基于“以赛促学、以学促用”的交通工程专业研究生数据分析能力培养研究

基金项目：湖南省学位与研究生教学改革研究项目“大数据时代研究生交通数据分析课程的教学改革”（2021JGYB043）

第一作者简介：刘晨辉（1987-），男，汉族，山东济宁人，博士，教授，硕士研究生导师。研究方向为交通大数据。

DOI：10.19980/j.CN23-1593/G4.2024.19.022

摘  要：大数据时代交通运输行业迫切需要具备一定数据分析技能的专业技术人才，这就要求高校加强对学生数据分析能力的培养。但目前我国高校交通运输专业研究生数据分析课程的教学过程中，还存在着专业结合性差、实践结合性弱、教学工具与资源落后等问题。基于此，在分析现有数据分析课程教学模式不足的基础上，针对交通运输行业的特点，提出“以赛促学、以学促用”的教学模式，并结合实际竞赛案例，阐述该教学模式在培养学生数据分析能力方面的独特优势，以期为相关课程建设提供借鉴。

关键词：交通工程；研究生；数据分析能力；教学模式；数据竞赛

中图分类号：G642      文献标志码：A          文章编号：2096-000X（2024）19-0088-04

Abstract： In the era of big data， transportation engineers are expected to have solid data analytic skills， which requires universities to cultivate students' data analysis ability. However， there are still some problems in the teaching process of Data Analysis course of postgraduate students in transportation engineering， such as poor combination of major， weak combination of practice， backward teaching tools and resources. Therefore， after analyzing deficiencies of the existing data analysis courses， this paper proposes the teaching mode of "promoting learning through competition and promoting application through learning". Combined with some data competitions， this paper illustrates the unique advantages of this teaching mode in improving data analytic skills of students， which provides new insights for developing similar courses.

Keywords： traffic engineering; postgraduate; data analysis ability; teaching mode; data competition

在大数据时代，随着数据采集、存储、分析等技术的快速发展，各个行业对数据分析工作的依赖性越来越高，数据分析能力已经是专业人才职业发展的必备技能之一[1]。在此背景下，中共中央、国务院在《中国教育现代化2035》[2]中明确指出要全面提升师生数据使用能力，并推动高校开设大数据等专业，培养信息时代数字经济复合型人才。因此，在大数据时代，如何精准培养学生数据分析能力已经成为高等教育领域的研究热点[3]。

交通工程专业研究领域广（公铁空水）、范围大（规划、设计、安全、运行等）、层次多（国际、国内、地区等），需要进行大量的数据分析。随着交通强国战略的推进，我国综合立体交通网不断完善，采集到的交通运输数据数量不断增多、质量不断提高，因此交通运输领域对从业人员的数据分析能力要求也越来越高。为应对日益复杂的交通问题，满足行业发展需求，有必要对交通工程专业研究生强化对其数据分析能力的培养，提升其核心竞争力。

针对交通工程专业研究生，国内众多高校虽然已经开设了一些数据分析课程，但仍存在较多不足。对此，提出“以赛促学、以学促用”的培养模式，通过引导学生参与各种基于实际交通问题的竞赛活动，提高学生利用数据分析方法和工具解决实际问题的能力，最终达到提升学生核心竞争力的目的。

一  现有课堂教学模式不足

针对交通工程专业的研究生，国内高校普遍已经认识到了培养其数据分析能力的重要性，也在不断探索开设相应的课程[4]，但仍然存在明显不足，主要体现为以下几个方面。

（一）  教学内容偏通用知识，专业结合性差

目前，国内众多高校交通工程专业研究生多通过选修矩阵论、应用统计学、运筹学等理工类的通识课来学习数据分析知识。这些课程的授课教师多为数学、统计学、运筹学、计算机等专业背景，其授课内容偏向数理统计基础理论知识，而缺乏对于交通工程专业研究人员来说至关重要的专项数据分析知识，从而导致学生在科研工作中面对实际交通问题时，缺乏开展数据分析所必要的知识技能。比如，对于交通安全研究来说，通过分析事故发生前的车辆轨迹数据可以明确驾驶员的驾驶行为特征，进而精准识别导致交通事故发生的关键因素，这就要求学生掌握必要的轨迹数据分析知识。然而，由于轨迹数据在传统数据分析中非常少见，现有数据分析通识课程一般并不涉及轨迹数据分析相关知识，这使得学生在面对轨迹数据时不知道如何下手。因此，如何结合交通工程学科特点，帮助学生掌握交通运输行业所需要的数据分析知识至关重要。

（二）  练习数据有限，实践性弱问题突出

对于数据分析课程来说，利用大量的实际案例数据进行练习对于激发学生学习兴趣、巩固学习效果、提高其应用知识解决实际问题的能力至关重要。然而，由于数据采集成本高昂等原因，多数课程缺乏大规模、高质量的实际交通工程案例数据。现有课程练习数据普遍存在数量少、精度低、内容简单、时效性差等问题，且很多数据集本身并非交通类数据。课堂练习数据与行业实际数据的脱节导致学生缺乏对于实际工程问题的认识，在面对实际问题时，缺乏数据分析的应用意识，无法开展有效的数据分析，传统教学模式中课程理论性强、实践性弱的问题突出[5]。比如，对交通事故进行统计分析来识别事故特点是交通安全研究的核心内容之一。然而，由于隐私保护等原因，国内交通事故数据目前大多并不公开，这使得相关的课堂练习数据缺乏，进一步导致学生未来在开展交通事故分析相关研究时，不知道如何对事故数据进行有效的建模分析。因此，在理论学习的基础上，如何结合实际的交通工程案例，帮助学生掌握应用所学知识解决实际交通问题同样迫在眉睫。

