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

城轨AI发展背景与政策导向02

城轨AI技术支撑体系03

核心应用场景之设备智能运维04

核心应用场景之智能运输组织05

核心应用场景之应急智能处突CONTENTS目录06

核心应用场景之智慧能源管理07

核心应用场景之智慧办公服务08

实施路径与挑战应对09

保障体系与生态共建10

未来发展趋势与展望城轨AI发展背景与政策导向01国家"人工智能+"战略与智慧城轨纲要国家层面政策支持国家层面形成层次分明的政策支持体系，从国务院"人工智能+"行动到交通运输部等七部门联合印发的实施意见，再到《人工智能大模型》系列国家标准的实施，为城轨AI应用提供清晰制度保障。智慧城轨纲要V2.0核心定位《中国城市轨道交通智慧城轨发展纲要（修订版V2.0·2026-2035年）》是指导我国城轨未来10年智慧化建设的顶层文件，核心是以智能化+自主化两手抓，建成世界领先的智慧城轨，助力交通强国。智慧城轨"1-8-1-1"架构纲要提出"1-8-1-1"架构，即1张发展蓝图、8大智能体系（含智慧乘客服务、智能运输组织等）、1个城轨云数智融合平台、1套自主技术标准体系，推动城轨全面智能化转型。两步走建设目标纲要明确2030年目标：中国式智慧城轨特色鲜明，全面跻身世界先进；2035年目标：进入世界城轨强国前列，智慧城轨领跑全球，实现AI、6G等新技术全场景融合及核心技术与标准引领全球。行业政策支持体系与技术标准

国家层面政策引领落实国家“人工智能+”行动与智慧城轨纲要，明确“AI+交通”发展方向，为城轨AI规模化、标准化应用提供顶层指引。

行业与技术政策协同行业层面出台智慧城轨发展纲要（修订版V2.0·2026-2035年），技术层面大模型国标落地，形成三层政策协同，推动AI规范应用。

技术标准体系构建构建覆盖数据、模型、应用全链条的行业标准，建立评价机制，填补城轨AI应用标准化空白，如《城市轨道交通人工智能应用指南》的发布。城轨AI发展现状与五大瓶颈发展现状：从零星试点迈向系统推进当前城轨AI应用已从早期的单点尝试，进入到系统性规划与推进的新阶段，政策引导与技术进步共同驱动行业向智能化转型。瓶颈一：数据孤岛现象突出不同线路、不同专业的数据格式不统一，标注标准缺失，导致数据难以共享与有效利用，阻碍AI模型训练与应用效果。瓶颈二：技术与业务脱节AI技术研发与城轨实际业务需求结合不够紧密，存在“为技术而技术”的现象，未能充分解决运营中的实际痛点问题。瓶颈三：自主可控能力不足核心算法、关键芯片等依赖外部供应，在安全性、可靠性及后续升级维护方面存在隐患，影响AI应用的深度与广度。瓶颈四：标准体系建设滞后城轨AI应用在数据治理、模型开发、测试验收、安全评估等方面缺乏统一标准，导致应用推广困难，难以形成规模效应。瓶颈五：复合型人才短缺既懂城轨业务又精通AI技术的复合型人才严重不足，难以支撑AI项目的需求分析、方案设计、开发实施和运维优化全流程。城轨AI技术支撑体系02数据全生命周期治理构建覆盖“理、采、存、管、用”全生命周期的数据治理体系，打通数据壁垒，实现数据的标准化、规范化管理与高效流转，为AI应用奠定坚实数据基础。高质量行业数据集打造针对城轨行业特点，制定统一的数据标注规则与质量标准，建立数据定期更新与共享机制，打造覆盖设备、运营、客流等多维度的高质量行业数据集，支撑AI模型训练与应用。数据安全与合规保障遵循《数据安全法》《个人信息保护法》等法规要求，建立数据分类分级管理制度，明确不同层级数据的访问权限与使用规范，确保数据全生命周期的安全与合规。数据底座：全生命周期治理与高质量数据集算法支撑：行业大模型与专业小模型协同01行业大模型：构建城轨通用认知底座以国产自主大模型为基座，注入城轨专业数据微调形成行业通识大模型，具备跨领域通用认知能力，支撑NLP、视觉、多模态等基础AI能力。02专业小模型：保障场景精准执行结合企业独有数据与特定业务需求，定制化构建专业智能体，确保在设备运维、客流预测等具体场景的执行精度和实时性要求。03协同应用架构：大小模型高效联动行业大模型负责跨领域知识整合与复杂决策支持，专业小模型专注于实时数据处理与精准执行，形成“通用认知+专业执行”的高效协同应用架构。04赋能智能体开发：提升行业智能化水平通过“行业大模型+专业小模型”的协同模式，支撑城轨各领域智能体的快速开发与部署，推动城轨行业从自动化向智能化升级。算力保障：云边端协同与自主可控调度云边端协同架构

