AI在城市轨道交通中的应用

0XX/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

AI技术支撑体系03

核心应用场景04

典型案例分析CONTENTS目录05

实施路径与策略06

保障体系建设07

发展趋势与挑战08

总结与展望行业发展背景与政策导向01行业发展阶段转变中国城市轨道交通已从“大规模建设”加速转向“大规模运维”阶段，截至2026年3月，全国运营里程达11778.2公里，车站近7000座，运营规模全球领先。运营成本持续攀升2025年全国城轨平均每车公里运营成本达35.28元，十年间增长约20%，降本增效压力显著，智能化成为遏制成本曲线的关键手段。安全与效率双重挑战传统人工巡检、计划修模式难以满足复杂线网运营需求，2025年数据显示，通过AI技术实现预测性维护后，平均退出正线运营故障率较2019年下降73%。乘客服务体验升级乘客需求从“走得快”向“走得安全、舒适、便捷”转变，要求实现无感出行、个性化服务等，推动服务模式从被动响应向主动预警升级。城市轨道交通智能化转型需求国家政策支持体系国家层面政策引导

国务院发布《关于深入实施“人工智能+”行动的意见》，明确将“人工智能+交通”作为重点行动，推动新一代智能终端、智能体等在交通领域广泛应用。行业部门协同推进

交通运输部等七部门联合印发《关于“人工智能＋交通运输”的实施意见》，从关键技术供给、创新场景赋能、核心要素保障、产业发展生态四大方面部署16项具体任务。技术标准规范建设

《人工智能大模型》系列国家标准实施，为城轨AI应用提供规范依据，推动人工智能在交通运输领域规模化、标准化创新应用。专项规划与试点示范

交通运输部支持厦门、青岛、绵阳三地建设首批交通领域国家级人工智能应用中试基地，并指导举办综合交通运输大模型智能体创新应用大赛，发布102项优秀案例。智慧城轨发展纲要核心内容

总体定位与内涵以新一代信息技术与城轨业务深度融合为核心，内涵是全面感知、深度互联、智能融合实体信息，创新服务、运营与管理模式，构建安全、便捷、高效、绿色、经济的新型城轨系统。

“1-8-1-1”发展布局即一张发展蓝图、八大智能体系（乘客服务、运输组织、能源系统、列车运行、技术装备、基础设施、运维安全、网络管理）、一个城轨云数智融合平台、一套技术标准体系。

两步走建设目标2030年中国式智慧城轨特色鲜明，全面跻身世界先进行列；2035年进入世界前列，实现智慧城轨领跑。

十大建设重点方向打造无感出行、智能调度、绿色能源、全自动运行、自主装备、数字基建、智能运维、智慧管理、云数智平台、自主标准体系。AI技术支撑体系02数据治理体系构建全生命周期数据治理构建覆盖数据“理、采、存、管、用”全生命周期的治理体系，确保数据从产生到应用的规范性和高质量，为AI应用提供坚实数据基础。破除数据孤岛打破不同线路、不同专业间的数据壁垒，统一数据格式与标注标准，实现跨领域数据共享与整合，解决数据碎片化问题。打造高质量数据集制定数据标注规则，建立数据定期更新机制，形成标准化、高质量的城轨行业数据集，支撑算法模型的训练与优化。数据安全与隐私保护遵循《数据安全法》《个人信息保护法》等法规，构建覆盖“云、网、数、用、端”全场景的数据安全防护体系，保障数据合规使用与隐私安全。算法架构：大模型与专业智能体“大模型+小模型”协同架构以行业大模型为核心提供跨领域通用认知能力，适配多场景专业需求；专业小模型保证具体场景的执行精度和实时性，形成高效协同。行业大模型：通识能力基座以国产自主大模型（如DeepSeek、文心一言等）为基座，注入城轨专业数据微调形成行业通识大模型，支撑跨专业的知识理解与通用决策。专业智能体：场景化执行引擎与企业独有数据融合，定制化构建专业智能体，如青岛地铁供电智能体实现故障自动诊断与方案输出，处置效率提升超70%；徐州地铁合规管理智能体将合同审查从“天级别”缩到“分钟级”。统筹多元算力资源构建通用算力、智能算力和边缘算力协同调度体系，满足城轨AI应用从集中训练到本地推理的多样化算力需求，保障高实时性与高稳定性。云边端协同架构采用“云-边-端”协同模式，云端负责大模型训练与全局优化，边缘节点满足车站、车辆段等高实时性场景需求，终端设备实现本地化快速响应与数据采集。自主可控与弹性调度强调算力资源的自主可控，通过弹性调度机制，动态匹配城轨运营不同时段、不同场景的算力需求，提升资源利用效率，应对高并发处理压力。算力保障：云-边-端协同模式安全支撑体系建设

