当今时代，以人工智能为代表的新兴技术正引领各行各业迈向数智化转型。人工智能作为一种模拟人类智能的技术，涵盖了卷积神经网络、大语言模型、知识图谱、强化学习等多种核心技术。新技术与公安交通管理工作的深度融合，不仅为公安工作带来了新的变化，也对公安教育提出了全新的挑战。
面对数智化转型的浪潮，公安院校交通管理工程专业亟需补齐短板，积极应对机遇与挑战。交通管理工程专业的毕业生需要具备解决复杂交通管理工程问题的能力，而课程体系是人才培养的核心载体。
因此，为适应时代发展需求，本文将探讨如何通过课程改革，优化交通管理工程专业的课程设计，培养具有跨学科综合能力的交通管理工程专业人才，从而全面提升公安机关的新质战斗力。
一、交通管理工程专业课程改革是人工智能时代的客观要求
交通管理工程专业课程改革是国家政策的驱动所需
近年来，我国持续推进教育现代化和教育强国建设。
2019年，中共中央、国务院印发的《中国教育现代化2035》聚焦教育发展的突出问题和薄弱环节，立足当前，着眼长远，重点部署了面向教育现代化的十大战略任务，其中包括“提升一流人才培养与创新能力”，“加快信息化时代教育变革”。
2022年，党的二十大着眼于新时代新征程，对教育科技人才、法治建设和国家安全进行了专章部署，进一步提高了对公安人才队伍建设的要求。中共中央、国务院印发的《教育强国建设规划纲要（2024－2035年）》指出：“要根据不同类型高校功能定位、实际贡献、特色优势，引导高校在不同领域不同赛道发挥优势、办出特色”；“深化新工科、新医科、新农科、新文科建设，强化科技教育和人文教育协同”。
在这一系列政策的引领下，探索公安院校交通管理工程专业课程的创新与改革方式，以更好地适应现代警务体系的需求，培养高素质警务人才，具有重要的现实意义和战略价值。
交通管理工程专业课程改革是技术变革的引领要求
人工智能技术的发展，为交通管理提供了新手段，提升了交通效率与安全。例如，基于卷积神经网络，人工智能算法不仅能够精准识别疲劳驾驶、高速逃费等复杂违法行为，还能通过分析历史交通事故数据，预测高风险区域和时段，从而优化警力调配；依托知识图谱和云边端协同技术的智慧交通管理系统，交通数据的利用效率显著提升。
此外，最新研究表明，基于强化学习的智能交通控制系统和自动驾驶决策规划系统在提升道路交通运行效率方面表现出显著优势，与传统自适应交通信号控制算法相比，基于人工智能的交通信号控制方法可将车辆排队长度降低17%，同时根据《自然通讯》发表的一项研究，自动驾驶车辆在执行常规驾驶任务以及应对追尾和侧擦事故时的安全性显著提升，事故发生率分别降低了50%和20%。
人工智能技术的广泛应用，大幅提升了交通管理的效率与精准度，也对交通管理工程专业课程内容与体系提出了新的要求。课程需要紧跟时代潮流，全面提升信息化、智能化和实战化的含量，以适应人工智能时代交通管理的需求。
交通管理工程专业课程改革是专业发展的需求
人工智能技术的深入应用为交通管理带来了新的机遇，但同时也伴随着一系列挑战。随着自动驾驶技术的普及，事故责任归属等问题亟需相关政策、法律法规和标准的完善，以确保法律体系的适应性与前瞻性。由于算法训练数据的不足或概率模型输出的随机性，人工智能可能出现误判，例如错误识别交通违法行为。
人工智能系统还可能因数据污染或网络攻击而失效，导致交通信号控制或车辆控制异常，进而引发交通事故。
此外，人工智能在交通管理系统中的应用尚未形成统一的技术与数据标准，导致不同交通管理系统之间存在兼容性问题，增加了跨省、跨市协调的难度与成本。
