分享
收藏
点赞
AI生成方案易，专业判断难
人工智能、大数据和大模型正在快速进入交通规划设计、信号控制、智能驾驶、运输组织等领域。随之而来的一个问题是：未来智慧交通所需要的复合型人才，究竟应该更多地由交通专业人才向计算机与人工智能拓展，还是由计算机专业人才向交通领域延伸？
这个问题很难用“谁学谁更容易”简单回答。不同岗位、不同任务，对知识结构的要求并不相同。通用算法、软件平台和基础模型开发，计算机专业人才具有明显优势；而越接近真实交通系统运行、工程实施和安全决策，交通系统机理、工程规范、运行组织和场景经验就越重要。真正值得讨论的，不是哪一类专业更有优势，而是AI时代交通人才需要什么样的能力结构。
从2017年我国启动新工科建设，到近年来智慧交通、交通大模型等快速发展，交通类专业面临的已经不是一次简单的课程更新，而是人才培养逻辑的重新调整。新工科建设已明确提出“面向产业界、面向世界、面向未来”，并强调培养多样化、创新型卓越工程科技人才。在AI快速发展的今天，这一要求变得更加具体：学生既要掌握新的数字工具，又不能因工具变强而削弱对专业本身的理解。
一个值得重视的变化是：AI正在降低“生成方案”的门槛，却没有同步降低“判断方案”的门槛。
过去，完成交通需求分析、信号配时、交通组织设计或运行方案制定，往往需要较长时间的数据处理、模型计算和方案编制。今天，大模型已经可以帮助工程师完成资料检索、代码生成、数据分析乃至方案初稿，这些工作的效率已明显提高。2025年发表于Scientific Reports的一项针对148名中国工科学生的研究显示，88.52%的受访者认为生成式AI提高了学习效率。但同一研究中，62.16%的受访者把“生成内容不准确”列为最突出的使用挑战。
交通领域的问题更加典型。赛文交通网2025年刊发的一项测试中，作者使用某大模型生成路口交通控制策略。AI给出的方案结构完整、表述看似专业，但进一步分析后，相位冲突、配时依据不足、工程实施条件考虑不充分等问题随即显现。这个案例说明：AI可以迅速给出一个“像方案的方案”，但识别其中的风险、判断方案能否使用以及如何修改，依然离不开专业知识和工程经验。
类似问题并不限于信号控制。在智能驾驶中，模型可以生成轨迹，但是否满足安全约束、是否符合周边车辆行为预期，仍需结合交通运行规律和驾驶行为机理进行判断；在轨道运营中，算法可以生成调度建议，但客流组织、设备能力、行车安全和应急规则决定方案能否执行。越接近真实系统，所谓“最优解”越需要专业人员解释和约束。
这实际上改变了交通人才培养的重点。过去我们更关注学生“会不会算、会不会做”，今后还必须更加关注“会不会验证、会不会判断、会不会纠错”。
对于智慧交通而言，这种判断并非泛泛的批判性思维，而是扎根于专业底座的工程判断：方案是否符合交通流运行规律？是否满足规范和安全边界？局部改善是否会引发系统性问题？仿真效果能否转化为现场效果？技术上可行是否意味着工程上值得实施？
因此，交通专业知识并不会因为AI变得不重要。恰恰相反，当知识检索、代码编写和初步方案生成越来越容易时，专业知识的一部分价值正在从“帮助我们得到答案”，转向“帮助我们判断答案”。
这并不意味着所有交通类学生都要按照同一种路径培养，更不意味着人人都要成为算法工程师。
未来智慧交通需要不同类型、能力各有侧重的人才。有些岗位主要需熟练使用数字化和AI工具，提高业务效率；有些岗位需同时理解交通机理与算法逻辑，完成模型选择、系统集成和效果验证；还有部分岗位需深入底层算法、模型和平台研发。这三类岗位不是等级之分，而是分工和能力侧重不同：有的重在“会使用”，有的重在“会验证”，有的则要求“会开发”。技术深度可以不同，但越接近真实系统运行和关键决策，专业判断越不可缺少。
这也意味着，新工科背景下交通类人才培养不能简单理解为在原有培养方案中增加Python、机器学习、大数据或大模型课程。课程更新当然必要，但如果培养方式不变，学生学到的仍可能只是更多分散的知识和工具。
真正的改革应更多发生在“怎么学”上。
强化项目制培养。与其分别学习交通工程、编程和人工智能，再期待学生毕业后自己完成知识融合，不如让学生围绕一个真实问题完成数据获取、机理分析、算法实现、方案评价和结果解释。在项目中，交通知识和计算机能力不再是两组独立课程，而是解决同一个问题的不同工具。
强化跨专业协同。智慧交通项目本就不是一个专业能够独立完成的，交通工程师、算法工程师、软件工程师、设备厂商和管理部门往往共同参与。学生也应更早进入这样的协作环境。交通专业学生不必在所有计算机技术上达到计算机专业学生的深度，但必须知道技术能解决什么、不能解决什么，并把交通问题准确转化为技术问题；计算机专业学生进入交通领域，也需要理解数据背后的交通含义、工程边界和安全责任。
