AI 赋能智慧城轨高质量发展.pdf

AI 赋能智慧城轨高质量发展 打造“安全、高效、人本”的智慧城轨视觉引擎前言第一章：城轨交通线网规模化趋势下的复杂性挑战 1.1.我国城轨交通线网规模化发展背景和挑战 1.2.视觉 AI 是破解城轨交通复杂性挑战的关键第二章：视觉 AI 赋能智慧城轨建设的七大方向 2.1.缓解客运组织压力 2.2.提高站务管理效率 2.3.增强乘客出行体验 2.4.保障列车运行安全 2.5.加快应急响应速度 2.6.提升资产运维水平 2.7.创新可持续经营模式第三章：打造“安全、高效、人本”的智慧城轨视觉引擎 3.1.云边协同部署方案 3.2.“1+2+3”的开放式平台架构 3.3.五大优势总结 3.4.典型项目速览第四章：智慧城轨发展未来展望 4.1.以智慧票务为起点，打造 MaaS 交通出行一体化体验 4.2.依托智慧城轨，重构城市空间新形态 4.3.智慧城轨有效支撑城轨交通绿色低碳发展 4.4.都市圈和智慧轨交双向带动、融合发展 4.5.信息安全是智慧城轨发展的底线AI 赋能智慧城轨高质量发展目录0102061632图片由商汤自研大模型生成02011 谢正光 魏运，新时代我国城市轨道交通运营新模式探讨，都市快轨交通，2022-2第一章：城轨交通线网规模化趋势下的复杂性挑战1.1.我国城轨交通线网规模化发展背景和挑战 031.2.视觉AI是破解城轨交通复杂性挑战的关键 05 AI 赋能智慧城轨高质量发展AI 赋能智慧城轨高质量发展 前言 从地图上看，城市公共交通像一张形态复杂而又设计巧妙的大网，将城市的每个角落有机地连结在一起。如果将城市交通比作人体的循环系统，那么城轨交通便是系统中的主动脉，它具有运输容量大、远距离、速达性、准时性等诸多特点，在扩大城市通勤半径、缓解城市交通堵塞、优化城市交通结构和空间布局等方面起到了重要作用。经过半个多世纪的发展，我国拥有城轨交通的城市之多、线路之长和运量之大，高居世界前列。截至目前，北上广深等城市的超大规模城轨网络，以及成都、西安等大城市骨干网已基本形成，其他大中城市也相继完成骨干线路的建设。城轨交通作为百年工程和城市最大的单体建筑，一方面其发展与人民需求、城市和交通发展息息相关新时代人们的出行需求提升、城市现代化发展以及交通一体化发展，均对我国城轨交通高质量发展提出了新的要求；另一方面传统的单线建造模式，造成了当前我国城轨交通仍以物理层面线网化下的单线运营模式为主，网络化效能有较大的提升空间，运营服务水平难以匹配新的要求变化，1需要从整体系统的优化提升、管理模式的高效重构等诸多方面进行变革创新。随着新一轮科技变革和产业变革的蓬勃兴起，以人工智能为代表的新兴信息技术不断应用于包括城轨交通在内的各行各业，掀起了产业智能化转型浪潮。“智慧化”成为城轨交通未来发展和新基建的重要方向，而智慧城轨建设也成为了响应新时代要求下城轨交通高质量发展的重要抓手。通过基建焕“新”，智慧城轨在延续传统基建设施功能的基础上，以人工智能为核心，将5G、云计算、大数据、物联网等技术与传统城轨业务深度融合，探索在线网化背景下城轨场景的智慧化实践，从而推动城轨行业在系统优化和管理重塑上的创新变革。与此同时，中国城市轨道交通智慧城轨发展纲要的正式出台，不仅为智慧城轨建设描摹出“1-8-1-1”的发展蓝图，更是首次确定了未来十五年智慧城轨建设的顶层设计、行动纲领和发展目标，由此也为城轨交通的智慧化发展按下了“加速键”。目标在前，蓝图在手，如何以人工智能为核心进一步推动和落实智慧城轨的发展和建设，不仅需要深厚的行业认知，还需要对前沿技术的深刻洞见以及两者之间的融合贯通。作为一家人工智能公司，商汤拥有深厚的技术积累，并坚持在AI前沿技术、AI基础设施等方面长期投入，已形成了集大规模AI算力、大模型生产平台、AI模型算法服务于一体的全栈式人工智能能力，并以此为底座打造行业级AI赋能平台推动各行各业的智能化升级，让AI驱动行业变革。过去几年，我们积极投入智慧城轨建设，围绕行业目标和挑战，与生态合作伙伴和行业客户一起探索场景创新和落地方案，并通过与行业的深入对话和实践共创不断丰富行业认知，推动技术与产业的高效融合。我们相信，以人工智能为核心的智慧化技术与轨道交通的结合将极大推动城市运转效率，创造更加智慧、安全、便捷的城市生活体验。1.1.我国城轨交通线网规模化发展背景和挑战自1969年北京第一条地铁线路开通至今的半个世纪里，我国城轨交通建设经历了从无到有、由缓至快、由线到网的发展阶段，并伴随着城市化进程的逐步扩大，我国城轨交通线网和客流规模已稳居全球第一。