AI在城市轨道交通中的应用

20XX/XX/XXAI在城市轨道交通中的应用汇报人:XXXCONTENTS目录01

行业发展背景与政策导向02

技术支撑体系构建03

设备智能运维应用04

乘客服务智能化升级05

运输组织智能优化CONTENTS目录06

应急处突与安全管理07

智慧能源管理创新08

实施路径与挑战应对09

典型案例与应用成效行业发展背景与政策导向01城市轨道交通智能化转型需求运营效率提升需求

传统运营模式面临客流攀升压力，需通过AI实现从经验驱动向数据驱动转型，提升运输组织效率与资源配置能力，如《中国城市轨道交通智慧城轨发展纲要（2026-2035年）》提出高峰小时最小发车间隔平均缩短近10%的目标。运维模式革新需求

设施设备老化与科学维保需求矛盾突出，传统“计划修”模式效率低、成本高，亟需AI赋能实现预测修/状态修，降低故障率，如行业平均退出正线运营故障率已下降73%，但仍需突破运维侧科技创新能力不足瓶颈。财务健康保障需求

行业平均资产负债率达57%，普遍面临经营亏损，需通过AI优化能耗管理、降低运维成本、提升资产全寿命周期管理效益，实现降本增效，支撑企业可持续发展。安全与服务升级需求

随着系统规模扩大，安全监控与应急处突要求提高，同时乘客对出行体验的期望提升，需AI技术强化异常行为识别、特殊乘客服务、智能应急响应等，构建安全、便捷、人性化的服务体系。国家"人工智能+"战略支持国家战略政策导向国家层面出台“人工智能+”行动计划，明确“AI+交通”发展方向，将人工智能技术深度融入城市轨道交通等重点领域，为行业智能化转型提供顶层指引。行业政策协同推进交通运输部等行业主管部门发布《城市轨道交通全自动运行系统运营技术和管理规范（试行）》等文件，支持障碍物探测、列车远程控制等AI技术创新与应用，促进运营管理与技术水平协同适应。技术标准规范引领大模型国家标准落地，推动AI技术在城轨领域的规范应用。中国城市轨道交通协会发布《城市轨道交通人工智能应用指南（2026）》，构建“认知—技术—应用—实施—保障”闭环框架，填补城轨行业AI应用标准化空白。智慧城轨发展纲要规划目标

01总体定位与指导思想以新一代信息技术深度融合为主线，推进信息化、数字化转型，发展智能系统，建设智慧城轨，助力交通强国。

02两步走建设目标2030年：中国式智慧城轨特色鲜明，全面跻身世界先进，基本建成新时代城轨；2035年：进入世界城轨强国前列，智慧城轨领跑全球，全面建成新时代城轨。

03关键量化目标（2035年）乘客满意度>99%，电子支付使用率>99%，全自动运行里程>2500公里，运营能耗下降>30%，城轨云数智平台100%覆盖，AI降本>40%。

04核心布局：1-8-1-1架构1张发展蓝图、8大智能体系、1个城轨云数智融合平台、1套自主技术标准体系，构建智慧城轨发展框架。技术支撑体系构建02数据底座：全生命周期治理01数据采集：多源异构数据融合构建覆盖车辆、站点、路网、乘客等全要素的感知网络，通过传感器、摄像头、车载终端等设备实时采集振动、温度、客流、定位等多维度数据，实现数据采集频率提升至秒级，确保车辆位置、运力状态的毫秒级更新。02数据处理：清洗与标准化部署流数据处理引擎，对感知层实时数据进行清洗，剔除定位漂移、设备故障等异常数据；按“线路-站点-时段”维度进行聚合，计算5分钟粒度的平均候车人数、车辆满载率等指标，保障数据质量。03数据存储：云边协同架构采用“中心云+边缘云”协同存储模式，边缘云负责本地实时数据的初步处理与存储，中心云依托城市级智能计算中心实现海量历史数据的集中管理与快速检索，支撑复杂计算任务与长期数据分析。04数据应用：价值挖掘与知识沉淀通过联邦学习、时序卷积网络等技术从数据中提取特征，构建公交调度知识图谱，沉淀历史调度案例与专家规则，实现从“数据资源”到“决策知识”的转化，为AI模型训练和智能决策提供高质量数据支持。05数据安全：全链条防护体系覆盖云网数用端全场景，采用数据加密传输、访问控制、安全审计等措施，建立数据安全分级分类管理制度，确保数据采集、传输、存储、使用全流程的合规可控与隐私保护。算法体系：大模型与专业小模型协同

