交通数据分析与应用研究生课程教学的思考与探索

段征宇　余荣杰　李玮峰

[摘 要] 数据分析技术的发展和交通数据产业链的形成对交通数据分析师的培养提出了新需求。基于同济大学交通工程专业硕士研究生课程交通数据分析与应用的教学实践，从课程培养目标、内容设置和实验平台建设等方面对教学实践中的思考和探索进行总结，为交通数据的课程教学和人才培养提供参考。

[关键词] 交通数据分析;交通工程;大数据;研究生课程

[作者简介] 段征宇（1978—），男，博士，副教授，研究方向：交通运输规划与管理、交通数据分析;余荣杰（1989—），男，博士，副教授，研究方向：交通安全、驾驶行为、交通数据分析;李玮峰（1990—），男，博士，助理研究员，研究方向：交通运输规划与管理、交通数据分析。

[中图分类号] G643    [文献标识码] A    [文章编号] 1674-9324（2020）25-0200-03    [收稿日期] 2019-10-11

一、学科发展和人才培养需求

我国高等学校交通工程专业旨在培养从事交通规划、设计和运行管理等方面的人才。近年来，在第四次工业革命的背景下，信息技术、能源技术等的快速发展，引起了交通工程领域的巨大变化。信息技术与控制技术的结合推动了车辆的自动化（自动驾驶）、共享化和电动化[1];互联网与共享经济的结合，催生了“出行即服务”（Mobility as a Service，MaaS）的新型交通服务模式;新能源技术的发展，推进了电动汽车的应用[2]。在上述背景下，基于多源、海量、异构的连续数据环境，应用新兴数据分析技术支撑更安全、高效的交通系统构建，成为交通工程专业人才培养的新要求。

交通工程学科经历了近70年的发展。其中，微观交通流理论与方法形成于20世纪50年代，主要研究道路路段、交叉口的交通流特征和规律，以及车辆跟驰、换道、排队等行为规律。到了20世纪60年代，随着城市化的发展和大规模交通基础设施建设，形成了以“四阶段法”为代表的网络交通流理论与方法。20世纪70年代，随着交通供需矛盾的日益突出，人们逐渐意识到需要从交通需求管理等交通政策角度来寻找解决交通问题的途径，因此，需要研究个体的交通选择行为，由此形成了交通行为分析方法。从20世纪90年代开始，随着智能交通系统（Intelligent Transportation System，ITS）技术的不断发展，通过感应线圈、微波雷达、视频等自动采集设备，以及移动通信数据、公交IC卡数据等位置获取技术，可以对交通系统的运行状态、出行者和交通工具等进行实时、连续和全面（大样本甚至全样本）的观测，这为交通工程研究者提供了一种全新的数据环境。更为完备的数据环境和新的科学研究范式对交通工程学科产生了革命性的影响[3]。

传统交通工程专业主要培养交通规划师、交通设计师和交通模型师三类技术人才。随着交通数据分析和信息服务产业的发展，交通数据分析人才的需求越来越大，交通数据分析师的培养迫在眉睫。交通数据分析师是一种复合型人才，不仅要精通数据分析方法，还需要深入理解交通业务，能运用数据分析方法发现和解决交通问题[3]。

同济大学交通工程专业从2003年开始，通过深圳城市交通仿真系统一期和二期项目、国家自然科学基金重点项目等一系列课题的研究和实践，初步形成了交通大数据分析领域的系统性成果[4，5]。从2010年开始，在交通工程专业的课程体系中增加了交通数据分析课程，形成了覆盖本科生、硕士生和博士生的交通数据分析课程体系。其中，本科课程包括交通调查与分析、交通统计分析、交通数据处理与统计分析课程设计;硕士研究生课程包括交通数据分析与应用;博士生課程包括城市与交通数据及信息分析方法。

二、课程目的和能力培养

面向交通数据分析师的培养需求，一方面，在本科相关课程的基础上，硕士阶段的课程要求学生掌握高阶数据分析方法，为研究工作的开展提供基础;另一方面，需要培养学生数据分析方法的应用能力，切实解决实际交通问题。因此，硕士研究生课程交通数据分析与应用的目的是重点培养学生的以下五大能力。

1.利用常规数理统计模型处理交通数据的能力。在本科阶段的课程中，已经讲授了描述性统计、线性回归模型、计数模型、离散选择模型等常规数理统计模型以及相关统计分析软件的使用;在硕士研究生阶段，重点培养学生综合运用这些数理统计模型处理实际交通数据的能力。

2.理解和掌握高阶数理统计模型的能力。在本科阶段的课程基础上，围绕数理统计分析方法（时间序列分析模型、空间相关性分析模型和多层数据分析模型等）和机器学习分析方法（决策树模型、神经网络模型、深度学习模型等）的基础理论及在分析交通数据中的适用性，使学生能够理解和掌握这些高阶数理统计模型的基本原理和建模过程。