（三）  授课模式落后，缺乏先进技术工具

随着科技的飞速发展，以云计算、大数据、高性能仿真等为代表的各种先进的数据分析技术工具层出不穷，并且已经在包括交通行业在内的各行各业得到了广泛应用。然而，目前国内众多高校数据分析课程的授课模式仍以讲述经典基础理论为主，缺乏对这些先进技术工具的介绍和实际操作。比如，云计算可以充分利用计算机网络巨大的数据计算资源，实现对于大规模数据的快速处理，用户无需购买任何软硬件设备即可开展大规模的计算分析工作，极大地减小了相应的计算投入，因此众多公司均已搭建相应的云计算平台。然而，由于云计算为付费服务，现有数据分析课程一般并不涉及云计算相关内容。一旦学生在实际科研工作中需要用到云计算服务，其仍需要花费大量时间自学。因此，如何结合交通工程专业的发展趋势，帮助学生掌握利用各种先进的数据分析技术工具，也是现有课程面临的一个重大挑战。

二  “以赛促学、以学促用”内涵

随着数据采集技术的快速发展，众多机构现在已采集了大量的交通数据，迫切需要外界力量帮助他们深入分析数据，从数据中发现问题，并提出相应的解决方案。因此，越来越多的机构开始举办各类数据分析竞赛。所谓“以赛促学、以学促用”，是指将教学内容同各类竞赛相结合，鼓励学生通过参加比赛来实践所学课堂知识，提升学生专业实操技能，并针对学生展现出来的薄弱环节，提出相应的改进策略，进一步提升学生核心竞争能力[6]。表1列举了2023年国内外部分交通数据分析竞赛。可以发现，这些比赛的主题涉及交通工程各个领域，具有较好的代表性。

三  以赛促学的优点

相比传统教学型数据分析培养模式，以赛促学的教学方式主要有如下优点。

（一）  有助于提高学生解决实际问题的能力

数据分析竞赛题目一般来自于现实业务场景，直接服务于交通运输行业发展需求。与课堂练习相比，这些竞赛通常需要学生综合运用所学知识，完成数据采集、清洗、建模与分析等全过程工作，对学生来说是一个巨大的挑战。竞赛的实战性有助于学生快速掌握数据技能，并内化为解决问题的思维方式，切实提高学生解决实际问题的能力。

以新能源汽车为例，针对新能源汽车快速发展所带来的问题，2023数字汽车大赛旨在依托海量新能源汽车实时运行数据，以数据算法创新和数据分析应用为重点，通过挖掘数据价值，探索创新应用。在比赛中，学生首先需要对巨大的原始数据进行清理，去掉不合理的数据，进而从中选择能够影响动力电池健康状态的因素进行建模分析，根据建模结果选出最优模型，并做出专业解释。通过参加这类竞赛，学生可以切实了解新能源汽车产业发展现状以及存在的问题，提升对行业的认识，锻炼自己利用数据分析技能解决实际问题的能力。

（二）  有助于学生个性化发展

对于研究生来说，不同学生有不同的研究方向，因此其对于参加的竞赛也可能存在一定的倾向性。表1所示竞赛类型众多，涉及交通安全、智能交通、自动驾驶、新能源汽车、地理空间分析等多个方向，完全可以满足学生的个性化发展需要[7]。比如，地理空间类竞赛可以锻炼学生对于时空数据分析和ArcGIS等软件的应用能力；交通仿真大赛则可以锻炼学生的交通仿真能力；新能源汽车竞赛[8]可以锻炼学生的统计分析与建模技术；自动驾驶竞赛则可以锻炼学生的编程技巧；轨道交通和航空交通方向学生同样有合适的竞赛参与。学生完全可以根据自己的特长和兴趣选择合适的竞赛，也可以参加多个竞赛，提高自己的综合数据分析能力。通过参加竞赛，学生可以发现自己的优势和不足，从而进行更有针对性的提高改进。教师也可以根据学生专业背景特点，推荐他们参加合适的竞赛项目，实现因材施教。

此外，科研是研究生的主要工作，而很多竞赛提供的数据完全可以用于开展科研工作，有助于其开展科研工作。例如，俞蒋彬等[9]基于数字汽车大赛所提供的数据，建立了基于层次分析法-熵权法的动力电池风险评价体系，利用机器学习方法建立故障等级预测随机森林算法。盛裕杰等[10]基于上海新能源汽车比赛的数据，分析了电动汽车用户群体的充电行为与选择偏好，并基于决策树模型实现了充电需求的预测，最后提出了充电设施规划建议。李洁等[11]基于上海新能源汽车比赛数据，提出了基于生成对抗网络的数据增强方法，实现电动汽车故障的高效诊断。

（三）  有助于充分发掘学生主观能动性

与传统教学相比，竞赛的趣味性和挑战性更能激发学生的学习潜能[12]，学生需要发挥创造力，在有限时间内设计创新性的数据处理和分析方案。学生从被动接受知识转变为主动运用创新技能解决问题，数据分析能力也因此实现质的提高。通过竞赛把学生潜力转化为创新动力，是实现数据技能突破的有效教学手段。