|
|
交通工程专业的前景如何？
关注者
1,891
被浏览
1,501,518
116 个回答
被科研耽误的独立音乐人
我代表国内某交通工程双一流学科的教授，针对新生在选择专业和方向时的几个疑惑在此解答:
Q1：交通工程专业技术性不强
交通工程（Traffic Engineering）被国内的学者称为6E学科，包括工程（Engineering）、环境(Environment)、能源(Energy)、教育(Education)、法规(Enforcement)、经济(Economy)。从学科门类上来说，交通工程学科隶属自然科学，但实际关注的内容涉及到诸多社会科学的范畴。因此，交通工程学是一门软硬结合的交叉应用学科。具体偏软还是偏硬要看具体分支方向。
社会大众对“硬学科”与“软学科”的认识存在误区。硬学科行业的价值一般直观可见，例如我搬一块砖、盖一栋房子、造一辆汽车、做一件衣服、开发一个软件都直接产生价值，很多硬学科的人一直的努力方向即通过一种cost effective的方式提高创造这些价值的效率。然而，由于层次与眼界的不同，很多人对软学科价值的认识也存在局限性。现今社会下实用利己主义盛行，很多人认为软学科的价值不如硬学科来的实在。实际上，并非软学科本身没有价值，而是软学科的价值并非人人可见。软学科的价值的评判思路与指标不一定与硬学科相同，不仅非直观可见且反馈周期较长。例如，城市交通规划对城市发展的作用往往非短期可见，交通系统网络分配的系统最优有时候会牺牲用户个体效用。此外，实际从业者中，能发挥软学科价值的人也是少数。
之所以会有“交通工程技术性不强”这一说法，我认为首要原因是社会上对交叉学科存在价值的认识误区。交叉学科一般偏向于应用较为独立与成熟学科中的技术到新的领域，所以很多人认为交叉学科或者应用学科本身没有所谓的“核心技术”。现我们把有“核心技术”的学科称为工具学科，那么社会分工本身就是两个层次：一是开发技术，二是应用技术。工具学科较为良性的方向应该是开发出解决问题的技术工具，并且不断降低工具的使用门槛，不断推广。应用学科的核心应是发现问题，并通过掌握工具去解决实际问题，直接创造价值。
然而实际上，由于供求关系和利益驱使，很多开发梯队淘汰下来的人，转而去搞应用，和应用学科抢饭碗，从而扰乱了社会分工。同时，为了学科的就业，一些工具学科自身开设应用的子学科，例如应用数学、工程物理。
因为对交通工程学科的关注范畴、层次分工的认识不够充分，学科行业之间的分工出现了许多问题。很多其他行业的核心技术的开发者凭借其技术优势，来投身于交通学科的应用。例如，国内的滴滴出行、共享单车、智慧停车这些本该明确为交通领域的应用，实际上却由拥有更熟练的互联网运营技术经验的互联网经济从业者主导。本该起主导作用的交通工程师实际上只起到了边缘作用，本该起工具作用的互联网程序员却成为了主力军。如此以来，这些新型交通应用发展过程中造成了许多因为不懂交通工程学而引起的交通问题与社会问题。这些企业和政府现今逐渐开始意识到这个问题，渐渐开始学习国外，招募高端交通工程人才，但是公众知之甚少。
Q2：交通工程学科所需要的编程知识
有关编程知识的学习，国内外差异更大。美国和印度的编程文化应该算是世界前沿。2015年，美国前任总统奥巴马曾经号召: 所有美国人都应该学习编程。世界IT巨头包括比尔盖茨、扎特伯格、杰克多西等人与众多世界顶级程序员，携手NBA巨星克里斯波什录制的编程文化宣传视频: why coding？ https:// v.qq.com/x/page/q0376n5 36r1.html?ptag=2_6.1.5.16028_copy 。
根据我在美国留学时接触到的编程文化，很多美国人确实把编程看做一种基础技能，类似于很多年前计算机刚普及时候的打字技能。除了美国人，很多印度人把能进入硅谷里的互联网大公司作为民族骄傲。很多中国人是也靠着编程技能拿到了美国绿卡。在美国接触过这部分人群的都会知道，全民编程的文化并不局限于学科分类。上面扎特伯格和克里斯波什的组合也正是为了宣传这个理念。现今，除了自然学科，美国的人文学科、社会学科、艺术学科都在学习编程知识。例如，考古学者用深度学习去映射破译失传的古罗马文字，音乐人基于RNN和Deep Learning进行人工智能算法作曲。
