大模型利用历史与实时数据进行客流预测，能够更精 确地预判各个时段的乘客需求。这一预测模型可以根据不同时间 段、不同路线及节假日等因素，计算出各站点的客流量波动。例 如，在高峰时段，AI 模型能够推荐最优的列车发车频率，以缓解乘 客拥挤现象，提升乘客整体出行体验。 其次，AI 大模型可应用于列车调度的实时优化。在实际运营 中，各种突发事件经常发生，如设备故障、自然灾害、突发的重大 活动等，这些都可能影响到列车的正常运行。通过对各类数据的实 6. 执行操作：依据评估结果，调度员实时调整列车进出、停靠策 略，提高服务水平。 通过上述过程，可以有效提升城市轨道交通的服务质量，并在 面对突发状况时迅速作出反应，从而确保运输系统的高效运转和乘 客的满意度。这种以 AI 大模型为核心的实时数据分析与决策支持 方案，不仅增强了城市轨道交通的智能化水平，还为未来的可持续 发展奠定了基础。 2.1.2 预测客流量与车次安排 在城市轨道交 官方网站：建立反馈专栏，乘客可以通过网站提交意见或进行 在线调查，收集用户体验数据。  社交媒体：利用微博、微信等社交平台，鼓励用户进行反馈， 同时提高响应的速度。  现场反馈：在站点设置意见箱或客户服务热线，方便乘客在乘 车过程中或停车时直接反馈意见。 建立完备的反馈收集渠道后，还应进行有效的数据分析与处 理。每一条反馈信息都应记录其来源、时间与内容，并分类归档。 这样不仅可以为后续的工作提供数据支持，也为分析运营状况提供

RAG+DeepSeek ：充分考虑文、图两种模态的检索优化、能力打 磨 腾讯云 RAG+DeepSeek ： 图文并貌的产品操作说明 说明书样例 “ 制动系统怎么保养？” 开发票、挂号、预约试驾、政务服务 ... 报销、 IT 报修、预订会议室 ... 满意度分析 适合处理过程复杂且分支较多、对结果准确性要求高的业务场景 员工服务 自动化服务 智能客服 提供 10+ 画布节点，编排复杂应用，复杂

1、数据预处理场景 阿里云 ECS g�i 在硬件层面与 SIMD 指令集深度集成，支持英特尔 ® 高级矢量扩展 512（英特尔 ® AVX-���）指令集，每个内核拥有两个 512 位融合乘加（FMA）单元，显著加速 AI、科学计算和数据库 等工作负载中常见的向量运算。ECS g�i 标配支持处理器内置的英特尔 ® 高级矩阵扩展 (Intel® �� Advanced Matrix