城轨行业大模型构建聚焦NLP、视觉及多模态技术，打造城轨行业大模型，作为算法体系的核心支撑，为各专业场景提供基础智能能力。

专业小模型适配针对设备运维、乘客服务等六大核心应用场景，开发专业小模型，实现大模型能力与具体业务需求的精准适配与深度融合。

协同应用模式采用“大模型+小模型”协同架构，大模型负责知识理解与通用推理，小模型专注特定场景精细处理，共同支撑智能体开发与应用落地。算力架构：云-边-端协同调度

集中式云端算力：模型训练与全局优化依托城市级智能计算中心（如济南轨道交通云平台算力中心），提供大规模集中算力，支撑城轨行业大模型训练、全局客流预测与跨线网运营优化，实现算力资源弹性调度与高效利用。

边缘节点算力：实时推理与低时延响应在公交枢纽、核心商圈等数据密集区域部署边缘计算节点（单节点算力≥100TOPS），负责车辆定位纠偏、客流实时统计、路口拥堵预测等低时延需求的本地计算，缩短决策响应时间至秒级。

终端设备算力：现场数据采集与初步处理车载终端、智能传感器等设备集成边缘计算能力，实现数据本地预处理（如车载摄像头乘客拥挤度识别），减少核心网络带宽压力，提升前端感知与执行的自主性。

协同调度机制：动态资源分配与任务卸载通过“云-边-端”协同架构，根据业务需求（如实时性、数据量）动态分配算力资源，集中算力训模与边缘算力实时推理相结合，保障高实时性业务与复杂计算任务的高效协同。云网数用端全场景覆盖构建覆盖云平台、网络传输、数据资产、应用系统及终端设备的全场景安全防护体系，实现安全运营闭环管理，保障AI应用合规可控。数据安全与隐私保护实施数据全生命周期治理，采用隐私计算、数据加密等技术，确保敏感数据（如乘客信息、设备数据）在采集、传输、存储和使用过程中的安全，符合相关法规要求。算法安全与模型鲁棒性加强AI算法可解释性研究，提升模型对异常数据和复杂场景的鲁棒性，防范算法偏见与错误决策风险，建立算法安全评估与验证机制。人机责任边界清晰化明确AI系统与人工操作的责任划分，建立人机协同的安全机制，确保在故障处理、应急响应等关键环节责任可追溯，避免责任模糊带来的安全隐患。安全保障：全场景防护体系设备智能运维应用03预测性维护与状态修转型

从计划修到预测修的模式变革传统轨道交通运维依赖人工巡检和定期维修，存在效率低、故障发现滞后等问题。AI技术推动运维模式向预测修、状态修转型，通过对设备状态数据的实时监测与智能分析，实现故障精准预测与主动维修。

全生命周期设备状态智能监测借助人工智能、5G、云计算等技术，构建覆盖轨道、列车、供电、信号等设备的全生命周期智能体。通过传感器实时采集振动、温度、电流电压等运行数据，利用AI算法进行深入分析，实现智能巡检与故障诊断。

故障自动研判与维修方案优化AI系统可对采集到的设备数据进行分析，自动识别轨道磨损、裂纹等缺陷及供电设备过热等故障风险。发现故障或潜在故障时，能自动根因定位，并根据故障类型、位置及历史维修数据生成最优维修方案，包括所需人员、工具、备件及步骤。