全场景安全运营防护构建覆盖"云、网、数、用、端"全场景的一体化安全运营体系，确保AI应用在数据传输、存储、处理及应用各环节的可信可控，符合《数据安全法》《个人信息保护法》等法规要求。

数据安全与隐私保护建立严格的数据分级分类管理和访问控制机制，采用隐私计算等技术，在数据共享和使用过程中保护个人隐私和敏感信息，防范数据泄露风险。

算法安全与可解释性关注AI模型的鲁棒性，提升其在极端工况下的性能稳定性，加强算法偏见检测与修正。同时，推动AI决策过程的可解释性，明确人机协同责任边界，增强AI应用的透明度和可信度。核心应用场景03从“计划修”到“预测修”的转型AI技术推动城轨设备运维模式从传统的定期检修向基于状态监测和故障预警的预测性维护转变，实现运维的精准化和高效化。智能巡检机器人的规模化应用隧道巡检机器人、接触网运维机器人、车底检测机器人等智能装备广泛应用，如车门检修机器人效率比人工提高4至8倍，继电器自动化检测时间从120秒压缩至10秒。故障诊断与处置效率提升AI智能体实现故障自动诊断、方案输出与派单，青岛地铁供电智能体故障处置效率提升超70%；成都地铁综合监控智能运维系统故障定位时间缩短35%，预警准确率超90%。全生命周期健康管理体系构建通过数字孪生、大数据分析等技术，对轨道、车辆、供电等关键设备构建全生命周期健康档案，实现从被动维修到主动预防的闭环管理，南京地铁弓网智能检测系统实时识别接触网异常。设备智能运维智慧乘客服务