据交通运输部统计，截至2022年12月31日，全国（不含港澳台）共有55个城市开通运营城轨交通线路共计290条，运营里程9584公里，车站5609座，实际开行列车3316万列次，完成客运量194亿人次（受疫情影响）。与此同时，除地铁外，为适应多层次交通需求，越来越多的城市开通了轻轨、市域快轨、有轨电车等其他制式，形成了多制式轨交并存的发展新格局。未来510年，城轨交通将进入从快速步入平稳，进而转入建设缓慢下行，运营管理快速提升的转型发展阶段，行业重心也由过去“以建设为主”，逐步向“运营、经营并举”逐步过渡。2其中，“运营、经营并举”指的是既要做到在列车运行、乘客服务、车站管理等运营组织方面的提质增效，同时也要兼顾商业化创新，做到在经营效益上的开源节流。然而，快速攀升的线网流量和运营里程，使得城轨交通网络的复杂性日渐增加，为城轨交通的运营和经营带来巨大挑战。尤其是大中型城市，规模体量上的“量变”会带来运营和经营要求上的“质变”，相比一般规模的轨交网络，其复杂度与难度也将显著增加，主要体现在如下四大方面：1.1.1.安全风险难管控在线网规模化趋势下，安全风险呈现出“工况复杂”的特征，由安全风险导致的突发性与复杂性事件的发生数量以及危害程度明显增加，导致安全风险管控能力不足，难以进行提前感知、预测、预警，容易造成“小事故、大影响”。03安全风险具体表现为“发生概率高、影响范围大、复杂程度高”。3一方面，城轨系统中巨量的设施设备、高强度客流的随机波动，以及难以预测的人因要素、动态风险等使得突发或异常事件发生概率极大增加；另一方面，网络化加剧突发事件的复杂程度，使得线路/节点和各专业系统间的关联度愈加紧密，风险传导效应增强。突发事件影响会通过网络连接由点向面进行扩散，可能波及较大局部甚至整个网络的正常运营。例如，2022年11月早高峰期间，上海地铁某线路发生触网故障，导致部分区段供电中断，两列列车迫停，给乘客出行造成一定影响。1.1.2.运营效率难提升随着线网规模体量增长和覆盖范围扩大，城轨运营的管理对象同步增多，管理跨度也逐步增大，运营管理规模和内容显著扩大；同时，不同业务模块、专业系统、制式轨道之间的关联度趋于紧密，往往需要跨业务、跨部门进行协同运作，导致城轨运营管理复杂度进一步增加，而传统人拉肩扛式管理模式存在“高成本、低效率”问题，已无法适应当前网络化运营需求。例如，在运维管理方面，线网上的设施设备数量随着线路里程的增多而急速增加，且运行年限也不断增长，使得维护任务量呈现加速增长的趋势。巨量设施设备的状态检测、诊断决策和维修处置等当前仍主要依靠人工作业为主，成本高、运维效率和可靠性也相对较低；在运输组织方面，客流总量快速增长以及网络客流时空不均衡等现象为客运组织、行车组织造成一定压力，当前主要通过人为实施限流等措施进行缓解，效率低且也为乘客出行带来诸多不便影响；在站务管理方面，车站场景复杂、客流特征多样，站务工作也相对较杂，依赖人力被动式管理会造成信息收集和决策执行存在一定延时，站务运作效率低，且受人力条件局限（如专业化水平、人员数量等），难以做到全天候、全局式管理。1.1.3.乘客体验难保障伴随生活水平的提高，乘客对出行品质和体验的追求也随之增长。乘客需求不单单是从A点B点的时空位移，而是在整个出行过程中也能够收获良好的服务体验既要“行得了”，还要“行得快、行得好”。例如，减少“门到门”出行时间、增加换乘连接可靠性、及时获取出行相关信息和服务，以及更多的人文关怀等，在便捷性、及时性、舒适度和人文化等方面为乘客服务提出更高要求。1.1.4.经营缺口难闭合在经营方面，城轨交通作为准公益型服务定位，决定了其票价水平无法参照成本支出而定。绝大多数城市的轨道交通运营收入主要以票务收入为主。根据城市轨道交通2021年度统计和分析报告的不完全统计，2021年全国城轨交通平均每车公里经营收入13.27元，运营成本23.6元，成本倒挂现象显著。而随着网络建设推进，由成本倒挂所造成的收支缺口或将越来越大。虽然一些城市轨交尝试TOD开发4，但上盖空间综合利用等方面仍存在资源利用不足等情况，导致盈利能力不强，经营缺口难以闭合。如何利用城轨交通得天独厚的流量中枢和空间资源，进行价值发现和创造，从而反哺运营开支，促进经营可持续发展，将是轨交行业积极探索的方向之一。