构建“云-边-端”协同的算力网络，集中式云平台负责大规模模型训练与全局优化，边缘节点承担车站、车辆段等高实时性场景的推理任务，终端设备（如智能传感器、巡检机器人）实现本地化数据预处理与快速响应。自主可控算力调度

统筹通用算力、智能算力与边缘算力资源，采用国产自主可控技术，实现算力的弹性调度与动态分配。确保在高并发场景下（如早晚高峰客流预测）算力供给稳定，满足AI应用的实时性与可靠性需求。算力安全与高效利用

建立覆盖算力资源全生命周期的安全管理体系，保障数据传输与计算过程的安全可控。通过智能化调度算法，提升算力资源利用率，避免资源浪费，支撑城轨AI应用的规模化、经济化落地。统一AI平台：模型与资源集中管理

平台核心定位与目标统一AI平台是城轨AI规模化应用的中枢，旨在实现模型开发、部署、管理和服务的标准化、模块化，避免烟囱式建设，提升资源利用效率与协同创新能力。

核心功能模块：全生命周期管理平台具备模型全生命周期管理功能，涵盖数据接入与治理、模型训练与优化、部署与推理、监控与运维等关键环节，支撑城轨AI应用的端到端闭环。

资源整合与调度：云边端协同实现算力、数据、模型等AI资源的集中管理与弹性调度，统筹通用算力、智能算力和边缘算力，支持集中训练与本地实时推理的高效协同，满足城轨多样化场景需求。

标准化与开放共享：避免重复建设通过统一接口、协议和标准，推动模型、数据、算力在平台层面的开放共享与复用，减少各单位重复投入，降低AI应用门槛，促进形成城轨AI应用生态。安全支撑：云网数用端全场景防护

01云端安全：模型与数据安全防护云端部署入侵检测系统与零信任架构，采用区块链技术实现数据可信共享，确保AI模型训练数据与核心算法安全。

02网络安全：传输与边界安全保障依托5G/6G网络低时延高可靠特性，部署防火墙与数据加密技术，构建“端-边-云”一体化防护体系，保障数据传输安全。

03数据安全：全生命周期合规管理建立数据分类分级管理制度，明确访问权限与使用规范，通过隐私计算技术实现数据“可用不可见”，严格遵循《数据安全法》《个人信息保护法》。

04应用安全：算法可信与责任界定提升AI模型可解释性，建立算法偏见检测与修正机制，明确人机协同责任边界，确保智能应用决策透明合规。

05终端安全：设备与边缘节点防护终端设备采用国密算法加密传输数据，边缘节点实时监测异常访问，如管廊巡检机器人搭载安全芯片，实现本地数据处理与安全认证。核心应用场景之设备智能运维03传统计划修模式的局限性传统计划修依赖固定周期进行设备检修，易导致过度维修或维修不足，造成资源浪费和运营风险，难以适应城轨高密度、高可靠性的运营需求。预测修/状态修的核心优势预测修/状态修基于AI算法对设备运行数据的实时分析和故障趋势预测，实现按需维修，可显著提升设备可靠性、降低运维成本，是城轨AI应用的重要场景。智能巡检机器人的广泛应用智能巡检机器人搭载计算机视觉等AI技术，可替代人工完成隧道、接触网等关键区域的巡检任务，如南京地铁弓网智能检测系统实现接触网异常实时识别。故障自动研判与派单闭环AI系统能够自动完成故障诊断、方案输出、工单生成与派发，形成处置闭环。例如青岛地铁供电智能体实现故障处置效率提升超70%。从计划修到预测修的转型智能巡检机器人应用与故障自动研判

智能巡检机器人的应用场景智能巡检机器人已广泛应用于城轨设备巡检，如青岛地铁供电智能体、南京地铁弓网智能检测系统利用计算机视觉实时识别接触网异常，隧道巡检机器人可实现结构缺陷的秒级识别。

智能巡检机器人的核心功能搭载NPU芯片等，可实时处理高清图像数据，实现对设备状态、结构健康、环境参数等多维度信息的自主采集与分析，替代人工完成高危、重复的巡检工作。

故障自动研判与处置流程设备告警后，AI系统自动完成故障分析、输出解决方案、生成报告并派单。例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%。

