转自：津滨网
为充分利用开源DeepSeek-R1推理模型的低成本、高性能等特性，记者获悉，轨道交通运营集团已成功部署DeepSeek大模型，并完成客运服务、应急管理、IT运维、网络安全等多场景应用验证，构建起“感知—认知—决策”智能链条，为数字化转型注入核心动力。
客服响应速度提升20%
客运服务场景下，轨道交通运营集团所属子公司致新运营公司联合天津大学构建高频客运问询AI训练数据集，并基于DeepSeek大模型的强大上下文理解能力和思维链推理能力，实现对乘客票务咨询问题的精准解析。高效地将自然语言与业务知识图谱深度映射，从而提供更精准的智能客服体验。
相较于传统基于规则的客服系统，DeepSeek大模型驱动的多模态深度学习在准确率和响应速度上实现了量级提升，能够快速、准确地生成最合理的解答。借助语音识别+意图分析双引擎，实现了88.2%的乘客咨询问题精准分类，支持连续多轮交互，确保上下文一致性，相较传统对话机器人提升70%。同时，根据上下文分析监测用户情绪波动，并触发人工介入机制，使响应速度提升20%，可进一步优化用户体验。
应急处理时间缩短30%
应急管理场景下，传统的地铁车站应急处理依赖现场处置人员的经验和记忆的判断，在面对复杂多变的突发状况时，易出现决策延迟和误判。运营集团通过采集行车、客运保障等应急场景数据集，结合海量历史应急数据的深度挖掘，依托人工智能技术训练城轨应急分支模型，构建高度智能化的城轨垂直领域大模型，不断迭代优化模型能力，寻找最优的应急操作策略。借助多模态交互界面，如可视化的操作指南、语音提示等，模型能够及时、准确地将最优应急方案提供给现场处置人员。在模拟测试环境中，搭载DeepSeek大模型的应急管理决策相较于传统方式，应急处理时间缩短30%，处置准确率提升20%，极大地降低了现场处置人员的失误风险。
故障处置效率提升40%
IT智能运维场景下，运营集团通过将运维数据和AI模型均部署在本地服务器，利用DeepSeek大模型对IT基础设施、应用系统、故障锚点等数据进行全方位监控，实时感知系统运行状态，构建IT运维的“全景视图”；依托DeepSeek大模型对海量运维数据进行分析，精准识别潜在风险，实现故障预警和原因分析，变“被动运维”为“主动运维”；利用DeepSeek+编程大模型标准接口，实现自动化编程、图表、报表的生成及统计、分析工能、运维数据自动推送等智慧化场景。
DeepSeek大模型接入IT智能运维后，实现了运维效能的全面提升。有效降低了50%的突发故障发生率，故障处置效率提升40%，平均处理时间缩短20%，显著降低了运维成本，优化了资源利用效率。
漏洞修复效率提升40%
网络安全场景下，通过在XDR平台、GPT平台融入DeepSeek，将在对话、解读逻辑性、全面性等方面大幅提升AI能力。安全AI平台将在现有平台基础上发挥更大优势，为天津轨道交通运营网络安全态势分析提供更准确、详实的推理过程，可大幅提升研判的准确性和有效性。融入DeepSeek的安全AI平台将具备海量通用知识及网络安全知识问答，语言对话能力大幅提升。深度融合DeepSeek的GPT垂直领域大模型，可构建更丰富场景的智能应用，实现更智能的交互体验，将进一步提升天津轨道交通运营网络安全防护效能。
安全AI平台接入DeepSeek大模型后，轨道交通运营集团网络安全攻击数据检出率提升至95.7%，误报率降至4.3%，减少92%需要人工处置的事件处置任务、事件确认持续时间（MTTA）/事件解决持续时间（MTTR）减少85%，网络安全事件研判效率提升90%，漏洞修复效率提升40%，基于AI赋能的网络安全运营中心有效支撑了常态化网络安全运维机制的建立。通过AI技术的深度应用，可为智慧轨道交通提供坚实的安全保障。（记者 李文博）