04AI 赋能智慧城轨高质量发展AI 赋能智慧城轨高质量发展2 周晓勤，中国城市轨道交通发展战略与“十四五”发展思路，城市轨道交通，2022-11-153 俞光耀，上海超大规模轨道交通网络运营管理对策研究，上海书店出版社，2018年，42页4 TOD（Transit-Oriented Development）是指以公共交通为导向的城市空间开发模式，通过以轨道交通站点为核心进行片区一体化开 发，打造集商业、商务、居住、生态、公共服务等功能于一体的城市片区中心，已经成为公认的最为集约高效的城市发展模式。建设速度时间图：“十四五”时期开始进入“建设”向“运营、经营”转换期（来源：城市轨道交通）开通运营里程“十四五”“十五五”期间图片由商汤自研大模型生成051.2.视觉 AI 是破解城轨交通复杂性挑战的关键面对线网规模化趋势下的复杂性挑战，城轨行业迫切需要转变传统运营和经营的思维模式，结合技术创新和业务创新来突破当前发展瓶颈，实现安全、高效、人本的运营环境和持续稳健的经营创新。习近平主席在第二届联合国全球可持续交通大会致辞与世界相交 与时代相通 在可持续发展道路上阔步前行中提出“坚持创新驱动，增强发展动能。要大力发展智慧交通和智慧物流，推动大数据、互联网、人工智能、区块链等新技术与交通行业深度融合，使人享其行、物畅其流。”新一代信息技术与城轨交通深度融合下的智慧城轨建设被认为是破解城轨行业复杂性挑战的重要抓手。智慧城轨的内涵是以数据为核心构建人、车、站等要素信息的全面互联，利用数“智”辅助人“智”的方式，帮助城轨交通快速、高效的进行决策执行，进而重构传统业务流程，引发新的范式变革从过去对“物”的被动式管理转向对“人”的主动式服务，从事后问责补救转向事前预测规划、事中实时把控，从而提升运营和经营效率，以及人们的出行品质和服务体验，达到安全运行、降本增效、人本服务、价值创新的发展目标。对海量系统要素的全面感知，即是将系统采集到的原始数据转化为机器可以理解的结构化数据，是实现数“智”的基础。其中，视觉类传感设备的广泛应用为城轨交通网络装上了“眼睛”，结合视觉AI技术对海量视图原始数据的分析处理，提取有效的结构化信息，使得城轨交通系统拥有了视觉感知能力，可以识别、理解城轨网络中复杂要素的动态变化，并在此基础上进一步形成数“智”来指导城轨系统的高效运行。可见，“无视觉不智能”，视觉感知是智慧城轨感知系统的重要组成，而视觉AI则是实现城轨视觉感知的技术关键。AI 赋能智慧城轨高质量发展06第二章：视觉 AI 赋能智慧城轨建设的七大方向2.1.缓解客运组织压力 072.2.提高站务管理效率 082.3.增强乘客出行体验 102.4.保障列车运行安全 122.5.加快应急响应速度 132.6.提升资产运维水平 132.7.创新可持续经营模式 15 AI 赋能智慧城轨高质量发展2.1.2.客流分析预测针对城轨客流实时、复杂、非线性、高维度、非平稳的随机过程，准确的客流预测，可以为乘客提供实时有效的客流信息和出行建议，也为客运组织部门提供组织和管理依据。基于客流分析预测系统，可以实现线网级、车站级、设备级，以及突发情景下的客流预测。例如，结合区域断面的实时数据与历史客流数据分析，可以进行区域断面未来短时客流变化预测，以及节假日、大型活动、上下班高峰期等特殊运营时期的常态化客流变化预测，辅助客运组织人员及时调整客流预案。2.2.提高站务管理效率站务管理贯穿车站运营全周期，包括运营前的开站准备工作，运营中的安检安防、站内巡查等工作，以及运营后的关站准备工作。2.2.1.开关站视频辅助基于视觉AI的客流监测预警方案，可以针对重要监控区域的客流情况进行实时性监测，包括出入口、站台、通道、列车等分区位置，统计客流量并测算客流密度、速度、列车满载率等关键指标数据，对客流异常（过密、聚集、滞留、混乱、逆行等）进行高效识别，并结合视频可视化方式，帮助客运组织人员直观掌握实时客流情况，以便及时有效的采取客流干预行动，例如动态限流、客流引导、调整列车运行频次等来降低大客流风险，缓解客流压力。针对线网规模化为城轨运营和经营所带来的主要挑战，以中国城市轨道交通智慧城轨发展纲要所描摹的“1-1-8-1”的宏伟蓝图为指引，我们提出视觉AI赋能智慧城轨发展的七大应用方向，分别是缓解客运组织压力、提高站务管理效率、增强乘客出行体验、保障列车运行安全、加快应急响应速度、提升资产运维水平以及创新可持续经营模式。