技术支撑与协同机制依托“行业大模型+专业小模型”架构，结合边缘计算实现本地实时推理，云边端协同保障数据传输与分析效率，构建“监测-预警-处置-评价”的闭环治理体系。典型案例：青岛地铁供电智能体核心功能：故障自动诊断与方案输出青岛地铁供电智能体集成计算机视觉与AI算法，可对供电设备进行实时监测，实现故障自动诊断并输出处置方案，大幅提升响应效率。应用成效：处置效率提升超70%通过供电智能体的应用，青岛地铁设备故障处置效率提升超过70%，减少了人工干预，降低了运营风险，保障了供电系统的稳定运行。技术架构：行业大模型与专业小模型协同该智能体采用“行业大模型+专业小模型”架构，大模型提供跨领域通用认知能力，专业小模型针对供电场景实现精准执行与实时推理。实践意义：推动运维模式向状态修转型青岛地铁供电智能体的成功应用，推动了城轨供电运维从传统“计划修”向“状态修”“预测修”转变，为行业智能化运维提供了可复制的范例。核心应用场景之智能运输组织04客流精准预测与运力动态优化

多源数据融合的客流预测模型融合历史客流、实时数据、气象、节假日等多源信息，构建基于城轨行业大模型的预测算法，实现高精度客流预判。

运行图智能编制与动态调整AI算法支持运行图从传统“周级”人工编制向“分钟级”智能生成升级，可根据实时客流变化动态优化列车开行方案。

运力资源的智能调配与响应基于预测结果，实现列车编组、停站时间、备用车启用等运力资源的动态调配，提升运输效率与乘客出行体验。

实证案例：深圳地铁的应用成效深圳地铁应用客流预测与智能调度系统后，客流预测精度达95%，显著提升了高峰期运力匹配效率。运行图智能编制与调度决策支持单击此处添加正文

智能运行图编制：从“周级”到“分钟级”的跨越基于AI大模型与多源数据融合技术，实现运行图的自动化、智能化编制。深圳地铁应用后，运行图编制周期从传统的“周级”压缩至“分钟级”，大幅提升了调度计划的响应速度与灵活性。客流精准预测：支撑运力动态匹配AI算法深度融合历史客流数据、实时监测信息、天气、节假日等多维度因素，实现高精度客流预测。深圳地铁客流预测精度达95%，为列车开行方案优化和运力动态调整提供科学依据，有效缓解高峰时段拥堵。动态运力优化：提升运输组织效率AI系统根据实时客流变化和列车运行状态，自动生成最优运力调配方案，实现“高峰增能、平峰节能”。通过智能调整列车停站时间、区间运行速度及开行对数，显著提升线网整体运输效率和乘客出行体验。智能调度决策支持：辅助应急与日常管理构建AI驱动的调度决策支持平台，整合列车运行监控、设备状态、应急资源等信息，为调度人员提供实时态势分析、异常预警及辅助决策建议。在突发事件下，可快速生成应急调度方案，提升应急响应效率和处置能力。预测精度与效率提升深圳地铁应用AI客流预测系统，客流预测精度达95%，运行图编制从“周级”压缩至分钟级，显著提升运输组织效率。技术支撑：多源数据融合与智能算法系统深度融合多源数据，运用基于大模型的客流预测算法，分析历史数据与实时信息，为运力动态优化提供科学依据。应用成效：助力高效运营与服务优化该系统有效支撑了深圳地铁的智能运输组织，通过精准预测客流、智能编制运行图，实现了运力与客流的精准匹配，提升了乘客出行体验。典型案例：深圳地铁客流预测系统核心应用场景之应急智能处突05智能处置方案生成与移动端指挥

AI驱动的处置方案智能生成应急智能体可基于多源实时数据与历史案例，智能生成应急处置方案，实现从经验决策到数据驱动决策的转变，提升方案的科学性与时效性。

移动端指挥协同平台构建移动端指挥系统，支持指令精准匹配岗位、任务实时派发与进展动态监测，实现跨岗位、跨部门的高效协同，形成“决策—执行—反馈”的闭环管理。

提升应急响应效率通过AI自动生成方案与移动端实时指挥相结合，大幅缩短应急响应时间，优化资源调配，增强城轨系统应对突发事件的快速处置能力。智能指令生成与精准岗位匹配AI技术能够智能生成应急处置指令，并精准匹配到相关岗位，实现跨部门、跨专业的高效协同响应，确保应急处置流程的顺畅与快速。移动端指挥与实时进展监测通过移动端指挥系统，管理人员可实时掌握应急事件的处置进展，各岗位人员能够及时接收指令、反馈信息，形成“决策—执行—反馈”的闭环管理。数字孪生模拟与最优方案生成利用数字孪生技术模拟火灾、泄漏等事故的扩散路径，结合救援资源分布与现场实时数据，AI可生成最优疏散路线与应急资源调配方案，提升应急响应效率。跨岗协同与应急资源动态调配核心应用场景之智慧能源管理06源网荷储控一体化系统系统核心架构构建以AI算法为核心，融合能源生产（源）、输配网络（网）、负荷需求（荷）、储能调节（储）及智能控制（控）的一体化管理体系，实现多能互补与协同优化。动态优化与节能降碳通过AI实时分析能源供需数据，动态优化光伏、储能及柔性负荷调度，推动城轨参与虚拟电厂与碳交易，助力行业节能降碳目标实现。提升能源利用效率依托智能算法精准预测负荷变化，优化能源分配策略，减少能源浪费，提高城轨系统整体能源利用效率，降低运营成本。节能降碳与虚拟电厂参与

