面向知识图谱的智能车辆课程体系创新建设的探索

唐晓峰

（扬州大学 机械工程学院，江苏 扬州 225127）

随着人工智能技术等国家重大战略的实施，我国传统汽车产业面临转型升级，智能车辆行业催生了“新工科”建设，围绕复杂智能工程技术的探索与创新，汽车行业逐渐朝着“智能化、网联化、电动化和共享化”的“新四化”趋势发展。智能车辆课程融合了机械、计算机、自动化等多个学科，所涉知识广泛。随着“新工科”背景下要求高校车辆工程专业建立产业与高校之间的信息协同的新体系，“产学研”协同创新生态系统成为由传统的单一要素模式向多要素关联模式演化的动态转换过程。智能车辆课程体系以此为契机，从培养目标、毕业要求、核心课程、课程关系图、学分分配以及在实践中遇到的问题等方面展开课程设计，以解决复杂工程技术、创新人才缺乏等为导向，充分利用资金、信息和技术等支持，以强化协同育人，提升复杂智能工程科研水平，实现高质量的人才培养协同效应。［1］

针对工科专业课程的问题，现有的传统课程体系存在以下方面的不足：过度注重理论知识的讲解、缺少与企业实践的结合、学生实践能力不足。同时，教师也存在过度注重理论而缺乏实际操作能力的问题。传统课程体系的评价机制烦琐，标准不统一，只以期末考试成绩作为评价学生能力的标准，难以客观评价学生的能力和水平。此外，传统课程体系的内容相对单一，更新缓慢，缺乏前沿技术和趋势的引入，难以满足产业发展的需求。同时，学生的实践机会也相对较少，所学的知识大都来自于书本，无法真正将所学的知识转化为实践能力。传统智能车辆课程体系单一化严重，重复性较强，仅仅通过增加课时的方式无法解决复杂的课程体系学习问题，难以满足智能车辆领域多学科、跨学科的需求。传统课程体系往往由学校独立设计，与企业的配合度较低，这使得学生的实习机会、就业指导等方面都受到了影响。虽然有校企合作模式，但大部分创新成果也仅仅停留在经费、论文和专利上，而学科课程知识缺乏对于这些核心技术的应用能力的培养，导致学生无法掌握“新工科”的核心技术。

智能车辆课程交叉着多学科课程以及复杂工程技术的课程体系，涵盖的学科课程要求学生具备较强的跨学科综合学习能力，形成了一个较大的知识图谱的学习网络，并且需要结合实践课程。因此对于智能车辆课程体系采用传统的课程设计方法自然是行不通的，只有结合实践产业化才能充分掌握智能车辆的复杂课程知识点，通过将“产学研”一体化的知识体系形成知识图谱的网络，从而确保学生在智能车辆的复杂课程体系内自由选择适应性课程的知识点，达到真正掌握知识的目的。

“产学研”合作下的智能车辆课程体系具有以下几个优势。

（1）将复杂难懂的理论知识转变为更容易理解和实践的认识。基于“产学研”的智能车辆课程体系更加注重实践性和应用性，智能车辆的理论知识复杂而又广泛，可变性强，重在将理论融入实践中，通过实践学习来简化这些难以理解的知识体系，可以提高学生的实践能力，并确保他们更容易掌握知识。

（2）富有创新意识。“产学研”合作下的智能车辆课程体系更加注重引导学生从问题导向的思维开始探索，教师在教学过程中通过结合教学方法、环境和实践来培养学生的创新能力和创业意识。

（3）强调培养学生的综合能力。基于“产学研”的智能车辆课程体系注重培养学生的综合能力和跨学科学习能力，旨在使学生获得更全面的技能和较高的专业素养，增强学生在就业方面的竞争力。

“产学研”一体化合作下的智能车辆课程体系融合了务实的技术、教育资源和实践环境，让学生能够轻松理解各种复杂的理论知识，吸收庞大的知识图谱所涵盖的知识量，培养具有综合创新能力和实践能力的人才。