基于视觉AI的客流监测预警方案，可以针对重要监控区域的客流情况进行实时性监测，包括出入口、站台、通道、列车等分区位置，统计客流量并测算客流密度、速度、列车满载率等关键指标数据，对客流异常（过密、聚集、滞留、混乱、逆行等）进行高效识别，并结合视频可视化方式，帮助客运组织人员直观掌握实时客流情况，以便及时有效的采取客流干预行动，例如动态限流、客流引导、调整列车运行频次等来降低大客流风险，缓解客流压力。2.1.缓解客运组织压力随着城市人口流动性增长和线网规模化发展，网络客流量持续增加，使得部分线路、车站前期运能设计规模与实际运量需求不相适应，导致部分线路输送能力欠缺、部分车站集散能力欠缺，造成客流瓶颈拥堵的常态化；同时，早晚高峰的时间不均衡性以及不同线路、区段的空间不均衡性，再加上高峰小时客流集中量大且持续时间长，都会对客运组织带来持续压力。除常态化客流波动外，各类突发事件所引发的突发性大客流，因其难以预判的特点，将进一步增加客运组织难度，任一环节出现问题都可能产生大客流风险。2.1.1.客流监测预警AI 赋能智慧城轨高质量发展0708AI 赋能智慧城轨高质量发展图：客流聚集分析及客流热力图可视化呈现（示例）图：开关站图：客流预测分类图：中国城市轨道交通智慧城轨发展纲要 建设“1-1-8-1”蓝图图：七大应用方向及需求场景示意图基于视觉AI的开关站视频辅助，在启动开关站检测程序后，站内视频监控代替人工进行全局巡检，通过对视频画面的AI分析，高效查看站内是否存在无关人员、要点区域是否存在异常情况等，以便管理人员进一步人工核实后，一键启动开关站实施流程。2.2.2.智慧安全检查目前，城轨安检主要通过安检设备和安检人员对乘客及携带物品实施“逢包必检、逢液必查、逢疑必问”的安全检查。但受制于站内运营环境、客流密度、安检成本、人员质素等影响，难以全面贯彻高标准安检要求，存在安检碎片化，以及安检布防存在死角、盲区，漏检、不捡等问题。基于视觉 AI 的智慧安检，从安全风险源头出发，分别对检物、检人进行加强，重构传统安检业务模式，提高安检智能化服务水平。智慧检人则是通过在安检或侯检区域设置监控相机并结合AI视图处理技术，针对乘客人群、人像、行为信息进行实时分析，评估乘客安全情况，实现人员从进站侯检到入站记录的全流程安全检查，包括人群状态分析（如排队、拥挤、逆行态势等）、违规行为分析（如强行闯关、隔栏递物、带包漏检等）、异常行为分析（如冲突、徘徊、滞留等）以及重点关注或失信人员监测等，并将分析异常结果及时通知安检人员进行查问及处理，降低安全隐患。此外，在疫情防控期间，在安检区域部署AI测温终端，还可实时进行防疫测温检查，及时对高温乘客进行引导隔离。2.2.3.站内智慧巡检车站是人员高度密集的公共场所，安全性一直是站务工作的重中之重，为了保证车站安全以及站内设施的日常维护，一般由车站巡检人员按照规划路线针对车站外、出入口、站厅、站台等重点区域以及重要设施等进行日常巡视检查，以查明和消除安全隐患，保障车站正常运行。然而，随着线网规模化和客流加剧，人工巡检人力投入和工作量也逐步增大，且存在主观性判断等人为因素而导致隐患遗漏问题；同时，人工巡检信息化程度低，无法做到问题及时上报，巡检数据后期利用率低，难以有效沉淀和追溯历史数据便于综合分析。基于视觉AI的车站巡检辅助，系统可自定义巡检路径，并自动调用沿途摄像头对巡检路径上的区域状况进行智能分析，包括客流统计、遗留物检测、烟火检测、区域防护、设备防护等，还可以根据区域类型和时间段选择不同的巡检项目进行分析，一旦识别隐患，及时发出安全预警，并可根据位置信息分派附近工作人员上前查看，将安全隐患消除于第一时间，有效节省人力巡检工作量，提升巡检效率。图示：安检X光图像AI分析（示例）图示：安检区域事件告警2.3.增强乘客出行体验正如上文所述，乘客对出行品质和服务体验要求越来越高，主要表现为对出行服务的便捷性、及时性、舒适度、人性化等方面提出了更高的要求，不仅要“行得了”，还得要“行得快”、“行得好”。同时，作为公共服务，城轨交通除面向一般群体外，还需要满足老人、小孩、孕妇、残障人士等特殊群体的出行诉求，将“以人为本”的服务理念深入到日常运营中。具体来说，在轨交出行场景中，乘客出行全过程大致分为进站前、进站中、搭乘/换乘和出站四个阶段。不同阶段对应乘客不同的出行需求。例如，在进站前，乘客一般需要提前预知乘车情况，掌握乘车时间，合理安排出行计划；在进站阶段，尤其是在客流高峰时期，乘客需求转变为如何节省排队购票、安检、进闸的等待时间，加快通行速度；在搭乘/换乘阶段，乘客需要一个安全、舒适的乘车环境，避免发生拥挤等，造成不适体验；在出站阶段，乘客需求变为快速出闸，并能够便捷查看车站周边信息，方便后续行程规划。