反观国内，绝大多数文科生对编程望而却步，深层意识里就觉得编程是理工科学生的事情。而到了理工学科，土建类的学生觉得编程是电类的事情，从而对编程有着抵触心理。因此，很多人一直学不好编程的主要原因之一是心理上的排斥。其实，编程学的并非某几种语言，而是一种思维方式。这一点很多人一直理解不了。
因为编程知识接受程度的原因，交通工程学科的就业方向，国内外差异较大。传统观念下，国内的交通工程本科生、研究生的主流就业方向为道路、交通、市政、规划部门下的设计单位、施工单位、投资单位、管理单位。现阶段，此类单位主要需求技能为计算机辅助制图、工程文案能力，看似并不需要过硬的编程能力。
美国的交通工程学科的发展较国先进很多。上述很多行业在美国已成夕阳产业。美国交通工程学生的工业界的就业方向除了传统的design、consulting，越来越多的互联网企业也接受交通类人才。据我身边的经验，美国交通名校UCB、MIT等交通方向的学生主要就业方向为Uber、Lyft、Amazon、Facebook、Ebay这些互联网企业。这些企业都有与交通工程相关度非常高的岗位，很多人做的事情和所学完全符合，例如Uber eat部门的travel time estimation、Amazon和eBay的supply chain optimization。美国名校学生能进入世界顶级互联网企业的重要原因之一，得益于他们交通工程学科的培养策略。国外交通名校在培养学生的时候注重交通学科知识与工具学科技术的结合，讲解算法模型的时候侧重原理推导与应用动机的构思。
因为数据科学(data science)的热门，交通工程学科的数据分支现在越来越火。实际工业界对这个方向的需求也是供不应求。就国内而言，最近两年的招聘市场上，对自动驾驶方向的交通工程人才也是供不应求。顺丰、菜鸟这些物流企业，百度、腾讯等互联网企业，都有对交通工程人才的需求。
有关科研方面，交通工程研究主要涉及到的基础学科与工具学科有：统计物理、应用数学、计算机科学。就我的课题组而言，组内研究方向（所涉及到的主要核心技术）如下：交通流理论（统计物理、计算机模拟）、交通安全（数理统计）、交通节能减排（数学建模）、公共交通（数学建模、控制理论、数据科学）、智慧交通（系统科学、数据科学、自动化科学）。
由于真正意义上的交通工程学发展不到四十年，交通工程已经成熟的学科知识（domain knowledge）与成熟的基础学科或者应用学科相比，内容较少。据跨专业到交工的研究生所述，掌握达到研究生入学要求的交通工程知识，一般只需要三个月。然而实际上，如果想在交通工程领域深造，进入科研阶段，需要学习的知识远不止已经系统编纂的专业本身的学科知识。因此，我认为，如果有进军交通科研领域的打算，最好尽早尽多掌握相关的数学与计算机知识与技能。
Q3：交通土建与交通工程之间的关系
首先，我本身就是交通土建本硕出身。博士在国外转入交通工程。在国外，交通工程学科通常是土木与环境（Civil and Environmental Engineering，CEE）下的一个Department，所以在faculty结构上，交通土建与交通工程也会有交叉。交通土建转型交通工程的老师也很常见。
从学科知识来说，交通土建偏向于传统土木工程，对几大力学的知识有要求。如果打算以后从事交通土建类的设计施工行业，这些基础是很有用处的。这也是国内本科生教学要开设这些课程的原因，得为本科就业的群体考虑。