在此背景下，公安交管业务的边界也在不断扩大，从以交通秩序维护、违法查处为重点，逐步扩展到常态治堵、事故预防等多项业务齐头并进。
面对人工智能时代公安交管业务智能化应用的不断深化以及业务边界的持续拓展，公安院校的交通管理工程专业教育必须积极拥抱新技术与新理念，主动推动课程改革与创新，以适应新时代交通治理的发展需求。
二、交通管理工程专业课程设置的现状
课程交叉融合需要完善
我国公安院校交通管理工程专业的课程体系遵循以学科为中心的编制思路，同时结合交通管理工作岗位的实际需求设置课程。笔者对中国人民公安大学、浙江警察学院、湖南警察学院和四川警察学院交通管理工程专业的主要课程进行了梳理与分析。
结果表明，这些院校间较为一致的核心课程共有8门，围绕交通管理工作岗位所需的核心能力进行设置。而交叉融合类课程的设置相对较少，每所学校列为专业主要课程的相关课程不超过3门，占总体课程的比例不足三成，且内容呈现一定差异性。详见表1：
表1 国内公安院校交通管理工程专业开设主要课程情况
这种课程体系有助于学生快速适应公安交通管理工作的实际需求，但在优化和完善方面仍有较大提升空间。例如，当前课程大多以业务导向为核心，虽有部分技术导向课程，但主要以传统交通技术为重点，计算机类和统计学类课程的比例相对较低。
这种课程设计使得专业课程体系或多或少呈现出一定的碎片化倾向，比如人工智能相关知识被分散到道路交通控制和交通工程等课程中，尚缺乏系统化、体系化的深入讲解，导致学生在学习中难以形成完整的知识框架。
此外，部分课程内容与技术发展的最新步伐尚存一定差距。例如，在人工智能领域，主流算法多基于Python实现，但部分院校的程序设计课程仍以C语言为主，这在一定程度上增加了学生对人工智能算法实践的学习难度，限制了他们对人工智能在交通管理中深度应用的理解和能力提升，难以完全契合人工智能时代对复合型交通管理人才的需求。
学生创新能力培养需要加强
目前，公安院校交通管理工程专业在学生创新能力培养方面仍有较大优化空间。从课程内容与人才培养方案的角度来看，主要存在以下问题：从课程内容与人才培养方案来看，存在一些有待完善之处：
一是课堂尚需注重问题导向。有效培养创新能力应鼓励学生主动提问和探索，但当前教学更多强调规范性要求，学生的创新意识和试错意愿相对不足。
二是课程创新实践资源建设有待加强。现有教材多以理论知识或基础技能指导为主，创新实践资源相对薄弱，学生难以有效将理论与实践创新融合。
三是创新训练学分比例偏低。例如浙江警察学院的创新训练课程仅占总学分的1.5%左右，这限制了学生在创新实践上的投入。
四是创新训练学分认定方式有进一步优化空间。一些学分认定内容与实际创新能力关联度较低，难以充分发挥提升效果。在人工智能时代背景下，加强问题导向教学、完善课程资源建设和优化学分设置，将有助于学生创新能力的全面提升，更好地适应岗位需求与技术发展步伐。
科技教学手段需要提升
交通管理工程专业作为公安技术类专业，需要培养学生的工程设计能力、信息处理能力等核心能力，而授课教学是培养专业人才核心能力的重要途径。然而，目前课堂中科技教学手段的应用仍存在提升的空间：
一是课程实验平台建设有待完善。现有的实验平台数量虽多，但呈现分散、独立的特征，搭建完成后难以持续优化。此外，实验平台中，虚拟的数据与仿真场景占据了大部分内容，这在一定程度上影响了学生的学习兴趣与主动性。
二是教学手段现代化程度有待加强。多数课程仍以板书和PPT讲授为主，现代化工具如教学反馈系统和知识图谱应用较少，教师难以实时了解学生的知识掌握情况，限制了教学效果的进一步提升。