3.多源、异构、大规模交通数据的处理能力。在交通工程的研究和应用过程中，面对的交通数据通常是来自不同的数据源或传感器，具有不同的数据结构或数据格式，并且具有较大的数据规模，因此，需要培养学生理解多源、异构交通数据的能力，能够识别和修复数据质量问题，并处理为表征交通状态和交通行为的特征信息，使学生了解常用的数据库软件、并行计算平台，并能通过编程工具处理较大规模的交通数据。

4.数据挖掘模型、深度学习模型的应用能力。在讲授高阶数理统计模型的基础上，通过道路交通运行状态分析、公交运行状态分析、公交客流需求分析、交通需求分析、交通安全管理和驾驶行为分析等专题，培养学生应用数据挖掘模型、深度学习模型等高阶数理统计模型的能力。

5.基于数据分析结果，分析和解决交通问题的能力。对于交通工程专业的学生，除了需要掌握交通数据处理、建模和应用，还需要能够理解数据分析结果所反映的交通问题，建立交通数据与传统交通流模型、交通行为模型和交通规划模型之间的关系，运用交通设计、管理和规划方法，提出解决实际交通问题的思路和方案。

三、課程内容设置

硕士研究生课程交通数据分析与应用采用理论与实践相结合的教学模式，强调课堂讲授和数据分析实践并重，通过实践深入理解和掌握数据分析方法。

在课程内容上，衔接本科阶段的通识课程概率论与数理统计和专业基础课程交通调查与分析、交通统计分析。课程教学内容分为数据分析方法、数据应用专题两大板块。

1.数据分析方法板块。讲授数理统计分析方法，包括多元线性回归模型、计数数据模型、离散选择模型、时间序列分析模型、多层数理统计模型;机器学习分析方法，包括决策树模型、神经网络模型、深度学习模型等。

2.数据应用专题板块。结合实际交通数据和交通应用，讲授交通数据质量控制方法、道路交通运行状态分析、公交运行状态分析、公交客流需求分析、基于多源数据的交通需求分析、交通安全管理数据分析和驾驶行为分析等应用专题。

课程作业采用实际交通数据集，包括感应线圈数据、浮动车车速数据、公交IC卡数据、公交GPS数据和车辆牌照识别数据等。

课程作业分为应用型作业和综合型大作业。应用型作业主要是运用所学的某一类数据分析方法或模型，利用实际交通数据进行分析和建模。目前的应用型作业包括基础数理统计模型、数据挖掘模型、交通数据质量控制和道路交通运行状态分析等。由于班级人数近70人，未来考虑采用分组方式设置综合型大作业，培养学生综合运用数据分析方法解决实际交通问题的能力。

在考核形式上，作业成绩和期末考试成绩各占50%的权重，强调通过平时作业实践掌握数据分析方法、理解和解决实际交通问题的能力。

四、实验平台建设

为更好地支撑数据分析课程的教学与实践，同济大学交通运输工程学院的交通数据科学研究中心正在建设交通大数据教学实验平台。平台从功能认知、基础数据和模型算法三方面支撑交通数据分析与应用课程。

1.功能认知。这部分内容穿插在课堂教学的数据应用专题板块，通过城市级的交通大数据分析功能和可视化，给学生更为直观和具体的认知，了解目前城市交通大数据应用现状，激发学生的学习兴趣。比如，交通拥堵指数、等时线分析、公交客流需求分析、公交可达性分析、公交线路优化决策支持等。

2.基础数据。通过教学实验平台，为学生作业提供基础数据集。数据集包括两大类，一是原始数据，也就是来自于传感器或ITS系统的数据，比如，线圈检测器数据、出租车GPS数据、公交IC卡数据等;二是指标数据，即从原始数据中提炼的交通特征信息或分析指标数据，比如，交通指数数据、道路车速数据、公交OD数据等。

3.模型算法。教学实验平台对常用的交通数据分析算法和模型进行了封装，在此基础上提供了二次开发的功能。学生可以根据研究的需要，编写Python程序嵌入到平台的分析模块，对原有算法或模型进行改进。比如，交通拥堵识别算法、公交乘客换乘识别算法等。

五、结语

交通工程是一门应用性很强的学科，其基础理论和方法也随着机动化、城市化的应用需求和技术环境的变化而不断发展。数据分析技术的发展和交通数据产业链的形成，提出了培养交通数据人才的培养需求。建设交通数据分析课程体系，是培养交通数据分析师的重要途径。硕士研究生课程交通数据分析与应用具有衔接本科课程和支持硕士阶段研究工作的作用，本文从课程目的与能力培养、课程内容设置和实验平台建设等方面，对教学实践中的思考和探索进行了总结，希望为交通数据课程的教学改革和人才培养提供参考。

参考文献

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

[2]杨东援，段征宇.透过大数据把脉城市交通[M].上海：同济大学出版社，2017.

[3]段征宇，杨东援.大数据时代的交通数据分析人才培养的思考[J].教育教学论坛，2015，（29）.

[4]杨东援.连续数据环境下的交通规划与管理[M].上海：同济大学出版社，2014.

[5]杨东援，段征宇.大数据环境下城市交通分析技术[M].上海：同济大学出版社，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