# TrafficInsight 评价指标体系

> 评价对象：学生实训过程、方案质量、仿真效果、复盘报告  
> 统一样例数据来源：`src/data/traffic-insight.mock.json`  
> 评价目标：支撑 T4 数字孪生教学创新应用中的过程评价、结果评价与能力评价

## 一、评价设计思路

TrafficInsight 的评价体系围绕“学生是否真正理解交通数据、是否能把数据映射到数字孪生场景、是否能提出控制方案、是否能解释仿真结果、是否能完成复盘表达”展开。

评价不只看最终答案，而是综合学生在平台中的操作过程、参数选择、指标改善、报告证据和教师点评。评价过程对应平台闭环：

交通数据感知 → 路网数模映射 → 管控方案推演 → 学习评价反馈。

## 二、教师端评分标准

教师端任务发布内置四项评分标准：

| 维度 | 权重 | 评价标准 | 证据 |
| --- | --- | --- | --- |
| 数据解读 | 25% | 能正确读取流量、速度、排队、事件等指标并说明数据来源 | 数据截图、指标计算表 |
| 数模映射 | 20% | 能把数据变化对应到 GIS 路网、3D 对象、信号状态和事件标记 | GIS/3D场景截图、对象说明 |
| 仿真决策 | 30% | 能提出控制方案并比较推演前后指标，说明策略取舍 | 方案对比图、控制决策单 |
| 表达复盘 | 25% | 报告结构清楚，能反思方案风险并形成学习评价证据 | 实验报告、复盘记录 |

该评分标准适用于教师端任务发布、课堂分组评价和课后报告评分。

## 三、评价复盘页能力维度

评价复盘页采用六维能力模型：

| 维度 | 权重 | 样例得分 | 评价说明 |
| --- | --- | --- | --- |
| 问题识别 | 15% | 88 | 能定位拥堵路段、事故点和关键交通冲突，并说明触发依据 |
| 数据分析 | 18% | 86 | 能读取流量、速度、排队、事件持续时间等样例数据并形成判断 |
| 方案设计 | 18% | 84 | 能设置合理信号周期、绿信比、管制区域和绕行路线 |
| 仿真改善 | 20% | 87 | 能比较优化前后延误、排队、拥堵指数、车速和通行效率 |
| 应急处置 | 14% | 82 | 能评估事故影响范围、绕行分流比例、消散时间和二次事故风险 |
| 复盘报告 | 15% | 92 | 能形成结构完整、证据充分、风险反思清楚的实训报告 |

样例学生综合得分为 86.5 分，等级为优秀。

## 四、指标改善评价

平台将仿真结果转化为可量化的学习评价证据。

| 指标 | 优化前 | 优化后 | 改善率 | 评价意义 |
| --- | --- | --- | --- | --- |
| 平均延误 | 64 s/veh | 46 s/veh | 降低 28.1% | 判断信号优化是否有效 |
| 排队长度 | 164 m | 96 m | 减少 41.5% | 判断排队溢出风险是否缓解 |
| 通行效率 | 61% | 74% | 提升 21.3% | 判断路网运行效率是否提升 |
| 事故影响范围 | 850 m | 300 m | 降低 64.7% | 判断事件管控是否收敛影响 |

学生必须解释指标变化背后的原因。例如，平均延误下降不能只写“方案有效”，还应说明南北向绿信比提升、管制区设置和绕行分流如何共同作用。

## 五、过程性评价

过程性评价来自学生操作时间线：

| 时间 | 操作 | 证据 | 结果 |
| --- | --- | --- | --- |
| 08:20 | 打开数字孪生驾驶舱 | 读取通行指数、流量、车速、事故事件等数据 | 完成初始态势感知 |
| 08:27 | 识别北进口拥堵与事故点 | 北进口速度 28 km/h，排队 164 m，事件持续 18 分钟 | 定位关键瓶颈与应急处置对象 |
| 08:36 | 设置信号周期与绿信比 | 周期 96 s，南北向绿信比 54% | 形成南北进口优先控制方案 |
| 08:40 | 选择管制区域与绕行路线 | 北进口临时管制区、科技大道绕行 | 完成事件应急管控方案 |
| 08:44 | 提交方案并运行仿真推演 | 输出优化前后指标、事件影响范围和风险变化 | 进入教师评价复盘 |

过程性评价体现平台对学生学习路径的记录能力，也是 T4 教学创新应用的重要支撑。

## 六、教师点评与改进建议

样例教师点评：

本次实训能够把交通运行数据、GIS 路网和 3D 对象状态联系起来，方案选择有明确指标支撑。后续需要进一步说明绕行路段承载能力和东西向延误补偿策略。

亮点：

- 能够准确识别北进口排队溢出与事故叠加影响。
- 信号优化方案与仿真结果之间有较清晰的因果解释。
- 报告截图、数据表和推演结论形成了完整证据链。

风险：

- 对绕行路线新增交通压力的量化说明还不够充分。
- 应急管控解除条件需要进一步细化。

改进建议：

| 维度 | 建议 | 行动 |
| --- | --- | --- |
| 数据分析 | 补充东西向延误变化和绕行路段饱和度对比 | 在报告中增加优化前后分方向延误表 |
| 应急处置 | 明确临时管制启动阈值、解除阈值和风险监测指标 | 用事件时间线补充管控开始、调整和解除条件 |
| 复盘报告 | 将结论从“方案有效”提升为“适用条件与局限” | 增加方案适用边界与替代方案比较 |

## 七、T4评分导向下的评价表达

本评价体系可在答辩中对应以下表达：

1. 项目不是只做展示，而是把学生操作过程纳入学习证据。
2. 数据与 3D 数模双驱动不仅体现在场景中，也体现在评价依据中。
3. 学生评价不是单一分数，而是由问题识别、数据分析、方案设计、仿真改善、应急处置和复盘报告共同构成。
4. 平台能够支持教师发现学生薄弱环节，并反向调整课程讲授重点。

## 八、报告导出内容

评价复盘页支持“导出实训报告”，报告内容包括：

- 综合得分。
- 能力雷达图。
- 指标改善率。
- 操作时间线。
- 教师点评。
- 改进建议。

报告文件名样例：`TrafficInsight_交叉口拥堵诊断与信号优化实训报告.pdf`。