打开文本图片集

摘要：本研究针对轨道交通传统显示系统信息更新滞后、适配性不足等问题，构建基于AI的智能推送与精准投放技术框架。通过设计数据层、算法层以及应用层系统架构，采取多模态感知等关键技术模块，建构内容-场景-客流三元匹配模型和多屏协同投放策略，提高轨道交通智能化水平和服务质量。

关键词：AI；轨道交通显示系统；智能推送；精准投放

引言

人工智能技术的快速发展正推动轨道交通信息显示系统从静态单向传播向智能交互模式转变，这一变革促使信息呈现方式朝着动态化、定制化方向发展，为城市轨道交通运营管理提供了新路径。本研究聚焦智能算法在轨道交通信息显示领域的应用，结合新一代通信技术，探索信息智能分发策略，来提高城市轨道交通智能化水平。现代城市轨道交通系统存在着不断增长的客流压力，传统信息显示方式已无法满足多元化出行需求。现今显示系统在信息更新速度、内容适配性等方面有一定局限，但人工智能技术的引进为这些问题的解决提供了新思路。通过分析乘客特征、环境参数以及运营指标，智能显示系统可实现精准信息推送，充分改善服务质量、提高商业价值且辅助运营决策。

一、AI技术赋能轨道交通显示系统智能推送与精准投放技术框架

（一）系统架构设计

具体见下表1：

（二）关键技术模块

（1）多模态感知引擎。该数据采集引擎作为系统核心，依靠异构传感器网络实时采集车站内各类数据。通过整合视频监控画面、闸机通行数据、环境监测指标和移动设备定位信息，搭建起全方位感知体系。利用多源数据融合技术统一不同类型数据的时空基准，且依靠边缘计算进行数据预处理，减轻传输压力。专门研发的客流密度估算方法，根据RGB-D 相机深度数据以及WiFi探针MAC地址去重技术，人群统计准确率超95%。另外，集成的声学事件检测功能能够快速识别异常声音且发出警报，为决策提供全面的环境信息支撑。

（2）智能决策中枢。动态决策系统基于强化学习机制，具备离线训练和在线执行双重模式。系统采取马尔可夫决策过程，以乘客行动轨迹、驻留时间等要素定义状态空间，把信息推送方案设成动作空间，经多目标奖励函数协调商业收益和服务体验。通过分布式 Actor-Critic 算法应对高并发需求，实现每秒生成超2000条决策策略[1]。依靠数字孪生技术搭建虚拟车站，借助历史数据模拟场景验证策略有效性。此外，系统集成策略解读模块，经注意力机制直观展示决策逻辑，使得运营过程透明可溯。

（3）轻量化推理引擎。对于边缘设备部署需求，设计轻量化推理系统。经神经网络剪枝和量化处理，成功把ResNet-50模型体积压缩到3MB以内。创新设计通道级动态任务分配策略，可根据设备资源占用情况，自动将计算任务灵活调度至边缘节点或云端。结合 TensorRT 加速技术，于Jetson Xavier平台实现每秒50帧的视频实时分析能力。引进自适应码率调节机制，可结合网络带宽动态优化视频流质量，在网络条件较差时仍可保持15帧/秒的稳定传输。另外，开发的热更新模块支持算法无缝升级，保证服务持续运行不间断[2]。

二、AI技术赋能轨道交通显示系统智能推送与精准投放实现路径

（一） 内容-场景-客流三元匹配模型

（1）场景分类：轨道交通不同功能区域有着极大差异性，具体包括换乘区、候车区和商业区三大典型场景，各场景对信息服务的需求特征均不同。在换乘区域，乘客普遍处在快速移动状态，系统应综合实时客流数据以及列车运行状态，依靠智能算法动态调整路径指引策略。一旦检测到某换乘通道出现异常拥堵时，系统自动生成替代路线且发布预警提示，有效疏导客流。候车区域的信息服务侧重时效性及准确性，系统通过整合列车实时位置、历史运行数据等信息，提供分钟级精度的到站时间预测[3]。并且，借助车厢视频分析技术，实时生成载客密度分布图，辅助乘客选择最佳候车位置，优化乘车体验。商业区域的信息推送则根据消费行为分析，依照商户经营数据与乘客画像，实现精准营销。例如，针对工作日通勤的上班族群体，系统定向推送周边餐饮优惠信息，提高商业转化率。

（2）客流画像构建：乘客画像的精准构建依赖多源数据深度剖析。基于基础属性着手，经解析票务系统的购票和刷卡数据，区分通勤、单程、旅游等乘客类型，且根据年龄、性别等展开分类。例如，老年乘客更关注无障碍设施和换乘指引，年轻游客侧重景点及交通信息。行为分析方面，针对闸机通行、站内停留及行动轨迹数据，采取聚类算法提炼出行规律。如结合某乘客连续一周的通勤数据，系统识别其为固定路线通勤者，且推送早高峰路况及晚点预警。此外，通过分析站内查询终端的搜索关键词（例如，“医院”“美食”），细化乘客需求标签。最终，通过整合数百个维度特征，建构乘客画像数据库，实现个性化需求精准预判。