源网荷储控一体化智慧能管构建源网荷储控一体化智慧能源管理系统，通过AI技术动态优化光伏、储能及柔性负荷，实现城轨能源高效利用与节能降碳目标。

参与虚拟电厂与碳交易线网能源管理智能体聚合城轨可调负荷资源参与虚拟电厂，响应电力市场需求，同时通过碳交易机制提升绿色运营效益。

运营能耗显著下降目标根据《中国城市轨道交通智慧城轨发展纲要（2026-2035年）》，2035年城轨运营能耗将下降超30%，AI技术是实现该目标的核心引擎。核心应用场景之智慧办公服务07智能审批与合规风控系统智能审批：流程自动化与效率提升AI技术赋能办公审批流程，实现公文自动流转、智能审查，大幅缩短审批周期。例如，徐州地铁合规风险智能体使合同审查周期从天级缩至分钟级，年节约人力约24000小时，效率提升显著。合规风控：智能监测与风险预警构建基于AI的合规风控体系，通过自然语言处理等技术解析合同、工单文本，提取关键信息，实现风险的自动识别与预警，保障城轨运营管理的合规性，降低潜在风险。知识问答：智能检索与辅助决策依托城轨行业知识库与AI问答模型，为员工提供便捷的知识检索服务，解答业务疑问，辅助管理决策，提升办公服务的智能化水平和响应速度。典型案例：徐州地铁合同智能审查应用背景与目标针对传统合同审查周期长、人力成本高、风险点易遗漏等问题，徐州地铁引入AI技术构建合规风险智能体，旨在提升合同审查效率与准确性，强化合规风控能力。技术实现路径基于自然语言处理（NLP）技术与城轨行业专业知识图谱，对合同文本进行结构化解析，自动识别条款风险、合规性问题及标准条款偏差，实现审查流程自动化。应用成效与价值合同审查周期从天级压缩至分钟级，效率提升超60%；年节约人力约24000小时，显著降低运营成本；风险识别准确率大幅提高，有效避免潜在合规风险。经验启示该案例验证了AI在办公服务场景的实用价值，为城轨行业流程自动化提供示范，体现了“场景牵引、数据先行”的实施路径，推动管理模式从经验驱动向数据驱动转变。实施路径与挑战应对08试点-示范-全线网的推进策略

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，通过小范围试点验证AI技术的实际效果与可行性，为后续推广积累经验。

示范线路推广：形成可复制经验在试点成功基础上，将成熟AI应用能力推广至各专业领域，打造示范线路，形成可复制、可推广的标准化解决方案与实施路径。

全线网赋能：实现全域智能升级推动AI技术在既有线路的智慧化改造与新线AI原生建设并行，最终实现全线网的智能化升级，达成业务重构、流程再造与组织变革的目标。实施层面核心挑战当前城轨AI应用推进面临规划缺失、需求模糊、跨部门协同不足、数据治理难度大、标准体系缺位及复合型人才短缺等多重挑战，需系统性解决以保障落地成效。技术风险关键领域技术层面存在模型鲁棒性不足（极端工况性能衰减）、长尾场景覆盖不充分（罕见故障耦合问题）、算力供需失衡（高并发时段压力）及大小模型适配难题等风险点。安全合规核心关切需重点关注数据安全与隐私保护、算法决策可解释性不足、人机协同责任边界不清等合规问题，严格遵循《数据安全法》《个人信息保护法》等法规要求。实施挑战与技术风险分析安全合规与应对策略

安全合规核心挑战当前城轨AI应用面临数据安全风险、算法可解释性不足以及人机责任边界不清等关键安全合规挑战，这些问题制约着AI技术的规模化应用。

全场景安全运营体系构建覆盖"云、网、数、用、端"全场景的一体化安全运营体系，通过终端加密传输、边缘节点入侵检测、云端区块链可信共享及零信任架构，保障数据全生命周期安全。

技术风险应对措施针对模型鲁棒性不足、长尾场景覆盖不够等技术风险，采取顶层规划引领、伴随研发模式、强化数据治理、推动标准共建及安全闭环管理等应对措施。

数据安全与隐私保护严格遵循《数据安全法》《个人信息保护法》等法规，建立数据分类分级管理制度，明确访问权限与使用规范，利用隐私