You collect and analyze road and transit data to support traffic engineering, congestion management, and transportation planning decisions.
注：职业描述基于市场通用岗位职能，实际工作内容因单位和部门有所不同。
月薪（税前）· 受地区、单位性质和个人能力影响较大
北京、上海、深圳等一线城市薪资通常高于全国平均水平 20–40%
国有企业稳定性强，私营和外资企业薪资弹性较大
AI工具将大幅提升该职业的工作效率，善于运用AI的从业者可以产出倍增。主动学习AI工具的毕业生将明显领先于同行。
技术技能名称保留英文（行业通用表达），面试和实际工作中均以此为准。
在导师或上级指导下熟悉业务体系，建立专业知识框架。通常需要 3–6 个月内开始独立承担项目模块。
独立主导项目或业务模块，开始带领初级成员，逐步建立行业内的专业声誉和人脉网络。
负责重大项目或部门管理，参与战略决策，薪资上限显著提升。高级岗位通常需要丰富的项目记录或专业认证。
早9点查看昨日全市地铁断面客流热力图与早高峰OD矩阵异常告警，10:30参与交通运行调度晨会，向交管部门同步拥堵成因分析结论；11:30清洗整合卡口视频AI识别的过车数据与公交GPS轨迹，构建多源校验后的路网速度时序数据库；下午用Python（pandas+statsmodels）建模预测晚高峰主干道延误指数，15:00将可视化看板嵌入城市交通“一网统管”平台；16:30与规划院团队联调信号配时优化方案仿真结果；下班前完成数据质量日志归档，并标注需复核的3处ETC门架通信延迟样本。
需具备交通工程、地理信息、统计学或计算机相关专业本科及以上学历，熟练掌握SQL与至少一门数据分析语言（Python/R），熟悉GIS空间分析与时间序列建模基础。具备交通行业数据敏感度，能理解浮动车、线圈、RFID等多源数据逻辑差异。
核心区别在于领域知识深度与数据物理意义理解：需精准解读“断面客流”“饱和度”“V/C比”等交通工程指标，熟悉信号周期、车道功能、公交专用道等基础设施约束对数据的影响，所有模型必须通过交通流理论（如格林希尔治模型）校验，而非仅追求统计拟合优度。
非强制要求，但中级交通工程职称（或PMP/CDMP认证）在晋升技术主管或参与政府项目投标时具显著优势；多数单位更看重实际交付能力，如独立完成市级公交线网优化评估报告、支撑重大活动交通保障方案等可验证成果。
有天然优势——对业务逻辑理解深刻，难点在于补足编程与算法能力；建议以“交通业务+工具提效”切入：先用Excel Power Query自动化日报生成，再逐步过渡到Python批量处理浮动车数据，实践中学习特征工程（如构造“通勤刚性指数”“轨道接驳衰减系数”），避免从纯理论算法学起。