，未來考慮采用分組方式設置綜合型大作業，培養學生綜合運用數據分析方法解決實際交通問題的能力。

在考核形式上，作業成績和期末考試成績各占50%的權重，強調通過平時作業實踐掌握數據分析方法、理解和解決實際交通問題的能力。

四、實驗平臺建設

為更好地支撐數據分析課程的教學與實踐，同濟大學交通運輸工程學院的交通數據科學研究中心正在建設交通大數據教學實驗平臺。平臺從功能認知、基礎數據和模型算法三方面支撐交通數據分析與應用課程。

1.功能認知。這部分內容穿插在課堂教學的數據應用專題板塊，通過城市級的交通大數據分析功能和可視化，給學生更為直觀和具體的認知，了解目前城市交通大數據應用現狀，激發學生的學習興趣。比如，交通擁堵指數、等時線分析、公交客流需求分析、公交可達性分析、公交線路優化決策支持等。

2.基礎數據。通過教學實驗平臺，為學生作業提供基礎數據集。數據集包括兩大類，一是原始數據，也就是來自于傳感器或ITS系統的數據，比如，線圈檢測器數據、出租車GPS數據、公交IC卡數據等;二是指標數據，即從原始數據中提煉的交通特征信息或分析指標數據，比如，交通指數數據、道路車速數據、公交OD數據等。

3.模型算法。教學實驗平臺對常用的交通數據分析算法和模型進行了封裝，在此基礎上提供了二次開發的功能。學生可以根據研究的需要，編寫Python程序嵌入到平臺的分析模塊，對原有算法或模型進行改進。比如，交通擁堵識別算法、公交乘客換乘識別算法等。

五、結語

交通工程是一門應用性很強的學科，其基礎理論和方法也隨著機動化、城市化的應用需求和技術環境的變化而不斷發展。數據分析技術的發展和交通數據產業鏈的形成，提出了培養交通數據人才的培養需求。建設交通數據分析課程體系，是培養交通數據分析師的重要途徑。碩士研究生課程交通數據分析與應用具有銜接本科課程和支持碩士階段研究工作的作用，本文從課程目的與能力培養、課程內容設置和實驗平臺建設等方面，對教學實踐中的思考和探索進行了總結，希望為交通數據課程的教學改革和人才培養提供參考。

參考文獻

[1]Daniel Sperling.Three Revolutions：Steering Automated，Shared，and Electric Vehicles to a Better Future [M].Island Press，Washington，D.C.，USA，2018.

[2]楊東援，段征宇.透過大數據把脈城市交通[M].上海：同濟大學出版社，2017.

[3]段征宇，楊東援.大數據時代的交通數據分析人才培養的思考[J].教育教學論壇，2015，（29）.

[4]楊東援.連續數據環境下的交通規劃與管理[M].上海：同濟大學出版社，2014.

[5]楊東援，段征宇.大數據環境下城市交通分析技術[M].上海：同濟大學出版社，2015.

Abstract：With the development of data analytical technology and the establishment of traffic data industrial chain，the new requirements for traffic data analysts have been put forward.In this paper，based on the teaching practice of traffic data analysis and application of the postgraduate course of traffic engineering major of Tongji University，the thinking and exploration on the teaching practice of this course are summarized from the aspects of course training objectives，content setting and experimental platform construction，in order to provide reference for the teaching of traffic data courses and talent training.

Key words：traffic data analysis;traffic engineering;big data;postgraduate course