但是，交通土建的基础对于交通工程主流研究方向来说，用处并不是很大。花了大量精力掌握的理论力学、土力学、水力学、结构力学、弹性力学等，大多数知识是没有用处的。当然，如果你想开阔新的交叉研究方向，这些基础还是有潜在用处的。只是考虑大多数人的理性选择，性价比并不是很高。反之，数学计算机系的课程例如数理统计、线性代数、运筹学、数据结构、机器学习等课程对交通工程科研与新兴的产业来说是更为直接有用的基础。
高级工程师/工科博士/交通运输
本次更新是和大家分享一下就业的相关内容，针对设计院类（包括铁路的一、二、三、四院）。
铁路的一二三四院主要是勘察设计，分别位于西安、成都、天津和武汉。其中，一院和四院是中国铁建的全资子公司，二院属于中国中铁，三院属于总公司，是亲儿子。四个勘察设计院在业界的排名基本上是四三二一，但是毕竟三院是亲儿子，项目水平略高。
关于几个设计院，之前搜集了一些资料，这里给大家分享一下（需要北交大知行账号）。
http:// zhixing.bjtu.edu.cn/thr ead-998354-1-1.html
http:// zhixing.bjtu.edu.cn/thr ead-1070045-1-1.html
我觉得上述的资料已经是比较全的了，能够帮助大家对铁路设计院的基本工作有一个比较清楚地认知。这里说一下来设计院的渠道：
（1）大三结束的时候学校有产学研，北交是有的，不知道其他学校有没有。之前有同学通过这个去了铁一院和铁四院，基本上是非常爽的；
（2）学硕第二年暑假/专硕第一年暑假/博士毕业前一年暑假去相应的设计院实习，需要经历6月份学校面试-78月份设计院实习-8月份设计院内面试-10月份校招环节，最后签协议。
补充一下签协议的时间：
一般情况下，三院是九月份给通知的（今年是9月20日），然后会签署协议；
四院是分了三批，2017年给的时间比较晚，第一批是过了十一假期，第二批是十月末，第三批是十一月。
有其他想了解的信息可以留言，之后会不定期更新。
————————————————————————————————
本人男，本科北交铁路方向，博士车站行人仿真，参加过业内国际会议，在Transport Reviews, Simulation Modelling Practice and Theory、铁道学报等国内外刊物均有文章发表，去过德累斯顿工大交流，即将毕业，谈一谈交通专业（不局限于交通工程，在国内交通工程更偏向于道路交通）前景。楼主说是专业前景，我觉得从 专业培养和就业 两方面谈比较好。最后 会谈一下自己对交通运输行业理论研究发展的看法 。
本科：
（1）专业培养：从技术上来说，交通相关专业的知识难度都不是很高（在理工科领域，但是比文科还是高不少的），所以北交的专业培养不仅仅是专业知识（运输组织、港站枢纽等），还涉及到土木工程、电气、计算机、数据库等知识。这样培养出来的人才对于交通行业（铁水公管航、城市交通、物流等）还是非常了解的，所以基本上就业不是问题。 不要纯粹地说没有技术含量，因为本科生的培养目标不需要那么高的技术含量 。想要技术含量，大规模的仿真（车站仿真、路网仿真等）、大规模的数学求解（动车组运用、排班计划等）、新兴技术（空天车地、区域轨道交通等）都不比计算机等领域差。 本科生的培养更多的是了解运输生产的实际，尝试用多种方式解决运输现场可能遇到的问题 。当然，很重要的一点是“ 不要纯粹以为泛化的培养没有必要 ”，因为有种东西叫做“熏陶”。 没有四年的熏陶，对于运输的了解不可能深刻 。
（2）就业：运输专业的就业基本上还是很好的， 男生百分百没有问题，女生会差一点 。就业方向主要是 铁路局、地铁、物流公司、其他 。举个例子，曾经有铁路来面试，问题是“你会踢足球么？”等之类的问题，不为啥，就是因为没啥问题可问的，男生就是这么好就业。工资待遇的话，在北上广跟一线的白领相比还是有差距，但是在其他地方，工资绝对是中上层。
硕士：