（3）动态匹配规则：系统通过搭建多层智能匹配体系实现内容精准推送。借助站台和通道的摄像头及红外传感器，实时监测客流密度，若区域人流量达到每平方米4人以上时，即刻启动应急模式，优先推送安全疏散与限流措施，且经广播同步告知。在客流低谷期，系统降低警示信息优先级，增加商业广告与文化宣传内容曝光。对于乘客历史行为，采取改良的协同过滤算法，基于相似用户行为预测个体兴趣[4]。例如，结合用户查询记录和同行者偏好，联动推送周边商业信息。另外，系统通过强化学习机制，结合乘客点击、停留时长等反馈数据，实现推送策略优化，打造“采集-优化-推送-反馈”的闭环迭代，不断增强推送精准度。

（二）多屏协同投放策略

（1）空间维度。轨道交通显示屏幕的功能设计紧密贴合空间功能以及乘客需求。站厅层属于乘客进入车站的首个区域，屏幕重点展示全局性引导信息，依靠大幅地图以及动态线路示意图，帮助乘客快速熟悉车站结构与换乘路线；同时基于AI分析的实时客流特征，精准投放广告，在保障信息清晰传达的基础上实现商业价值。作为换乘关键节点的通道层，屏幕重点提供动态路线规划及列车实时动态，帮助乘客高效换乘，且设置应急信息发布通道，保证在紧急情况下信息可及时触达。车厢内屏幕聚焦乘车服务，除常规站点以及换乘提示外，还可通过和手机应用联动，提供定制化服务[5]。例如，为携带大型行李的乘客提前推送无障碍设施位置。各区域屏幕经统一管理平台做到数据共享和协同控制，营造完整信息服务链条。

（2）时间维度：为匹配客流随时间的波动特性，内容投放策略应灵活调整。高峰时段，系统以提高通行效率为核心，把八成以上屏幕资源用作发布疏散指南、列车拥挤程度等关键信息，并且压缩广告时长、简化内容，方便乘客快速得到有效信息。例如，早高峰期间，站台显示屏每30秒刷新列车到站动态，且醒目标注拥挤车厢。低谷期则转成平衡服务和商业收益，延长广告及文化宣传展示时长，补充旅游推荐、艺术活动等休闲内容，改善候车体验。对于节假日、大型活动等特殊时期，系统经大数据预判客流特点，自动启用专项内容。例如，演唱会举办时，临近站点屏幕及时推送交通管控、接驳车安排，车厢内同步循环播放安全提醒，保证运营安全和服务品质。

（3）人机交互优化设计

系统整合多种交互技术来优化乘客体验。在主动交互上，语音模块依靠语音识别和自然语言处理技术，支持多语言指令，进而快速响应乘客换乘查询且同步显示路线与语音指引；基于MediaPipe的手势识别功能，能够做到无接触操作，方便携带物品的乘客便捷浏览信息。被动感知层面，通过摄像头结合深度学习模拟眼动追踪，结合乘客注视焦点动态调整内容展示。例如，延长热门广告播放时间或优化高频信息显示布局。另外，系统配备多语言播报、字体自适应调整及盲文触控等无障碍功能，使得特殊群体可平等获取信息。还可经APP 评分、意见反馈等渠道收集用户建议，进一步优化交互设计，做到技术创新和人性化服务的有效结合。

三、结论

本研究构建基于AI的轨道交通显示系统智能推送与精准投放策略，经技术框架搭建、模型构建和多屏协同，提高信息服务精准度及乘客体验。研究表明AI可动态适配需求、优化资源分配，但算法实时性、数据融合及隐私保护存在不足。未来需要深化AI和物联网等融合，探索普适方案，助力轨道交通智能化升级。

参考文献

[1]黄霁.大模型AI在城市轨道交通中的应用探讨[J].智能建筑电气技术，2024（02）：25-31.

[2]石林.轨道交通停车场工艺BIM+AI设计应用[J].智慧轨道交通，2024（01）：80-84.

[3]马卫东，梁孟昌，崔博.城市轨道交通AI技术在安全监测中的应用研究[J].现代城市轨道交通，2023（11）：114-119.

[4]林军，刘悦，王泉东，等.轨道交通AI应用开放平台[J].控制与信息技术，2022（01）：64-70.

[5]宋春莉.关于新时代轨道交通乘客信息显示系统的发展趋势[J].数字通信世界，2019（09）：135.