无感出行与便捷服务实现无感支付、智能安检，提升乘客出行效率与体验，目标2035年电子支付使用率超99%。

智慧车站与环境感知智慧车站智能体可自动识别摔倒、滞留、打架斗殴等异常行为，实现主动预警与任务派发，从“被动响应”升级为“主动服务”。

个性化出行服务基于AI技术分析乘客出行习惯，提供定制化信息推送、行程规划等个性化服务，满足不同乘客需求。

智能问询与信息交互利用自然语言处理技术，实现智能客服、语音问询等功能，为乘客提供及时、准确的信息服务，提升服务满意度。智能运输组织

01客流精准预测与运力动态匹配利用AI大模型深度融合多源数据，实现高精度客流预测。例如深圳地铁应用后客流预测精度达95%，为运力调配提供科学依据。

02智能运行图编制与优化AI技术推动运行图编制从“周级”压缩至分钟级，显著提升运输组织效率，实现列车运行计划的智能优化与动态调整。

03线网调度中心与四网融合构建智能化线网调度中心，促进城市轨道交通与其他交通方式的四网融合，提升整体交通网络的协同运行效率与服务水平。

04城轨交通客流风险智能诊断与运力调配以上海申通地铁集团“行云”大模型为例，实现客流风险智能诊断与运力精准调配，提升运输组织的安全性与应对能力。统一应急智能体闭环联动构建统一应急智能体，实现突发事件下指令自动生成、精准匹配岗位、动态监测进展，形成“决策—执行—反馈”的完整闭环联动机制，提升应急响应效率与协同能力。多源数据融合态势感知深度融合视频监控、传感器、人员定位等多源数据，结合AI算法实时分析事件态势，智能识别异常行为与潜在风险，为应急处置提供全面、精准的信息支撑。移动端智能指挥与协同依托移动端智能指挥平台，实现应急指令快速下发、现场情况实时回传、跨部门协同调度，打破时空限制，确保应急资源高效调配与处置措施及时落地。应急智能处突智慧能源管理线网能源管理智能体动态优化光伏、储能、柔性负荷，聚合虚拟电厂参与电力市场，推动城轨绿色低碳运营。柔性供电与节能降碳通过AI技术实现供电系统的柔性调节，优化能源分配，助力城轨运营能耗下降，2035年目标下降超30%。智慧能源管控平台构建一体化能源管控平台，实现对城轨能源系统的全面感知、智能分析与优化调度，提升能源利用效率。智能办公服务合同智能审查与合规风控徐州地铁合规风险智能体将合同审查周期从天级缩至分钟级，效率提升60%，年节约人力约24000小时，有效降低合规风险。公文自动流转与智能审批AI技术赋能办公流程自动化，实现公文流转、审批环节的智能处理，减少人工干预，提升行政办公效率，推动管理模式向数字化转型。知识问答与智能检索构建城轨行业知识库，通过AI知识问答智能体，为员工提供快速、精准的信息检索与咨询服务，助力知识共享与高效决策。风险预警与智能决策支持利用AI算法对办公运营中的潜在风险进行实时监测与预警，结合多源数据提供智能化决策建议，提升办公管理的前瞻性与科学性。典型案例分析04青岛地铁AI应用实践01供电智能体：故障处置效率跃升青岛地铁供电智能体可在设备告警后自动完成故障分析、输出解决方案并生成报告，将故障处置效率提升70%以上，显著增强供电系统的可靠性与响应速度。02智绿融创发展：绿色与智能协同青岛地铁发布《青岛地铁智绿融创发展实施方案》，生动展示智慧化与绿色化融合发展实践，其6号线一期工程荣获城市轨道交通领域全国首张四星级绿色认证证书。03人工智能与具身智能工厂：技术创新阵地青岛地铁建设有人工智能与具身智能工厂，作为智能装备研发的创新阵地，为AI技术在城轨运维等场景的落地提供了实践平台与技术支撑。04共研体建设：推动行业协同创新青岛地铁积极参与城市轨道交通人工智能共研体建设，承办相关年度工作会议，提出坚持创新驱动、开放共享、问题导向的倡议，助力行业AI应用标准化与规模化。徐州地铁智能体应用

合规管理智能体：合同审查效率跃升徐州地铁合规管理智能体将合同审查周期从“天级别”大幅缩短至“分钟级”，效率提升60%，显著降低人工成本，年节约人力约24000小时，有效提升了合同审查的速度与准确性。

智慧办公场景：智能化升级管理服务徐州地铁积极探索AI在办公服务领域的应用，通过智能体实现合同智能审查、公文自动流转、风险预警等功能，推动办公服务向智能化、自动化升级，提升整体管理效率与决策水平。南京地铁技术创新

弓网智能检测系统南京地铁应用计算机视觉技术，实现接触网异常的实时识别，提升弓网系统运行安全性与可靠性，为设备智能运维提供关键技术支撑。

智能运维模式探索积极响应《城市轨道交通人工智能应用指南》，推动运维从“计划修”向“状态修”“预测修”转变，通过技术创新提升运营效率、降低成本。

行业协同创新实践作为《城市轨道交通人工智能应用指南》参编单位，南京地铁与行业内科研机构、科技企业协同，共同探索人工智能在城轨领域的标准化、规模化应用路径。系统覆盖范围与核心目标成都地铁综合监控智能运维系统覆盖18号线、19号线全域，核心目标是通过国产化技术体系打通线网级数据壁垒，实现运维从被动处置向主动预判的转变。关键技术支撑该系统依托佳都科技自研的“知行”交通大模型3.0与基于开源鸿蒙/欧拉构建的“交通佳鸿”国产操作系统，构建自主可控的端边云一体化解决方案。应用成效与行业认可该项目荣膺全国城轨智慧运维优秀案例。参考同类项目数据，可实现巡检工作量减少40%，故障定位时间缩短35%，预警准确率超过90%。成都地铁智慧运维系统实施路径与策略05梯次推进策略：试点-示范-推广

