摘要
济南轨道交通集团联合智融创新联盟，创新性部署DeepSeek大模型至自有云数台，搭建“济南轨交创智平台”，聚焦核心业务场景打造智能体集群。行车调度智能体整合三类关键知识，高效响应调度需求；智慧运维智能体融合多模态AI技术，依托29604个历史案例精准推送故障解决方案；防汛应急、乘客服务、内部办公智能体分别实现风险秒级识别、咨询高效解答、公文智能生成。智能体集群将AI深度融入业务，实现从“人找信息”“经验决策”到“信息找人”“数据+AI决策”的转型。
一、背景
破解线网运营管理痛点
智能体集群深度整合多源异构数据与AI决策能力，预期可从根本上改变传统依赖人工经验、信息孤岛的运营模式，显著提升线网整体运行效率与资源利用效能，为超大规模线网的安全、高效、经济运行提供强有力支撑。
强化应急处置能力
通过实时风险感知、智能资源调配与动态方案生成能力的深度融合，实现突发事件的秒级响应、协同处置与科学决策，大幅压缩应急响应时间窗口，显著提升复杂场景下的风险防控与化解能力。
保障安全与服务质量
对关键设备状态的深度洞察与早期预警，对服务痛点的精准解决，将共同筑牢运营安全与服务品质的双重防线，以智能化手段有力保障轨道交通作为城市大动脉的可靠性与舒适性。
推动产业协同与标准化制定
依托智融创新联盟的跨主体协作优势，项目成功经验预期将有力促进跨系统、跨企业数据互联互通标准的建立，推动相关技术规范与行业标准的制定，可为轨道交通智慧化转型提供可复制、可推广的“济南模板”。
二、目标
行车调度智能体预期可促进地铁高峰期运力匹配精准度从72%提升至99%，列车准点率达99%，乘客平均进出站时间由5分钟缩短至3分钟。
运维助手智能体可推动“人工经验驱动”到“人工智能驱动”的转型，将派单准确率提升至95%，故障预警率提升30%，维修效率提升25%，列车停运时间减少40%。
防汛智能体预期可在30秒内推送防汛物资调配最优路线、设备联动操作提示及乘客疏散指引，相较传统15分钟的人工方案制定流程，响应效率提升50%。
乘客服务智能体预期日均处理咨询量可达2万次，问题解决率达88%，乘客整体满意度提升至90%以上。
内部办公流程通过AI助力预期可实现效能升级，办公效率提升30%。
三、建设内容
项目构建了国内首个城轨多式联运数据资源池。数据服务超市不仅汇聚了地铁、有轨电车、云巴、公交、机场等五类交通系统的运营数据，整合了企业内部运营管理数据（涵盖人力、财务、物资管理等），还纳入了天气、水文等气象环境要素数据。数据跨系统、跨部门、跨业务的流通规模大且协同程度深，为项目提供了全域、多维度的洞察力支撑。通过数据融合和智慧场景化应用，保障运营生产与企业管理，构建智慧交通枢纽与线网指挥平台，提升运营安全与出行品质，凸显数据在智慧场景下的核心支撑价值。
1.数据治理高效化
多源数据整合：将来自济南轨道交通集团各业务部门（单位），如运营运维、安全管控、内部管理等业务场景的文字、语音、视频等不同模态的信息，进行融合和处理，进而帮助AI及大模型训练更准确的特征和模式。
构建多模态知识库：通过数据平台完成数据治理，整合城轨行业私域知识库，通过Embedding模型对解析分段后的文档进行向量化，打造向量检索、全文检索及混合检索三种检索策略，实现多模态知识的高效匹配。支持文本、表格、QA问答对、PDF文件等多种文件知识管理，提供智能分段（语义切分预置智能分段模型）与高级分段（正则规则+人工校验）双模式，确保知识结构化存储的准确性。依靠语义关联和大模型跨模态理解能力，将文本段落与图片、视频等非结构化素材深度绑定，智能生成多模态知识库，实现多模态的精准输出。在不断地使用过程中，还可通过内置的知识融合模型能力，将用户上传的文档内容进行再生产，生成更加丰富精准的答案。
数据质量：支持通过读取实时数据库，调用接口、与数据共享平台对接等方式，实时获取外部数据，保证数据时效性的同时，也提供了更丰富、更全面的数据集，更好地反映业务的复杂性和多样性。
数据安全：知识库私域模式及权限管理。知识库私域模式在很大程度上避免了数据泄露的风险，从而允许企业将核心数据资源集中存储在本地网络内部，完全掌控数据的访问权限和安全保障，有效防范外部攻击和数据泄漏风险。企业可以确保数据的安全性和完整性；企业也对知识库的管理和维护具有更高的可控性，根据自身的业务需求制定相应的管理策略和技术规范，全面监控和更好地管理知识库。