典型案例与效益提升青岛、徐州、南京等地铁应用智能运维场景，效率普遍提升60%–90%，成本显著下降。如通过对轨道振动数据的AI分析，提前发现轮轴系统轴承磨损等问题，有效减少人工巡检工作量，降低故障发生率，缩短维修时间。全场景智能巡检解决方案基于具身智能技术，构建基地智检机器人+轨旁360°检测、区间线性资产设备检测、车站设备检测等全场景智能运维体系，实现高精确度、低误报、作业高效的巡检目标。设备状态数据自动化采集通过部署在轨道、列车、供电设备、信号设备等各类设备上的传感器，实时采集振动、温度、电流电压等运行状态数据，利用5G网络快速传输至云计算平台，解决传统人工输入数据质量参差不齐的问题。智能故障诊断与预测运用人工智能算法对采集到的设备数据进行深入分析，实现智能巡检、故障精准预测与自动分析。例如通过轨道振动数据分析识别磨损、裂纹等缺陷，通过供电设备温度数据分析预测过热故障风险，并自动进行根因定位。典型应用案例与效益青岛、徐州、南京等地铁应用智能巡检机器人，在智能运维、隐患识别等场景效率普遍提升60%–90%，显著降低人工巡检工作量和故障发生率，推动运维模式从传统“计划修”向“状态修”“预测修”转型。智能巡检机器人技术应用故障自动研判与派单系统01智能故障诊断：从数据到结论的精准分析系统整合振动、温度、电流电压等多源传感器数据，运用城轨行业专业算法模型，对设备运行状态进行实时监测与智能分析，实现故障的精准识别与根因定位，替代传统依赖人工经验的诊断方式。02自动化派单：基于规则与优化算法的高效调度根据故障类型、位置、历史维修数据及当前运维资源状态，系统自动生成最优维修方案，包括所需人员、工具、备件及维修步骤，并精准下达派单指令，提升响应速度与资源利用效率。03闭环管理：从告警到修复的全流程跟踪构建“故障发现-自动研判-派单-维修-验收-归档”的完整闭环管理机制，实时跟踪维修进度，确保故障得到及时有效处理，同时沉淀数据用于持续优化研判模型与派单策略。04效能提升：典型案例中的显著价值参考《城市轨道交通人工智能应用指南（2026）》中典型案例，该系统应用后，故障处理效率普遍提升60%–90%，大幅缩短故障维修时间，降低运维成本，保障轨道交通安全稳定运行。乘客服务智能化升级04异常行为与特殊乘客识别异常行为智能监测与预警基于计算机视觉与深度学习算法，对乘客翻越护栏、奔跑、滞留等危险行为进行实时识别，自动触发告警并联动车站工作人员处置，有效提升站厅站台安全管控能力。特殊乘客智能识别与主动服务通过AI图像分析技术，精准识别老弱病残孕等特殊乘客，系统自动推送信息至站台工作人员，提供优先引导、协助乘车等主动服务，提升特殊群体出行体验。多模态数据融合联动处置整合视频监控、红外传感、环境参数等多源数据，构建异常行为与特殊乘客识别的协同判定机制，实现从识别、预警到联动服务的全流程闭环管理，响应效率提升60%以上。智能客服与语音交互系统远程客服中心融合语音与视频技术新建地铁线路全面应用远程客服中心，融合语音识别与视频分析技术。乘客可通过语音交互查询列车时刻表、票价信息、换乘路线等，视频分析能识别乘客操作困难并提供远程指导，集中处理投诉建议与特殊乘客服务预约。智能客服提升响应效率与服务质量利用自然语言处理和语音识别技术，提供24小时在线智能客服，解答乘客疑问并提供出行建议。通过AI算法优化客服流程，缩短响应时间，提升服务的精准度和个性化水平，改善乘客体验。语音导航助力便捷出行借助语音识别和语音合成技术，为乘客提供语音导航服务。乘客通过语音指令即可获取实时站点信息、换乘指引等，无需手动操作，提高出行便利性，尤其方便携带行李或视力不佳的乘客。智慧安检与通行效率提升