核心场景试点：验证技术可行性优先选择工单生成、车辆检修、隧道巡检等高频刚需场景进行AI应用试点，验证技术与业务的适配性及实际效果，为后续推广奠定基础。

示范线路推广：形成可复制经验将试点中成熟的AI能力推广至各专业，打造示范线路，如青岛地铁供电智能体故障处置效率提升超70%，徐州地铁合同审查周期从天级缩至分钟级，形成可复制的实践范式。

全线网赋能：实现规模化应用在试点验证和示范推广的基础上，推动AI技术在全线网的规模化应用，实现既有线路智慧化改造与新线“即建即用”并行，全面提升城轨整体运营效率与服务质量。实施方法与组织变革

一把手统筹与顶层规划引领强调AI应用作为“一把手工程”，由高层主导推动顶层设计，确保战略落地与资源协同，避免碎片化建设。

场景牵引与数据治理先行以高频刚需场景（如工单生成、车辆检修）为切入点验证技术可行性，同步构建全生命周期数据治理体系，破除数据孤岛，打造高质量数据集。

人才培养与联合创新机制建立“懂地铁、精AI、强落地”的复合型人才矩阵，推动“伴随研发”模式，业务人员与AI工程师集中办公，促进技术与业务深度融合。

业务重构与流程再造实践推动跨专业协同与流程优化，如供电专业取消二级调度由智能体分配任务，生产调度从“值守监控型”向“自主决策型”转变，形成“一岗多能、专业融合”的新型组织架构。关键问题应对策略

技术挑战应对：强化模型鲁棒性与算力协同针对模型鲁棒性不足问题，采用“大模型+小模型”协同架构，行业大模型提供通用认知能力，专业小模型适配极端工况；通过“云-边-端”算力协同模式，集中算力保障模型训练，边缘算力满足车站等高实时性场景需求，缓解高并发时段算力压力。

数据治理突破：构建全生命周期管理体系为破解数据孤岛，建立覆盖“理、采、存、管、用”全生命周期的数据治理体系，制定统一数据标注规则与接口标准，推动跨线路、跨专业数据共享；打造高质量行业数据集，建立数据定期更新机制，提升数据思维链构建水平，增强AI决策可信度。

安全合规保障：建立一体化运营防护体系围绕数据安全与算法合规，构建覆盖“云、网、数、用、端”全场景的安全运营平台，严格遵循《数据安全法》《个人信息保护法》；明确人机协同责任边界，提升AI模型可解释性，防范算法偏见，确保AI应用可信可控，为规模化落地扫清障碍。

实施推进路径：试点-示范-全线网梯次推广采用“核心场景试点—示范线路推广—全线网赋能”策略，优先选择工单生成、车辆检修等高频刚需场景验证技术可行性；推行“一把手工程”与“伴随研发”模式，业务人员与AI工程师集中办公，拆解运营问题为可量化需求，推动业务重构与组织变革。保障体系建设06行业标准体系构建

01数据标准：打通数据孤岛，规范数据治理构建覆盖数据“理、采、存、管、用”全生命周期的治理体系，制定统一的数据标注规则与接口标准，打破不同线路、专业间的数据壁垒，打造高质量行业数据集，为AI应用提供数据基础。

02算法标准：确保模型可靠，推动技术落地明确城轨行业大模型与专业小模型的协同架构标准，规范模型训练、评估、部署流程，关注模型的可解释性、鲁棒性及在极端工况下的性能表现，保障AI算法在城轨场景的安全有效应用。

03应用标准：统一场景规范，促进规模推广针对设备运维、乘客服务、运输组织等六大核心应用场景，制定智能体功能要求、接口规范及验收标准，如预测性维护的故障预警准确率、智能调度的响应时间等，推动AI应用规模化、标准化落地。