此外，及时获取出行相关的信息服务，针对需要帮助的乘客做出快速响应，并给与及时帮助和人文关怀是贯穿出行全程的乘客需求。基于视觉AI的乘客服务，在提升乘客出行体验方面的应用主要包括：2.3.1.快速便捷的通行服务包括智慧票务、票检合一等，加快通行速度、节省进出站等候时间。其中，智慧票务主要是基于人像信息构建乘车凭据，在进站、出站时可以使用无感通行方式，不必向检票机展示其他凭证，节省了寻找和出示手机、票卡的时间，从而提升了乘客的过闸速度，带来便捷的乘车体验；而票检合一则是针对无大件行李的普通通勤乘客，在快速安检的基础上，利用 AI智慧检物主要通过安检X光机进行物品图像采集并结合AI分析，实现违禁物品的智能研判，并可以通过安检信息融合，将包裹违禁事件与乘客人像信息进行智能化关联，从而辅助安检人员进行人工判定，提高判图效率和准确率，减少安保人员劳动强度。对于客流较少且低峰期的安检点，可采用集中判图模式，让安检员集中处理来自不同安检站点的判图任务，避免现场安检员空闲，实现城轨安检环节的减员增效。AI 赋能智慧城轨高质量发展0910AI 赋能智慧城轨高质量发展图：车站巡检图：车站扶梯巡检2.4.保障列车运行安全列车在运行过程中保障乘客出行安全，不仅是运营生产的基本要求，也是衡量城轨交通管理水平的重要指标。列车运行安全主要体现在客舱安全和驾驶安全两大方面。由于客舱内客流相对集中、乘客结构复杂以及空间密闭等特点，一旦客舱内发生违规或异常行为可能会为行车带来安全隐患，造成秩序混乱甚至人员伤亡。例如，2013年，深圳地铁车厢内发生2名乘客打架引发部分乘客恐慌，多名乘客擅自拉下车门紧急解锁装置导致列车紧急停车。传统列车安全员工作主要为巡视车厢，维护列车运营秩序，但由于安全员人力部署有限，无法做到全客舱、全过程的实时防控和秩序管理。在列车驾驶安全方面，据统计，国内外重大地铁事故中，人因事故占比约1/3，造成死亡人数超过30%，其中与司机相关的事故有12起，主要因操作不当、不规范造成。2.4.1.客舱监测基于视觉AI的客舱监测，结合客舱内监控视频对车厢客流密度、异常/违规行为等进行监测分析，计算车厢满载率以对拥挤车厢人流进行有效疏导，均衡各节车厢客流密度，并可为下一站乘客搭乘提供车厢拥挤度等信息参考；实时识别打架斗殴、车内饮食、人员摔倒、横卧座椅、物品滞留等异常/违规行为，及时发出告警并派遣安全人员到对应车厢进行查看处置，防患于未然之间；列车末站或停运时，也可调用视频监控，配合人员巡检，同时间查看各节车厢内是否还有乘客滞留，保证末站请客作业的高效完成。2.4.2.驾驶舱监测基于视觉AI的驾驶舱监测，则是在驾驶舱的司机位置正面部署摄像头，对司机到岗情况、驾驶状态、操作行为等进行实时AI监测，识别司机异常或不合规的操作行为并主动发出提醒、及时纠错，以免酿成交通事故。无感识别技术及时识别乘客的身份和账号，默认建立行程，从而省去通勤乘客的检票时间。此外，AR导航可以帮助乘客更方便地找到他们所需的位置和服务（如出入口、换乘口、商店、公共服务设施等），同时提供更准确和详细的信息，包括地图、路线、预计时间等，使乘客能够更好地计划行程，便捷出行。2.3.2.即时精准的信息服务基于全局视频实时监测，汇集客流、轨迹、行车等数据进行智能分析，可及时将异常突发事件、车站拥挤度、车厢满载度等与乘客出行密切的相关信息，通过大屏、手机APP等多个渠道向乘客即时精准告知，以便乘客依据实际情况及时调整出行规划，避免产生客流拥堵。此外，数字人咨询服务综合利用包括视觉AI、语音识别、自然语言理解等AI技术，使得数字员工具备智能化交互能力，开始在城轨客服中心、自动票务机上代替真人员工向乘客提供票务处理、站内导航、运营公告、智慧通行注册等全方位客服业务。2.3.3.主动高效的人文关怀通过在车站入口、通道、换乘通道等处的视频AI监测实现对乘客需求的全方位感知，进而第一时间发现需要协助的乘客。例如，轮椅出行乘客、携带婴儿车出行乘客、行动不便乘客等，根据需要向这些乘客提供主动、个性化协助。图：无感快速通行（左）及AR导航示例（右）图：数字人咨询服务图示：车厢密度监测（示例）图示：驾驶舱监测图示：车厢异常 不良事件检测图：为乘客提供主动人文服务升降平台无法自行操作，需要联系地铁工作人员，花费时间AI 赋能智慧城轨高质量发展1112AI 赋能智慧城轨高质量发展无障碍站口处被共享单车或其他物品占满，轮椅使用者无法顺利到达升降电梯口部分特殊人群无法正常购票或进站，需要车站人员人工干预部分车站由于种种原因，下行时没有自动扶梯或升降电梯，携带婴儿车、抱婴者、携带重物者带来不便2.5.