一、面向知识图谱的课程体系建设

（一） 知识图谱

知识图谱是一种利用图形化方式表示实体及其之间关系的知识库，采用本体论和语义网技术进行知识的组织和共享。实体包括人物、地点、课程、技术等。在课程体系建设中，知识图谱可以通过其复杂多样的知识结构，在基于“产学研”技术架构的学习层面上发挥重要的作用，通过构建基于智能车辆课程的知识图谱结构，可以将不同学科领域的知识和技术充分联系起来，实现相关课程的知识点之间在同一技术层面上的应用和优化。例如，在学生进行智能车辆的路径规划的学习过程中，知识图谱推荐系统可以将控制理论中的某一优化方法、车辆理论中某一章节的知识点以及软件算法中某技术层面的知识、方法充分联系起来，实现一条具有规划性质的学习路径和方向，充分提升了学生利用知识、吸收知识和应用知识的能力，并且能在实践技术操作中学会应用的能力。

知识图谱课程化有助于将课程教学内容、学科领域知识、课程关系、教材资源等信息细化到实体和其之间关系的层面，为学生学习提供更清晰的知识框架和理解路径，同时也更方便知识共享、再利用。例如，学生在进行智能车辆定位版块学习时，可以通过结合决策、地图等其他版块信息进行有关系层面的学习，做到技术层面上的充分认识。同时，利用知识图谱可以实现多样化教学的探索，根据每个学生或者每组学生的知识水平、接受能力等因素，智能推荐适合的学习资源和内容，提高不同层次学生的学习效果。知识图谱也有助于实现学科之间的交叉关联，可以整合智能车辆领域的多种知识资源，包括学术文献、标准规范、技术方案、案例实践等，为学生提供全面、系统的学习资源，有助于学生对知识点的深度理解和扩展应用（见表1）。

表1 知识图谱课程关系图

智能车辆是一项复杂的技术系统工程体系，包括了众多的子系统和知识模块，使用知识图谱有助于将子系统中的知识抽象出来，并且通过“产学研”一体化的设计，实现从抽象到实际的技术落地的全过程，例如，智能车辆的视觉感知领域在知识图谱层面里包括图像处理、图像分析、语义分割、目标检测等各种知识点，当需要学习某一知识点时，便可以从知识图谱中进行查找和学习，同时可以借助于“产学研”的优势，使复杂的知识点接近于实际工程技术的应用层面，构成了一个更为完整的智能车辆应用体系，充分利用知识图谱的结构优势和“产学研”提供的技术优势，有助于培养学生在实际学习中的兴趣，突破各种难点。

（二）主干学科、课程关系图及培养标准

智能车辆课程体系建设的主要任务是解决科研上的难题，其目标是要实现“产学研”一体化进程，因此构建多知识图谱结构的课程体系要包括多类主干学科。所涉及的主干学科是机械工程、人工智能、控制科学、计算机科学、电子与通信工程等，主要课程涉及通用类课程、精细化课程以及面向“产学研”水平的课程，三种课程的具体比例如图1 所示。

图1 课程关系图

对于通用类课程、精细化课程以及“产学研”类课程，需要进行适当的课程数目、学分以及课时量的占比设置，通用类课程涉及的是一些基础类专业性课程，其特点是课程多、知识面广、学分少且课时量少，侧重于讲解课程中的主要部分，目的是了解与车辆相关的多学科门类课程；精细化课程主要是讲述智能车相关的专业性课程，其特点是主要课程门类多，学分与课时量占比需要适当设置；“产学研”类课程主要是一些复杂难懂的课程以及无法在学校展开教学的课程，需要企业人员和高校教师共同承担这类课程，以实现“产学研”一体化的主要目标，特点是课程有难度，设置的学时量较少，采用科研性实践与教学结合的模式。所以三类课程的占比分别是（通用类课程∶精细化课程∶“产学研”类课程）分别2.5∶1.5∶1。通用类课程主要用于学习和快速理解智能车辆相关的基础技术，而精细化课程则更加专业化。对于“产学研”类课程而言，由于涉及的研发设备价格昂贵、技术难度大、需要大规模试验场地等复杂因素，因此无法完全依赖学校层面进行，需要通过校企联合培养和研发攻关的方式，共同提升授课深度，实现高质量的教学模式。

