海若交通大模型

面向交通行业数字化场景，为民航、轨交、岩土等领域客户提供大模型服务，实现交通行业新突破，赋能交通强国建设。

我要咨询

关于海若交通大模型
业务挑战
业务优势
业务场景
云数智融合的交通行业大模型
客户案例

关于海若交通大模型

海若交通大模型包含轨交、民航、岩土行业大模型。面向轨交领域，提供智能运维监测与故障分析决策等服务；面向民航领域，向空管、航司提供飞行复盘分析、空域态势推演、智能维修工卡生成等服务；面向岩土领域打造岩土工程领域大语言模型，提供行业知识智能问答、岩性智能识别等功能。海若交通大模型以深度学习技术为基础，以行业数据为驱动，助力交通行业数智化转型。

业务挑战

空管——运行复盘费时费力

空管领域数据需要比较专业的人员才能查询，且空管系统众多，系统间关系复杂，查询某架飞机在终端区的飞行情况，需要访问多个系统或在数仓的多个宽表中进行关联查询，查询效率低下。
空管——制度梳理解读高度依赖人工

空管领域规章制度严格，每个操作或检查都有严格的步骤，民航总局、空管局、下属分局层层下发规章制度文件。下发政策之后，空管局协调大量专业人员，对政策进行分析，在空管局和下属分局查找相关的政策以做调整，不仅容易遗漏部分条款，还需抽调不同部门团队参与，资源投入巨大。
岩土——数据“各自为战”

岩土工程作业涉及多领域、多部门、多专业协同作业，加上施工环境限制，行业数字化程度普遍不高，数据“各自为战”现象突出，数据传输更新慢、数据碎片化、数据互联共享低，导致数据沉睡，无法有效流通，数据价值没有得到充分释放。
岩土——作业高度依赖人工

岩土工程作业，如地质分析、灾害预测、灾害处置决策等，依然高度依赖人工，效率低、主观性强、易误判漏判、对专业知识和地质经验要求高，难以满足现代施工作业对高效性和准确性的要求。
岩土——灾害处置时效性差

目前传统的基于人工的灾害防控模式，在发生灾害时由于专家无法及时到位，容易出现决策慢、处置慢、处置不当的问题，由此造成灾害处置时效性差，已经越来越难以应对突发、复杂的工程地质灾害。
岩土——灾害处置被动化

岩土工程地质灾害具有隐蔽性强、突发性强等特点，再加上地下地质环境复杂，加大了灾害处置难度，由于人员、设备、技术等方面的限制，往往会导致应急处置能力不足，无法及时有效地控制灾害，造成被动局面。
地铁——知识、经验复制难

地铁日常运维、运营中，运维人员需要面对诸多种类的专业设备，各类设备的维护、检修的要求和流程均存在差异。随着设备的更新或者固定岗位人员的变动，许多设备设施的运维经验与知识不能快速传达给工作人员。地铁各专业系统协作运行，面对故障时，需要不同专业的部门联合分析，时间花在协调和多次沟通上，导致故障响应不及时，影响安全运营。
地铁——报告、报表多

地铁运营每天会产生运营和运维类的指标数据，数据统计的纬度和颗粒度不一样。指定数据的查询需要专门人员完成收集、统计分析工作，耗费时间和人力，分析效率低且数据的准确度不高。地铁安全生产和巡检运维要求工作人员完成大量的报告编写，文档内数据靠人工填写，导致数据准确率有一定影响。

业务优势

业务场景

安全施工
工程智慧养护
飞行复盘分析
态势推演
智能客服

以岩土地下工程灾害预测与防控需求为导向，基于海若交通大模型提供不良地质识别、超前地质预报、灾害风险评价、处治方案优选、处置方案模拟等功能，解决传统作业依赖人工的问题，助力岩土地下工程灾害由被动处治到主动、科学、智能防控转变，保障地下工程安全、高效建设与运行，赋能行业数智化转型。
依托海若交通大模型病害特征识别能力，准确、高效识别工程表观危害（裂隙、沉降、渗透水等）以及工程内部潜在危害，实现工程智能化检测、表观病害自动识别、工程结构无损检测、辅助生成分析报告，由人工作业转变为智能化自动检测，提高工程病害识别效率和准确率及智能养护能力。
围绕知识库、数仓交互、行业文件解析需求，依托大模型能力，自动关联航班相关信息，实现分钟级、对话式航班复盘分析，对比原有人工查阅多个系统的复盘分析方式，节约人力成本，实现降本增效。
结合当前空域运行情况和历史数据，依托大模型能力，给出当前最可能超容的扇区，推演空域未来发展趋势，具有数据支撑。对比原有依靠人工经验推测空域未来态势的方式，实现了全方位提质。
智能客服系统可以支持多种语言，并通过语音识别和语音合成技术，与乘客进行自然语言的语音交互。乘客可以通过语音提问、查询列车时刻表、获取站点信息等，而系统能够准确理解并提供相应的回答和指导。智能客服系统还可以支持文字交互。乘客可以通过文本消息与系统进行交流，询问有关票价、乘车规定、服务设施等方面的问题。聊天机器人技术可以使系统能够根据乘客的提问，提供即时的、准确的回答，并且能够学习和适应乘客的需求。