04安全标准：覆盖全链防护，保障合规可控建立覆盖“云、网、数、用、端”全场景的安全运营标准体系，包括数据安全、隐私保护、算法偏见防控及人机协同责任界定，严格遵循《数据安全法》《个人信息保护法》等法规，确保AI应用可信可控。产业生态共建共享跨主体协同创新机制依托城市轨道交通人工智能共研体，推动业主单位、科技企业、科研机构精准对接，打通场景、技术、产业协作堵点，从“单点突破”转向“体系作战”，共建行业命运共同体。数据共享与安全流通以安全为基石，完善数据共享机制，推动优质数据跨主体安全高效流通，避免数据孤岛，打造高质量行业数据集，为AI应用提供数据支撑。集约化模式推广应用以应用为导向，推广“揭榜挂帅”成果，打造“集中攻关、全域复用”的集约化模式，减少重复投入，提升AI技术在城轨行业的应用效率与效益。共研社区迭代与生态融合以生态为纽带，迭代AI原生共研社区，更好地服务于技术交流、经验分享与成果转化，促进“教育链、人才链、产业链、创新链”四链融合，构建开放共享的良好生态。复合型人才需求城轨AI应用需要既懂地铁专业技术又精通数据科学、人工智能算法的跨界复合型人才，以应对智能化转型中的技术与业务融合挑战。校企联合培养机制依托行业共研体，建立校企联合培养机制，如2026年全国首届具身智能赋能轨道交通智慧运维研修班，推动院校与企业在实训基地共建、课程共研、师资共培，促进“教育链、人才链、产业链、创新链”四链融合。岗位能力重塑与培训针对AI技术应用，对现有岗位进行能力重塑，开展AI技术、数据治理、智能运维等方面的专业培训，培养“懂地铁、精AI、强落地”的实战型人才，适应业务重构与流程再造需求。引育并举的人才策略通过引进外部AI高端人才与培养内部业务骨干相结合的方式，构建多层次人才梯队，同时建立激励机制，鼓励员工主动学习和应用AI技术，为智慧城轨建设提供持续人才支撑。人才队伍培养资金投入机制

多元筹资渠道构建政府引导、业主主导、社会资本参与的多元筹资体系，将AI建设纳入工程概算，争取政策性资金支持，形成稳定投入机制。

聚焦核心领域投入资金重点投向基础能力建设与共性技术研发，如城轨云数智融合平台、行业大模型、高质量数据集等关键领域，提升投入效益。

规范资金监管与评估建立健全资金使用监管机制，确保专款专用；同时引入效益评估体系，对AI应用项目的投入产出比进行跟踪与优化，保障资金使用效率。发展趋势与挑战07技术发展趋势智能原生体系加速形成城轨系统将向自感知、自优化方向发展，实现系统级的智能协同与自主决策，推动从单点智能迈向全域智慧。人机协同深度融合AI将成为城轨运营管理的核心辅助力量，人机协同模式广泛应用，推动运营人员从“值守监控型”向“自主决策型”转变。具身智能与实体系统闭环联动具身智能技术与智能装备深度融合，如智能巡检机器人、隧道修复机器人等，实现与城轨实体系统的实时闭环联动，提升运维自动化水平。绿色低碳与跨行业协同并进AI技术将深度赋能城轨能源管理，推动源网荷储控一体化，聚合虚拟电厂参与电力市场，促进绿色低碳运营，并加强与其他行业的协同创新。面临的主要挑战

技术层面：模型鲁棒性与极端工况适应不足当前AI模型在城轨复杂场景下鲁棒性不足，极端工况下性能易衰减，如多因素耦合的罕见故障等长尾场景覆盖不充分，影响决策可靠性。

数据层面：数据孤岛与治理难题突出不同线路、专业数据格式不统一，标注标准缺失，数据孤岛现象严重，高质量数据集构建困难，制约AI应用效果的发挥与规模化推广。

算力层面：供需失衡与调度优化压力大城轨AI应用对算力需求高，尤其在高并发时段算力压力突显，“云-边-端”协同模式下的算力动态调度与优化仍面临挑战，需提升资源利用效率。

安全合规层面：数据隐私与责任边界待明确AI应用涉及大量运营数据与乘客信息，数据安全和隐私保护面临风险，算法可解释性不足、人机协同责任界定不清等合规问题亟待解决。

实施层面：组织变革与复合型人才短缺AI应用推动业务重构与流程再造，需打破传统专业壁垒，建立“一岗多能、专业