加快应急响应速度一般而言，城轨交通突发事件分为公共安全事件、自然灾害事件、运营设备事件、客伤事件、运营秩序事件等，发生后如果不及时响应处理，极易造成更大范围的秩序混乱、严重的经济损失乃至人员伤亡等后果。例如，2021年郑州市突降特大暴雨，造成地铁5号线区间积水，事故导致500余乘客被困，12名乘客经抢救无效不幸罹难，暴露出城轨交通应急机制不完善等问题。尤其是进入线网规模化运营阶段，城轨交通网络将面临更为复杂的外部环境，且突发事件发生概率也呈现增长态势，以及网络连锁效应等问题可能会导致危害程度加剧，造成安全风险倍速增加，对网络安全应急管理响应速度和应急资源（人员、物资等）配置效率都提出了更高要求。基于视觉AI的应急响应方案，利用AI视频监控系统24小时不间断地对城轨车站中的常规区域与经常发生异常情况的区域进行实时监控，一旦有异常事件发生可以即时报警，方便工作人员第一时间获取情报，并根据应急程度启动相应应急处置预案，及时调配应急资源，辅助工作人员快速做出应急响应措施。举例来说，在客伤应急场景中，通过视觉AI分析，实时识别可能导致客伤的个体行为或群体行为，包括扶梯逆行、电梯困人、人员摔倒、人群混乱、奔跑追逐、打架斗殴等，并快速锁定事件发生位置，结合附近应急资源分布情况，及时赶赴现场进行应急处置。2.6.提升资产运维水平如上文提及，随着线路里程和客流运量的逐步增大，城轨交通的车辆装备数量和线路基础设施规模也在不断增加，且随着运行年限的增长，针对车辆和线路基础设施的维护任务也变得更加艰巨。此外，线路基础设施遍布范围广，易受人为、自然灾害等外部因素影响，如轨道或接触网等遭遇异物入侵、行人闯入、轨道烟火等，且具有突发性和不可预测性特点，需要在列车到来前及时进行维护清理，否则会对列车运行造成行车安全隐患。2.6.1.车辆运维基于视觉AI的车辆智慧运维，通过安装在车辆入库段的轨旁检测相机，实时采集车号、车辆全景、受电弓、轮对几何尺寸等数据，结合AI分析实现对车辆装备的在线检测，辅助车辆维修人员提高车辆缺陷的日检覆盖率和检测准确性，大幅减轻了维修人员带电作业任务量；同时结合检修区域部署相机所拍摄的视频分析，也可以对维修人员的着装规范、安全操作等行为进行24小时无人值守的实时监控，对违规或危险行为施予及时防范措施，辅助安全监管。2.6.2.线路运维基于视觉AI对线路基础设施的全面感知，实现对轨道、接触网等线路状态的在线监测，从而代替人工巡检和计划性定期检测，降低对人工依赖，节约人力成本。智慧线路运维主要分为缺陷质检和防灾两大方向。其中，缺陷质检主要面向轨道接触电网的电器部件及轨道上的零部件提供智能化质量检测能力，降低人工检测审核不标准、效率低的问题；而智慧防灾则主要面向城轨沿线轨道及接触网异物入侵检测，防止或减少人为或自然灾害对列车运行产生的伤亡，提高行车安全系数。例如，对于区间封闭的地铁线路地下段，发生异物入侵轨道及区间的事件概率相对较低，而对于高架区间，特别是穿行在市区的线路，由于周边存在居民区、楼宇等复杂区域，容易发生异物入侵事件，如高空抛物、大风吹落的衣物、杂物挂网事件或者触网垂吊事件时有发生。AI视觉检测可为列车调度及维护指挥提供预警信息，降低异物入侵带来的行车安全风险。图：扶梯区域人员客伤事件 及时发现图：某城轨高架接触网异物入侵监测图：受电弓异物检测添加图注：维修人员着装规范检测（示例）AI 赋能智慧城轨高质量发展1314AI 赋能智慧城轨高质量发展2.7.创新可持续经营模式正如上文所述，随着城轨线网规模不断扩张，收支缺口愈来愈大，经营可持续发展面临挑战。与此同时，作为城市重要交通枢纽，城轨占据着得天独厚的流量优势，且随着线网化发展，以及TOD开发不断深化，城轨经营所辖的空间体量也在加速扩大，基于流量和空间的资源开发潜力巨大。针对城轨经营的可持续发展需求，除降低运营成本的“节流”措施外，充分利用和挖掘城轨流量和空间的资源价值，通过“开源”来提高城轨的经营性收入是弥合收支缺口，推动城轨扭亏为盈的重要途径之一。基于视觉AI的智慧经营在提升商业经营价值上，一方面，在车、站内通过建立更多的智慧交互触点，以为乘客提供增值服务为契机进行价值创新。