NO2. AI系列 第二期///
IBM委托进行的一项新研究表明，在全球经济热点的亚太地区，企业正在加大对人工智能的投资，85%企业宣称做好了AI准备，但实际就绪者仅达11%。
调查认为许多企业高估了自身的实际成熟度，在全面应用AI时面临基础性挑战。
在全球轨道交通行业，企业对人工智能的应用总体情况如何？
我们从机构研究报告里发现全球轨道交通企业AI 应用真实状态。
正从试验阶段进入系统部署阶段
国际铁路联盟（UIC）和麦肯锡的联合研究报告指出：铁路公司理论上有 100 多个潜在 AI 用例，但真正投入资源落地的大概集中在 20 个左右。
落地的项目主要围绕四个方面：准点率、客户体验、安全、运营效率。
相关AI市场年复合增速约 14.7%
专门针对“铁路运维与运营的 AI 市场”报告估计，2024 年全球 AI in Rail Operations 市场规模约 24 亿美元，预计到 2033 年将增长到约 77 亿美元，年复合增速约 14.7%。
学术与产业综述普遍认为，当前最成熟、投入最多的方向是预测性维护与状态监测，其后是客流与运力预测、交通组织优化、视频智能分析和能耗优化等。
一句话概括：世界主要轨道交通企业已经普遍进入“多场景试点 + 重点场景规模化”的 AI 应用阶段，但距离全企业、全寿命周期的深度智能化还有较大空间。
将许多研究报告中提及的现有案例，按“出现频次”的强弱，应用场景大致归为 5 类：
设备与基础设施预测性维护（出现频率最高）
利用列车、轨道、道岔、信号设备上的传感器和历史维修记录，通过机器学习、深度学习预测故障与剩余寿命。
目的：减少突发故障和停运时间，改“事后抢修”为“事前预防”，提升可用率、降低备件与人工成本。
运营调度与运力优化
对历史运行图、列车实际运行数据、天气和客流进行预测，优化列车开行、交路与接续，部分研究开始引入深度强化学习做“智能行车指挥”。
客流预测与人群管理
利用闸机刷卡记录、手机信令、视频流等数据，预测时间–空间维度的客流分布，并与数字孪生车站 / 线路模型结合，做站台拥挤度预警、换乘组织方案评估。
智能安防与视频分析
通过计算机视觉识别闯入轨道、摔倒、自杀倾向行为、遗留物、打斗等异常事件，自动告警，减少对人工盯屏的依赖。
能耗优化与司机辅助 / 列车自动驾驶
利用 AI 对牵引 / 制动报文、坡度和限速进行学习，给出节能驾驶建议或直接生成节能运行曲线；同时也用于 ATO / 列控系统里的速度曲线优化。
UIC 的研究报告为以上统计简单明了地背书：全行业虽然有上百种 AI 想象空间，但真实投资高度集中在预测性维护、客流预测、调度优化与安全监管这几个“高 ROI 场景”上。
资料来源：
https://uic.org
https://exceltic.com
https://irisity.com
https://appinventiv.com
https://seng.hkust.edu
https://digitale-schiene-deutschland.de