权限管理：支持多租户概念，各租户间数据隔离，租户内部数据有条件共享。管理员能够进行文档级的权限管理，可以针对每个知识库内的每个文档进行授权。
2.数据服务智能化
运营调度：在运营中，使用AI大模型构建“数据－知识－决策”闭环，实现运营效率的升级。利用好大模型的数据治理成果，在多源异构数据的治理中，借助意图识别、Agentic RAG技术精准锁定知识库相关内容，通过Prompt约束大模型输出规范、准确的答案，并结合多部门的专业知识库经验，补全决策信息链，进而完成智能动态决策。将城轨调度专业从传统的“人工经验+规则响应”升级为“数据感知－智能推演－动态执行”的自治系统，实现全网资源利用率最大化。
运维检修：对历史故障维修案例进行智能分段入库，运用提示词对大模型进行有效约束。当设备出现故障时，AI智能体能够快速比对历史相似案例，为运维人员精准推荐当前故障的解决方案，并结合应急队伍、人员、备件、工具等信息，生成高效联动，大幅提升故障处理效率，降低运维成本。
员工培训：根据不同岗位提供学习计划，并给出基于济南地铁经验的专业知识解答（文字、图像、视频），帮助员工自我评估和定位知识盲区，加速知识转化，提升培训效能。
乘客服务：构建AI智能客服大模型，通过调研，将乘客常见问题细分为90类，利用Agentic RAG技术精准匹配知识库内容，结合Prompt约束大模型构建少人车站自助化服务机器人。该机器人联合票务系统能够准确、快速地处置乘客问题，同时针对敏感场景设置合理约束，确保为乘客提供可靠、智能及个性化服务的新体验，有效提升乘客满意度。平台建设了包括对话应用智能体、workflow智能体、agent智能体在内的多个智能体，形成多元应用模式，融合知识检索、组件开发及prompt工程等技术，全面提升应用效能，显著缩短大模型从理论到实际业务场景的转化周期，为用户快速搭建专业智能体、推动行业智能化升级提供有力支撑。
内部办公：构建公文写作大模型及其知识库，将会议记录、工作总结、发言稿等材料私域管理；添加联网搜索、通过获取当前时间等工具、prompt约束与自定义工具，使得智能体可直接生成word格式公文，提高内部办公效率，规范公文生成流程，为企业内部办公的智能化、便捷化提供有力帮助。
3.打造“产学研用”深度融合新范式，构建可持续创新生态
依托智融创新联盟资源整合优势，联合轨交行业头部企业（卡斯柯信号有限公司）与顶尖高校（山东大学），共建“轨道交通人工智能研究中心”。该平台并非简单合作，而是聚焦真实业务场景（如智能调度算法优化、信号系统复杂故障诊断、火灾场景辅助决策），实现大模型等前沿AI技术的快速验证、迭代与应用转化。形成“问题来自一线、研发协同攻关、成果快速应用”的闭环，有效解决AI技术在轨道交通领域落地难、周期长的问题，为行业培养复合型人才，构建可持续的创新能力。
四、实施效果
在智融创新联盟的技术支撑与资源联动下，目前项目在济南地铁内测阶段，通过应用AI大模型，轨道交通系统能够在更早的阶段识别潜在故障，从而降低停运几率，提高线路的可靠性和乘客的出行体验
在某城市的地铁系统中，运营方通过整合来自多个传感器的数据，建立了一个深度学习模型来预测设备故障。这些传感器监控列车的各个主要部件，包括列车机车、车轮、制动系统和电气系统等。通过对大量历史故障数据的分析，模型能够识别出故障的前兆，如异常温度、振动、噪音等。模型的训练使用了过去五年内的维修记录和设备运行数据，以提高预测的准确性。
通过应用这一方案，地铁系统实现了故障预测的自动化，具体数据如下:
故障预警率提升30%
维修效率提升25%
列车停运时间减少40%
这些应用效果表明，AI技术在故障预测与维护中的实际应用具有显著的经济效益和社会效益，极大地提升了轨道交通系统的安全运行水平。通过持续的监控与学习，该系统能够随着运营数据的增加而不断优化，使得未来的预测能力更为强大，为城市轨道交通的维护和管理提供了强有力的技术支持。
完成单位：浪潮智慧科技有限公司、智融创新联盟
完成人：刘德坤、邱文涛、王亚龙、李兴晨、李文鸿