例如，在站内等待区、进出站口、换乘区等人流密集区设置智慧大屏，在车厢内设置智慧车窗等智能化“触点”，不仅可以为乘客提供及时性信息服务，还能接入更多的第三方内容服务和广告资源，根据客流属性分析进行针对性内容/广告展示，提高内容/广告触达率，充分利用“触点”的流量优势来激活商业价值。另一方面，充分利用上盖的开发空间，融合全新元宇宙应用解决方案，构建城轨商业空间元宇宙，通过虚实融合的空间内容呈现和交互方式，将物理空间向数字空间进行扩展，打造沉浸式消费环境，创新城轨上盖空间新价值。图：商业空间中AR冰雪世界带给顾客元宇宙交互体验（示例）AI 赋能智慧城轨高质量发展15图片由商汤自研大模型生成16第三章：打造“安全、高效、人本”的智慧城轨视觉引擎3.1.云边协同部署方案 173.2.“1+2+3”的开放式平台架构 193.3.五大优势总结 203.4.典型项目速览 22AI 赋能智慧城轨高质量发展传统轨道线路中，各子系统间存在硬件分散部署，数据及资源利用率低，运维成本高等弊端，成为掣肘城轨高质量发展的重要因素。为更好地进行城轨设备智能管控，实现监控一体化、服务智慧化、设备集约化、资源共享化、运维智能化等功能，商汤在城轨领域创新性引入“云、边、端”的建设理念即在“中心级”提供基于云端智能城轨平台，在“站段级”提供基于边缘云的边缘计算平台，在设备“端”提供设备数据直接采集及高效的数据处理功能。三方相互协同，共同服务于智慧城轨建设。在线网中心机房，构建云端AI视觉平台，配合 NCC 和 OCC 等轨交运营业务应用，提供大数据分析、视频分析，以及业务模型和算法等基础支持。云端重点完成批式处理低频、算力消耗较大的工作：如大客流分析预测、无感通行业务中心比对等业务；同时，云端可对端侧算法做管理和算力调度。在车站级构建边缘，端侧AI视觉平台，承载智慧化车站业务应用，通过车站级专业融合及与中心业务的一体协同，提供面向乘客、运维和站务的智慧化服务。依据标准体系要求，通过泛在物联+智能视觉分析的方式，与车站终端设备层进行标准化接入和交互，既有站段的设备，还将通过物联终端的协议接入各系统相关数据。实现车站端可独立运行和闭环的智慧车站业务应用。车站级端侧将通过服务接口的方式，为即有车站系统提供数字化和智能化业务服务，为新建车站提供专业解耦的融合智慧车站运营管理服务。基于系统采用两级部署架构，平台的算法能力可实现去中心化，在正常运行情况下，车站级建立与线网级云端的通信连接，在运行过程中可以获取双向数据，接收双向指令；在中心云端侧异常情况下，各项业务下沉到车站级，车站端能够根据已有的数据，保持正常运营，继续为范围内的各类业务提供服务，同时减轻中心算力平台和网络带宽压力，加速比对时间，提高服务效率。作为全球领先的视觉AI技术企业，商汤科技通过云边协同部署，以及“1+2+3”的开放式平台架构模式，面向客运组织、站务管理、乘客体验、列车运行、应急响应、资产运维，以及商业经营七大应用方向，打造“安全、高效、人本”的智慧城轨视觉引擎，推动城轨行业“运营、经营并举”的目标实现。3.1.云边协同部署方案AI 赋能智慧城轨高质量发展17AI 赋能智慧城轨高质量发展图：云边协同架构18图：智慧城轨视觉引擎部署模式和总体架构193.2.“1+2+3”的开放式平台架构3.2.1.“1”个底座支撑提供基础资源服务随着人工智能在实际城轨业务中的推广应用，将会产生对海量视图数据的存储、传输和计算需求，以及针对城轨系统中大量存在的长尾场景的模型训练需求。SenseCore 商汤大装置作为智慧城轨视觉引擎的底座支撑，包含了 AI 原生基础设施层、深度学习平台层、开发者基模型层三层技术架构，为智慧城轨业务提供行业级赋能服务。其中，AI原生基础设施层基于速度更快的高性能、弹性伸缩的AI计算网络提供“普惠、弹性、开放”的AI计算、AI存储、AI网络、AI安全等AI基础设施产品和服务；深度学习平台层汇聚商汤深度学习工具链多年的积累优势，涵盖AI数据管理、AI数据标注、AI开发平台等各个模块，支持大模型的训练、调优、量化、评测及部署的全栈开发及部署流程，支持开发者依托商汤自研的“日日新SenseNova”大模型体系赋能行业模型生产，以API Serving模式支撑业务快速上线。基于这三层技术架构，商汤将“大装置+大模型”能力全面赋能自身的业务体系，围绕智慧城轨在内的各行各业构建AGI（通用人工智能）核心能力。3.2.2.