（三）知识图谱课程与“产学研”协同关系探索

“产学研”合作是不同社会分工在功能与资源上的协同与集成化方式，传统的“产学研”科研平台合作效率以及成果转化率较低，大都体现在初级合作模式［2］，而基于智能车辆课程体系的“产学研”合作形式需要以解决核心技术、提升智能汽车质量为目标，将生产、教学和科研结合的技术成果转化成课程教学内容，同时解决高校教师不会智能车辆技术开发而仅仅停留在论文、专利和项目解决层面的问题，旨在提升高校教师的教学水平，进一步提升教学质量。

智能车辆的课程特点是多学科、内容广泛且复杂，要求高精度、高性能级的设备，价格昂贵。高校难以持续购置高价位设备和进行技术研发。由于智能车辆课程门类众多，每门课之间实现相互关联，无法进行传统的理论和实践课学时分配。必须进行智能车体系课程全方位改革，打造“产学研”级别的高质量集中式实践课程。“产学研”课程中涉及的智能车辆试验测试技术实践课程包括所有精细化课程中的实验，集中式128 个课时进行试验测试，并通过校企联合模式完成。

以“无人驾驶车辆理论”课程为例，该课程包含了感知、导航地图定位、决策规划和控制、车辆线控底盘技术、车辆整体架构系统以及车辆辅助驾驶系统等内容，每个环节都需要相应的理论和实践课程，才能让学生掌握知识点。课程“深度学习”需要专门设置32 个理论课时，配以与“无人驾驶车辆理论”课程的感知部分相互关联的实践课程；其他课程如“自动控制原理”“计算机视觉”以及“机器学习”的实践课程则与“无人驾驶车辆理论”课程的控制部分相互关联，以上课程的内容关联性需要通过集中式实践课程的设置实现。另外，“智能车电子电气架构技术”“群体智能与自主系统”等课程由于技术复杂、价格昂贵、实时更新迭代，又与上述课程有着紧密的技术关联性，因此其实践课程需要与上述课程的实验协同进行，在“产学研”协同下进行全方位实践课程工作，以企业为主体提供试验相关技术设备，实践测试人员由高校教师和企业高水平研发人员共同担任。另外，“智能汽车试验测试技术”需要在智能车辆试验场地进行学习和研究，因此需要与试验测试场地公司进行合作。“产学研”类课程中的“智能汽车制造技术”课程主要包含智能车辆的全过程制造实践，需要配备高端制造装备、试验测试场地等，也需要通过校企合作完成实践课程学习。通过多样“产学研”一体化进程，可以提升智能车辆课程的教学水平和质量。

二、混合式教学与知识图谱课程体系的关系

混合式教学是一种新的教学模式，是使用智能终端技术实现线上线下相结合的教学情景模式。［3］混合式教学包括线上线下相结合的混合式虚拟实验教学模式、AI 系统辅助的教学与实践环节设计开展、基于学习分析的行为与效果评估三方面。［4］混合式教学模式可以使学生不仅在课堂教学中学习现场理论，同时还能在网络学习环境中吸收各种知识。混合式教学在知识图谱课程体系中具有重要的应用形式，充分利用在线平台、互动课堂、项目案例等教学资源，结合“产学研”实践课程中的难点进行线上实时讲授课程，能使学生更全面了解知识图谱下的课程体系与学习的相关性。例如，学生可以通过线上平台、社区交流、讨论板块以及线上跟企业人员实时交流答疑技术，企业人员把技术实时发布到线上平台、社区交流板块，保证学生得到实时的反馈，更加充分吸收和消化课程内容。尤其对基于研究性教学的方法，这种方式可以将理论和实践相结合，加深对智能车辆课题体系的认知。