三是专业资源投入相对有限。相比刑事科学技术等专业，交通管理工程专业的软件、硬件配备相对不足，这对学生实践能力的培养产生了一定影响。
四是算力资源需要加强。许多国内外高校已开设人工智能通识课程，并通过校企合作为学生提供免费算力，满足训练和推理人工智能模型的需求。而当前交通管理工程专业在算力方面资源不足，校企合作相对薄弱，导致学生需要依赖个人算力资源训练模型，实践教学深度受限。
三、课程改革的路径和方法
针对我国公安交通管理工程专业课程设置的现状，课程改革已经势在必行，浙江警察学院面向社会数字化转型，提出“新公科”理念，面向行业新需求，提出了“学科交叉、专业整合、多元协同”的公安人才培养新思路。
本文探索了在这一新理念与新思路的指导下，浅析交通管理工程专业课程改革的思路，为推进人工智能赋能公安教育提供了可借鉴的新样本。
搭建“新公科”新专业平台，融入人工智能技术
在“新公科”建设的指导下，浙江警察学院交通管理工程学院通过“开新课”与“老课新开”等方式，搭建新专业平台，系统化、体系化地强化人工智能技术的教学与应用。
学院以人工智能技术为核心引领，结合学校学科专业特色，整合“交通管理发展前沿”、“智能交通与未来出行”、与“智慧交通警务”等课程内容，融合计算机科学、统计学与交通工程学等多学科知识，创新开设“人工智能与道路交通管理”课程。
该课程内容从两大方面展开：
一方面，系统回顾线性代数、概率论等数学基础知识，深入讲解机器学习、深度学习和强化学习等人工智能核心概念，夯实学生的理论基础；
另一方面，结合实际交通管理场景，培养学生运用人工智能技术解决实际问题的能力，帮助学生形成辩证思维，正确认识人工智能的作用，并灵活应用于交通治理实践。
此外，随着DeepSeek、ChatGPT等人工智能应用的不断涌现，学院组建了一支教师团队，专注于大语言模型技术的研究与教学，建设包含大语言模型技术相关的选修课程。
该课程引导学生深入了解词向量、循环神经网络、大语言模型等核心技术概念，并通过实验实践，探索神经网络在交通流量预测中的应用，以及大语言模型在智慧警务领域的实际应用。
在“老课新开”方面，以“交通程序设计”课程为例，学院将课程内容中的C语言替换为Python语言，将课程能力目标从单纯掌握程序设计能力转变为运用程序运行人工智能算法解决公安实战问题的能力，使课程内容与人工智能赋能交通管理实战的需求更加紧密结合。
学院课程紧扣警院实战化、体系化的办学目标，积极探索符合现代警务需求的新公科人才培养模式，为公安机关新质战斗力的生成提供有力支撑。
开设人才培养实验班，创新培养模式
为应对人工智能时代对学生创新能力培养的需求，浙江警察学院紧扣智能交通的发展方向，结合学校学科与专业优势，自2024级起开设智能网联人才培养实验班。
实验班面向2024级交通管理工程专业（智能交通方向）的大一学生，每学年择优招录。实验班以实战为导向，结合相关学科的最新研究成果，设置“人工智能导论”、“机器学习”、“智能网联自动驾驶”、“智慧交通感知与决策”、“智能网联交通控制”、“交通大数据建模”和“时空智能与交通治理”等7门课程，共计13学分。
实验班充分利用校企局合作模式，在当地公安局的支持下，组织学生利用寒暑假组建实践小组，赴相关实习基地开展实践锻炼。实践周期累计不少于两周，锻炼期满后需通过由校企局联合命题的能力测试，合格者将获得相关证书及实践锻炼4学分。