让企业真正参与人才培养。产教融合不能只停留在企业参观、基地挂牌或专家讲座，而应进一步把真实问题、真实数据、真实约束和真实评价引入培养过程。2025年七部门发布的《关于“人工智能+交通运输”的实施意见》提出探索“产学研用联合培养机制”；2026年的《“人工智能+教育”行动计划》进一步提出项目式、探究式、场景式育人。政策指向同一方向：能力形成必须与真实问题结合。
培养方式变化之后，评价方式也应同步改变。
如果课程考核仍然主要检查公式记忆、标准答案和一次性作业，学生很容易把AI当成更高效的答案生成器。更有价值的考核，应要求学生说明数据是否可信、模型为什么适用、AI方案存在哪些风险、不同方案如何权衡，并对最终选择承担解释责任。
换句话说，评价不能只看“结果是不是对的”，还要进一步追问“为什么相信这个结果、在什么条件下它会失效”。
尤其需要重视“失败的方案”的教学价值。课堂往往训练学生找到正确答案，但工程实践更重要的是发现一个看似正确的方案为什么不能实施。可以让学生比较人工方案与AI方案，主动寻找模型假设、数据质量、规范约束和实施条件上的问题；也可以将AI结果放入仿真环境，结合真实数据开展验证。这样的训练，比单纯学会写提示词或调用模型，更有助于形成未来工程师真正需要的能力。
回到最初的问题：究竟是让计算机人才学交通容易，还是让交通人才学计算机容易？
答案取决于要解决什么问题。
对于基础算法、软件系统和通用技术研发，计算机背景具有优势；对于交通系统分析、工程实施和安全决策，交通专业底座往往难以通过短期学习补齐。未来需要的，不是把交通人都培养成计算机人，也不是让计算机人简单补几门交通课程，而是在各自专业底座上有效跨界。
AI正在让工具越来越强，也让“得到一个答案”越来越容易。但交通系统运行在真实世界中，面对的是车辆、乘客、道路、设备、安全以及复杂的公共利益。技术给出的结果仍需要有人理解、验证、取舍，并对最终决策负责。面对AI，更应重新确认工程人才不可外包的能力：理解复杂系统、守住安全边界、权衡公共利益，并作出专业判断。
AI时代，新工科背景下交通人才培养的目标，也许可以归结为一句话：
工具可以越来越智能，但使用工具的人必须更懂交通、更会判断。
作者简介：王翔、俄文娟，苏州大学。
[1] 教育部高等教育司. 教育部高等教育司关于开展新工科研究与实践的通知：教高司函〔2017〕6号[EB/OL]. 2017-02-20.
[2] 教育部.新工科建设形成“北京指南”——新工科研究与实践专家组成立暨第一次工作会议在京召开[EB/OL].2017-06-10.
[3] 交通运输部,国家发展改革委,工业和信息化部,国家数据局,国家铁路局,中国民用航空局,国家邮政局.关于“人工智能+交通运输”的实施意见：交科技发〔2025〕92号[EB/OL].2025-09-26.
[4] 教育部,国家发展改革委,工业和信息化部,科技部,国家数据局.“人工智能+教育”行动计划：教科信〔2026〕1号[EB/OL].2026-04-02.
[5] 孙培,肖赟,梁子君.工程教育专业认证背景下复合型人才培养模式探索与创新——以交通工程专业为例[J].应用型高等教育研究,2026,11(02):46-51+74.
[6] Fan L, Deng K, Liu F. Educational impacts of generative artificial intelligence on learning and performance of engineering students in China[J]. Scientific reports, 2025, 15(1): 26521.
[7] Zhang L, Yang Y, Wang X, et al. Integrating Artificial Intelligence into Transportation Engineering Education: A Review of Curricula and Training Programs in the US[C]//2026 ASEE Annual Conference & Exposition. 2026.
[8] Lee J. Rethinking civil engineering education in the age of artificial intelligence[EB/OL]. ASCE, 2025-12-23.
[9] 朱志威.AI生成路口交通策略能不能用？[EB/OL].赛文交通网, 2025-07-30.
[10] 交通运输部,国家铁路局,中国民用航空局,国家邮政局,中国国家铁路集团有限公司.“人工智能+交通运输”典型应用场景创新行动方案[EB/OL]. 2026-06-04.
未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明等材料，与我们联系，我们将及时沟通与处理。
好文章，需要你的鼓励
王翔、俄文娟
特邀作者