混合式教学具有灵活性、实践性、互动性以及个性化的特点，可以允许学生选择适合自己的学习方式和资源，以满足不同层次学生的学习需求，同时增加了实践能力环节，不仅企业可以在线上社区板块实时发布实践技术层面的知识，而且可以充分得到学生的反馈和讨论，能够促进技术的提升，从而更有助于实现全面的教育培养目标。

三、“产学研”协同下智能车辆课程体系的评价机制

智能车辆的产业化面临技术攻关，需要大量的高水平科技人才，智能车辆课程体系的价值就是通过“产学研”模式将科研成果转化成产业化，可以通过高校部分优质教师资源来提升企业智能车辆的研发水平。因此智能车辆课程体系的建设要由高校结合教师和企业研发人员共同建设：企业需要参与培养方案的修订、课程教学大纲的制定、教改项目的实施，企业人员需要参与专业课的学习；学校从政策角度衡量，确保高校新学科布局的科学性和规范性，指导高校完善教师评价体系，以解决实际科技工作中的复杂技术问题为核心，制定教师业绩考核指标，将校企联合教学、校企科技攻关等纳入考核和职称评定体系中，以提升企业和高校科研资源水平。通过科研攻关，高校教师的科研项目评定机制也是基于校企联合项目为主，提升高校教师实践能力的评价机制，进行科研成果与实际教学融合作为评价机制。对于创新人才培养的评价机制以学生在实际专业实践中突出成绩为主要评价机制，专业实践中的占比应接近理论教学，因此考核机制不再是以期末考试作为唯一的评价机制，而是通过专业实践，根据“产学研”一体化攻关技术中的贡献值而设定的人才评价机制。对于企业的评价机制以实现核心技术产能为主要点，同时结合校企联合培养学生的科技水平为辅助评价机制，结合企业参与国家重大项目、比赛等取得的技术水平为主要评价机制，真正实现校企“产学研”，实施“产学研”协同创新，降低高校培养学生和企业用人机制之间的差距。

四、存在的问题

随着智能传感、人工智能和芯片等技术的突破，智能车辆的技术也随之变化，这就要求企业不断革新技术，才能更好地服务于课程体系建设，企业需要持续投入各种资金、人员，才能不断提升自我技术竞争力，同时企业面临技术的转型通常情况下是有一定难度的。因此持续保持高水平技术研发力度，对于企业来说是比较难的一件事情。同时企业的技术变化也会影响高校的培养目标、课程体系、教学内容设置和毕业要求，因为一些实践课程体系难以维持下去，所以构建多家企业联合“产学研”研发平台，实现平台内资源共享是最为关键的一项。

产业化阶段潜在的合作冲突关系。校企合作构建智能车辆课程体系有助于突破核心技术，但关键技术进入产业化后，创新活动的竞争性更为激烈，如何确立校企合作的稳固关系，如何确立校企之间利益分配问题，是实现“产学研”关系的最为关键一步。

高校教师的水平问题也是制约“产学研”持续发展的原因，高校教师的水平通常只体现在论文、专利、项目等的成果上，对技术的研发却不深入，难以维持智能车辆体系这样有难度的课程体系，因此也难以解决领域内的核心攻关技术。

校企协同育人机制有助于高校真正实现技术学习，打破课本局限，让学生真正具有创新性和创造力。构建良好的“产学研”协同育人机制，需要资源、政策、高水平企业技术、人才等多种核心要素共同联通，形成一个系统性的机制，这样才能实现“新工科”人才的培养目标。

五、结语

“新工科”课程的要求决定了智能车辆课程的建设需要突破传统的认知，构建基于各门类课程特点的专业技术人才，加大实践类课程的攻关体系，并且真正依靠“产学研”的深入合作才能提升智能车辆课程的持续学习。因此，创建智能车辆课程体系，并且结合知识图谱的结构，有助于实现新型的高校教学模式，改变传统的培养方案、课程大纲、教改项目，实现实践类课程的创新。通过加大企业人员的投入力度、结合企业的技术和资金，实现资源的共享，不仅实现了实践课程的技术突破，而且更有助于智能车辆课程体系的学习，培养高质量的人才。