（1）专业培养：硕士的专业培养基本上是 比较水的，不仅仅是交通运输行业，在任何一个行业都差不多 。第一年是上课，第二年基本上在实验室干活，第三年是写论文。以上是学硕，专硕的话基本上不会承担很多的项目。个人以为， 硕士培养最重要的部分就是项目了 。通过项目的历练，硕士能够尝试将所学的专业知识应用到运输生产实践，这也为将来的工作奠定一定的基础。现在交通运输行业的 项目并不简单，需要应用计算机、数据分析等多学科的知识 。此外，根据本人承担铁路总公司、北京地铁、广州地铁等多个横向项目的经历， 理论型的横向项目比计算机类的横向项目更难 ，因为前者需要广阔的视野、对于问题的深刻认知、广泛的调研和宏观的把握。要知道现实世界比计算机世界复杂多了。随便举个例子：全路18个铁路局（含公司），下面有几百个车机工电辆段，每个段的具体情况都不同，如何进行划区管理，如何适应高速铁路的快速发展。这些问题远远比计算机领域的固定知识难多了。
（2）就业：硕士的就业基本上没什么问题，女生找工作可能会难一些，但是基本上都是有工作的。主要就业单位是 设计院、铁路局、地铁、物流公司、事业单位等 。现在设计院的工作基本上是固定的，所以硕士承担起来没什么问题。在铁路局和地铁公司，硕士的工作岗位要比本科好一些。
博士：
（1）专业培养：博士的专业培养基本上是上课+项目/研究并行+论文的模式。博士基本上是要作为主力来 承担横向项目的，我觉得这是博士培养的重要环节，也是国内土博比国外博士最大的优势之一（虽然我们都不喜欢项目，哈哈） 。通过项目，博士会在项目管理、计算机编程、数据分析、带学生方面有很大的提高。国外的博士相对来说没有这个环节，但在 语言和环境适应能力 会好很多。关于论文，国内和国外期刊还是有很大不同的， 国内强调方法和结果，国外强调研究过程 。这个亲自写过相关的论文就知道了。
（2）就业：博士的就业基本上是三个方向（运输现场/设计院、研究院、高校）。目前还是以高校为主。大趋势是 国内土博去二三本高校，国外博士去一本高校（只想呵呵） 。当然也有很多比较优秀的土博通过 海外的博士后 再回一本高校的。研究院如铁科研也是不错的选择，但是位居北京对于很多人来说还是要考虑买房之类的压力。设计院来说目前的博士不是很多，但是不失为一种不错的选择，尤其是铁三铁四，一方面买房的压力比较小，更重要是能够在运输现场发挥自己的才能。
最后， 谈一谈对交通运输理论研究的看法 ：
关于 @小川 的看法，首先觉得其说得很好，但是我觉得其混淆了两个问题：（1）交通运输的发展趋势（2） 理论研究和运输实际的gap。前者是讨论理论研究发展的方向，后者是理论研究和运输生产实践之间的距离。
关于第一个问题，我赞成他的看法，在互联网+、大数据等驱动下，基于数据的交通发展是一个很大的趋势，在去年本人参与完成的轨道交通技术体系及其发展趋势、轨道交通科技创新模式及技术变革分析的研究报告中，这些新兴的技术已经尝试开展研究和应用。目前的滴滴、优步、地铁AFC等数据都在推动大数据下的交通研究。但是这些并不意味着传统的基于模型的研究的没落（ 虽然很多时候我们建立的模型只是为了好看，但是建模的过程却意味着我们对于现实世界的抽象和理解能力 ）。数据更多的是基于对结果的分析，缺乏对理论的本质原因的思考。应当将两者统一起来。
实际交通问题和理论研究确实存在很大的差距。这一点我们不能避讳。一方面是顶天，一方面是立地。我们应当做顶天立地的研究，这是最好的结果。但是，我们同样应当允许两者的极端，一是立地，二是顶天。 我们只看到了Part B，那是因为Part B本身就是数学建模部分。我们为什么没有看到Part C呢，那是新兴技术啊 。part B本身就是为顶天存在的，还有很多的立地的啊，而且立地的本来就有很多。 因为只看到影响因子下的Part B顶刊，所以被影响因子蒙蔽了眼睛 。当然，我还是很希望所有的研究者们都能够从实际问题出发， 用合适的手段来解决相应的问题 。就像我们研究领域的Helbing，从1995年的社会力模型出发，解决了一系列的行人仿真、人群疏散问题。 我们应当始终以包容、进取的心态去看待当前的研究 。作为一个交通人，我还是愿意一辈子从事交通运输行业，这在未来的中国依旧是欣欣向荣的产业。