智能安检系统技术融合整合人工智能图像识别、毫米波雷达、大数据分析技术，实现对乘客携带物品的快速、精准检测，自动识别违禁品并报警，毫米波雷达实现非接触式人体检查。

无感快速安检方案北京地铁站引入智能安检门，内置人工智能与大数据分析系统，乘客无需停留自然行走通过，合规乘客快速放行，有效缩短安检区域等待时间，提升出行体验。

安检数据驱动运营优化智慧安检平台实时分析安检通过率、违禁品查获数量等数据，为安检人员排班、安检设备优化配置提供数据支持，进一步提升整体安检效率与安全性。运输组织智能优化05多维度数据融合预测模型融合历史客流、实时信令、气象数据、事件信息（如演唱会、展会）等多源数据，采用LSTM与Transformer模型融合架构，实现站点级、线路级15分钟-2小时客流预测，准确率≥90%。短期与中长期预测协同应用短期预测（0-2小时）采用Transformer大模型，预测未来2小时内各线路各站点的候车人数、车辆到达时间（MAE≤90秒）；中期预测（2-24小时）结合机器学习与节假日、重大活动等事件因子，预测次日高峰时段与热门区间。突发大客流智能预警与响应通过手机信令识别大型商圈、景区1公里范围内的潜在客流聚集，提前20分钟触发调度预警；当系统检测到某线路连续3个班次满载率＞90%时，自动匹配“增发区间车”策略，提升应急响应效率。客流精准预测与动态分析运行图智能编制与调整智能编制：数据驱动的精准规划基于历史客流数据、列车运行数据及线路条件，运用AI算法（如强化学习、多目标优化）自动生成运行图，实现运力与需求的精准匹配，提升规划效率。动态调整：实时响应突发状况通过实时分析列车运行状态、客流变化及外部环境（如天气、事故），AI系统快速生成运行图调整方案，缩短调整时间，例如大客流时自动生成增发、缩短发车间隔建议。协同优化：多目标平衡与效率提升综合考虑准点率、能耗、乘客舒适度等多目标，利用AI算法优化列车运行策略，实现整体运输效率提升，对比2019年，2025年高峰小时最小发车间隔平均缩短近10%，平均5分钟及以上延误率下降73%。运力资源动态优化配置

智能运行图编制与动态调整基于城轨行业大模型与实时客流数据，实现运行图的智能编制与动态调整。面对突发大客流等情况，可快速分析并生成调整方案，提升运行图调整效率，保障线路运行稳定性。

多维度客流精准预测与运力匹配运用AI算法，综合历史客流、实时数据、气象、重大活动等多因素进行短期（0-2小时）、中期（2-24小时）、长期（1周-1月）客流预测，准确率高，为运力投放提供科学依据，避免运力浪费或不足。

灵活调度策略实现高效运营根据不同场景动态调整发车间隔、线路走向、车辆配置。如平峰期动态缩班与弹性发车降本增效，高峰时段启动“大站快车”“虚拟编组”等模式精准疏导客流，提升整体运营效率。应急处突与安全管理06实时数据驱动的方案生成系统整合多源实时数据，包括列车运行状态、客流数据、设备故障信息及外部环境因素，利用AI算法快速分析研判，智能生成针对性应急处置方案，提升响应效率。移动端指挥与跨岗协同通过移动端应用实现应急指令的快速下达与信息反馈，支持跨部门、跨岗位人员的实时协同，确保应急处置流程高效顺畅，形成闭环联动机制。历史案例与知识图谱辅助决策构建应急处置知识图谱，整合历史案例经验，为方案生成提供参考依据。AI算法结合知识图谱，实现类似场景的方案匹配与优化，提高决策的准确性和可靠性。智能应急方案生成系统移动端指挥与跨岗协同移动端智能指挥平台构建整合AI智能处置方案生成功能与实时数据交互能力，打造集信息接收、方案调取、指令下达、进度追踪于一体的移动端指挥系统，支持应急场景下的快速响应与动态决策。跨岗位信息实时共享机制打破传统部门壁垒，建立基于统一AI平台的跨岗信息共享通道，实现运营、维保、调度、安保等岗位间应急信息的即时推送与同步更新，确保协同效率。智能任务分派与流程自动化AI算法根据事件类型、人员技能、地理位置等因素，自动生成最优任务分派方案，并触发标准化处置流程，减少人工协调成本，提升应急处突响应速度。多方协同联动响应案例参考《城市轨道交通人工智能应用指南（2026）》中应急处突场景，通过移动端指挥平台实现跨部门快速联动，案例显示效率提升60%-90%，有效缩短应急处置时间。安全风险智能监测预警

多模态感知数据融合整合视频监控、传感器（振动、温度、电流等）及5G-C-V2X通信数据，构建覆盖轨道、列车、供电、信号等设备的全方位感知网络，实现安全风险数据的实时采集与多维度融合分析。

AI算法智能异常检测运用计算机视觉、深度学习等AI算法，对采集数据进行智能分析，实现对轨道裂纹、设备过热、异常振动、乘客异常行为等安全隐患的自动识别与精准定位，如对违禁物品识别准确率≥98%。