“2”大赋能中台实现AI能力共享依托SenseCore商汤AI大装置基础资源的底层支撑，商汤基于SenseFoundry Tran 方舟交通开放平台构建智慧城轨视觉AI中台系统，通过集成模型训练能力、视觉感知分析能力、多维融合分析能力、基础模型数据库、数据治理和融合能力等，打造城轨交通视图智能解析和视图大数据中台，并提供模块化、灵活化、可扩展的场景算法仓和共享服务组件，可以高效、低成本地生产适用于多样化场景的算法，并快速接入应用环境，满足城轨行业安全、效率和体验为主的核心诉求。同时，针对城轨场景，SenseMARS火星混合现实平台集成AIGC、空间计算、数字孪生、虚拟现实等关键技术，赋能城轨经营方高效构建和运营空间元宇宙能力，创新虚实融合的交互体验，充分利用城轨枢纽的流量和空间优势满足城轨可持续经营目标。AI 赋能智慧城轨高质量发展3.2.3.“3”个产品体系提供“开箱即用”的视觉AI解决方案在实际交付中，商汤通过灵活调用两大业务中台能力，打造“3”大产品体系，面向七大应用方向提供“开箱即用”的视觉AI解决方案。当前产品体系主要有面向客流组织、站务管理、应急响应、列车运行和乘客服务的商汤城轨智能运营系统；面向车辆和线路运维的商汤城轨智能运维系统；以及面向城轨空间商业化经营的元宇宙产品矩阵。其中，商汤城轨智能运营系统整合了智慧票务、智慧安检、智慧车站、智慧车舱等全套解决方案；商汤城轨智能运维系统则集成了智慧质检和智慧防灾的解决方案；同时SenseMARS聚合了数字人、数字空间和智能交互等解决方案。三大产品体系协同，以更高效运营组织、更人本的乘客服务、更健康的商业创新为己任，让AI技术赋能城轨交通智慧发展，满足智慧城轨发展纲要发展目标。3.3.五大优势总结依托于云边协同部署方案及“1+2+3”开放平台架构所构建的智慧城轨视觉引擎，在实践过程中主要表现出五大核心优势：算法精度高，分析更准确基于商汤自有原创的深度学习平台，算法原创性高、检测识别准确率高。例如，智慧票务的人脸比对算法，在千万人脸库规模下，误识率低于百万分之一，且在强光、逆光、嘈杂人流等复杂环境下，识别可靠性强；同时在业务使用中，结合现场数据，通过本地部署轻量化模型训练，可以实现算法精度的持续提升。例如，在智能判图辅助安检过程中，如果发生算法误判，经过判图员修正后的数据可以作为增强训练的输入，持续对算法进行迭代改进，让“判图机器”变得越来越聪明。产品迭代快，响应更高效基于“大装置+大模型”的战略布局，使得AI算法的高效生产和快速迭代成为可能，最快一周即能完成算法模型训练，一个月完成产品化落地，快速响应城轨交通长尾场景对算法模型的海量需求。复用可共享，调度更灵活通过打造系统化的AI中台能力，实现算法的复用、共享，针对城轨业务多样化需求，可以快速、灵活的进行算法调度和组合，形成定制化解决方案，推动智能化应用加速落地。应用门槛低，成本更节约面对城轨交通场景碎片化和多样化的特点，依托SenseCore商汤大装置，将大模型能力赋能智慧城轨业务，以低成本生产新场景算法，并基于算法复用和共享的AI中台能力建设，降低AI应用的准入门槛，减少城轨智慧化升级改造的成本投入，提高智慧城轨视觉系统建设的投入产出比。AI 赋能智慧城轨高质量发展20图：SenseCore商汤AI大装置+大模型体系架构商汤自研大模型体系弹性扩缩容，业务更稳定基于云边协同的部署方案，集群可支持万路级设备接入下的大规模并发式的视频解析，并自动对集群任务进行高效调度，确保各节点负载均衡；同时，解析节点采用冗余配置，单节点发生故障时，该节点任务可自动迁移至其他正常节点，业务不会终端。当接入更多终端设备时，可在线添加新的服务节点，扩大系统性能，且扩容期间业务不受影响；而当终端设备接入数量降低时，可在线删除冗余服务节点，提高资源利用效率，精简用户投资。图：支持弹性扩容，业务运行不受影响21AI 赋能智慧城轨高质量发展3.4.典型项目速览3.4.1.智慧票务项目实践北京地铁大兴机场线无感通行（开通时间：2019年9月26日）项目介绍：作为首都北京的“新国门”，北京大兴国际机场在建筑设计、新材料应用、节能环保设计、智能科技配置等方面都可谓全球之最。世界级的机场需要匹配世界级的管理水平，而“新国门”的运营核心就是安全和便捷。因此，北京大兴国际机场配置了大量硬核黑科技，来提升出行旅客的通行体验，商汤科技领先的无感通行技术就是其中之一。项目方案：伴随2019年北京大兴国际机场的正式投运启用，由商汤科技AI技术所支持的58套遍布于“凤凰”航站楼地上四层出发/到达安检通道