创新训练则主要集中在第6学期开展，学生基于课程学习与实践锻炼的积累，在导师指导下选择相关研究方向，开展科研训练项目。学生需完成科研论文、发明专利、调研报告等成果的撰写，并经院部学术委员会质量评定后，获得创新训练4学分。
通过这一系统化的训练模式，实验班致力于培养学生的科研能力和创新思维。
创新能力的培养是学院人才培养工作中的重要环节。通过智能网联人才培养实验班的设立，学院坚持不懈地提升交通管理工程专业学生的科技创新能力，确保学生在毕业后能够适应人工智能等科技的快速发展，为智能交通领域的发展贡献力量。
构建智慧化课堂，强化科技教学
为全面提升教学效果，浙江警察学院积极引入人工智能技术，打造智慧化课堂，强化课程实践，推动理论与实践的深度融合。依托超星学习通平台，学院构建了课程教学知识图谱，系统梳理课程知识点的概念、层级关系、关联性及前后序关系，并以可视化形式呈现，帮助学生直观理解课程内容，掌握知识结构。
同时，搭建教学大模型，进一步提升教学智能化水平。通过大模型对课程内容进行归纳总结，提炼核心知识点，生成AI课堂摘要和思维导图，帮助学生快速定位知识点，理清知识脉络，形成逻辑化的学习路径。
此外，基于大模型的课堂智能导师能够即时解答学生疑问，提供个性化学习建议，并自动收集学生学习数据，生成学习分析报告，为教师提供精准的教学反馈，帮助教师及时调整教学策略。人工智能技术的深度融入，不仅加深了学生对课程内容的理解，也让学生通过实际应用对人工智能技术有了更直观的认识。
在实践教学方面，浙江警察学院依托交通管理工程专业（智能交通方向）的教学实验实训基地——交通实验中心，设计并实施了多项实训项目，包括车辆风格聚类、路段交通状态预测、路口交通信号控制等。
这些实训项目将机器学习、深度学习和强化学习算法与交通管理实际问题相结合，帮助学生在实践中掌握人工智能技术的具体应用，提升理论与实践结合的能力。为解决校内实训资源不足的问题，学院深化与科研单位和企业的合作，构建多元化实践教学体系。
学院携手之江实验室、浙大城市学院城市大脑研究院等科研机构，通过线上平台开展教研活动，围绕“万卡集群”“领域大模型”“城市大脑”“网联自动驾驶”等前沿技术进行深入探讨，并将这些内容作为“科教融合”点引入课堂，丰富课程内容，帮助学生了解人工智能技术的快速迭代与发展趋势。
同时，与中控信息公司合作，持续开发和优化课程实训模块，进一步拓展实训内容，提升学生的实践能力和创新意识。
此外，学院不断加强计算资源建设，并与学校现代教育技术实验中心联合共建教学专用算力中心，以满足学生实训中的算力需求。
通过智慧课堂的构建与实践教学的强化，学院实现了教学模式的创新升级，既提升了学生的学习效果，也为培养适应人工智能时代需求的高素质人才奠定了坚实基础。
四、结束语
通过课程改革来适应人工智能时代交通管理需求的发展，具有十分重要的意义。
在“新公科”建设理念的指导下，浙江警察学院积极拥抱人工智能技术给交通管理工程专业课程带来的教学内容与教学手段挑战，提出了搭建“新公科”新专业平台，融入人工智能技术；开设人才培养实验班，创新培养模式；构建智慧化课堂，强化科技教学等一系列举措，这些举措无疑为我们公安人才的培养提供了新思路，为人工智能赋能公安教育提供了新范式。
在未来的工作中，交通管理工程专业仍需要继续探索、改进和完善课程改革工作，确保学科交叉更深入，专业整合更全面，多元协同更明显，满足高质量公安人才培养的要求。
作者简介：徐图，浙江警察学院交通管理工程学院助理研究员；李强伟，浙江警察学院交通管理工程学院副教授。
来源：赛文交通网
如有侵权请及时提醒