实时预警与联动处置建立安全风险实时预警机制，当系统检测到异常情况时，立即发出告警信息，并联动相关部门与应急指挥系统，辅助生成处置方案，如青岛地铁等案例中效率提升60%-90%，保障运营安全。

全生命周期安全闭环覆盖云网数用端全场景，构建从风险感知、智能研判、预警发布到处置反馈的安全运营闭环，结合可信AI与隐私计算技术，确保数据安全与合规可控，提升整体安全管理水平。智慧能源管理创新07系统架构与协同机制构建以能源生产（源）、输配网络（网）、负荷需求（荷）、储能调节（储）、智能控制（控）为核心的一体化系统，通过AI算法实现多环节动态平衡与优化调度。节能降碳与能效提升依托AI技术对城轨能源消耗进行实时监测与智能调控，实现运营能耗下降超30%，推动绿色城轨建设，助力实现双碳目标。虚拟电厂与碳交易参与将城轨能源系统纳入虚拟电厂体系，通过AI优化能源资源配置，参与碳交易市场，提升能源利用效率与经济效益，实现环境与经济价值双赢。源网荷储控一体化系统节能降碳与绿色运营

源网荷储控一体化智慧能管构建源网荷储控一体化系统，实现能源的智能调配与高效利用，推动城轨能源管理向精细化、绿色化转型。

AI驱动的节能降碳策略运用AI算法优化列车运行、车站设备能耗，结合《智慧城轨发展纲要（2026-2035年）》目标，力争运营能耗下降超30%。

参与虚拟电厂与碳交易通过智慧能管系统参与虚拟电厂调峰，探索碳交易模式，实现经济效益与环境效益的双赢，助力城市双碳目标达成。

绿色线路认证与示范青岛地铁6号线一期工程荣获全国首张城轨四星级绿色认证证书，为行业绿色线路建设提供可复制、可推广的典范。参与虚拟电厂与碳交易源网荷储控一体化智慧能管构建城市轨道交通源网荷储控一体化智慧能源管理系统，实现对供电、储能、负荷的协同调控，提升能源利用效率，为参与虚拟电厂奠定基础。虚拟电厂聚合与响应作为虚拟电厂的重要可调负荷资源，城轨系统可根据电网需求，灵活调整用电策略，参与削峰填谷等辅助服务，提升电网稳定性并获取收益。碳足迹追踪与核算利用AI技术对城轨运营全过程的能耗数据进行采集分析，精准追踪碳足迹，科学核算碳排放，为参与碳交易提供可靠数据支撑。碳交易策略与实现路径基于碳核算结果，制定城轨参与碳交易的策略，通过节能降碳措施产生碳减排量，进入碳交易市场进行交易，助力行业绿色低碳发展。实施路径与挑战应对08试点-示范-推广实施策略

核心场景试点：聚焦价值痛点突破选取设备运维、乘客服务等核心场景开展AI应用试点，如智能巡检机器人故障识别、异常行为主动告警等，验证技术可行性与业务价值，为后续推广奠定基础。

示范线路推广：形成可复制经验在试点基础上，打造AI应用示范线路，整合多场景解决方案，如青岛地铁6号线实现智绿融合，荣获全国首张四星级绿色认证证书，效率提升60%-90%，形成可复制的行业经验。

全线网升级：新线原生与老线改造并举按照“新线AI原生设计、老线智慧化改造”路径，推进AI技术全线网应用。新线同步规划AI平台与应用，老线逐步接入统一AI平台，实现全域智能协同，推动城轨整体向智能化转型。实施层面挑战存在规划缺失、需求模糊、协同不足、数据治理难、标准缺位、人才短缺等问题，制约AI在城轨的规模化应用。技术层面风险面临模型鲁棒性不足、长尾场景覆盖不够、算力供需失衡、大小模型适配难等技术风险，影响应用效果和稳定性。安全合规难题数据安全、算法不可解释性、人机责任边界不清等安全合规问题凸显，需在创新应用与风险防控间寻求平衡。系统性解决策略应对策略包括顶层规划、伴随研发、数据治理、标准共建、安全闭环、人才筑基，推动AI在城轨领域健康有序发展。关键挑战与解决路