课程背景
• 业界困局：当前公交系统面临高峰期运力闲置和平峰期资源浪费并存的结构性矛盾，传统排班倚重人工心得导致线路精进滞后、乘客满意度下降。成都公交日都客流量超500万人次，亟需借助AI重构决策链路。
• 课程推演：以“资料-预测-决策”为核心链条，上午拆解多源资料融合治理和AI决策系统架构，下午锁住诉求预测建模和动态排班算法，借助仿真推演验证决策有效性。
• 长期价值：构筑公司级智能调度中枢，降低15%以上营运成本，拉升高峰时段运力匹配精度，为公交线网动态精进提供数字基座。
课程收益
1. 掌握交通决策智能体架构： 领会从资料采集到决策反馈的闭环系统规划
2. 构筑精准诉求预测模型： 学会融合时空特征、天气、经过的动态预测办法
3. 运用智能排班核心算法： 掌握AI算法和强化研习在动态调度中的实践
4. 构筑AI决策评核架构： 借助KPI量化模型拉升资源利用率和乘客体验
5. 规避技艺落地隐患： 识别资料孤岛、算法偏差等等5类施行陷阱
课程大纲
形式
课程导论
09:00-09:30
成都公交智能化转型的3大痛点和破局点
• 实例：深圳巴士集团AI调度中心降本增效路径
痛点墙+视频拆解
模块一：交通海量资料和AI决策体
09:30-12:00
学识图谱
• 多源资料治理四阶法
- 静态资料（线网/站点）和动态资料（GPS/支付/视频）融合打法
- 资料质量修复实战：成都二环高架GPS漂移修正实例
工作坊
• 决策智能体架构规划
- 边缘计算节点（车载终端）和云端决策中心协同制度
- 实时决策引擎：福州公交突发大客流调度推演
架构图沙盘
抓手实践
• 数字孪生平台操作：站点人流热力图和车辆位置动态叠加
模块二：出行诉求预测模型
13:30-15:00
核心模型
• 时空卷积网络
- 融合日期类型，天气指数、周边活动的特征工程构筑
- 误差补偿制度：杭州公交春运预测准确率拉升方案
• 动态弹性预测法
- 基于地铁接驳突变流量的预警阈值设定
- 实例：成都春熙路商圈节假日诉求波动模型
抓手实践
• 预测系统：输入历史客流和经过参数获取预测曲线
模块三：智能排班算法实战
15:15-17:00
算法内核
• 多标的精进模型
- 平衡“司机事务时长”和“乘客等待时间”的最 优解
- 约束条件设定：发车间隔阈值，司机餐休规则、车辆充电周期
• 强化研习动态调度
- 基于实时客流变化的班次密度动态调整算法
- 苏州公交在突发路况下的分钟级响应制度
沙盘推演
• 分组实战：基于成都某路公交快线资料规划高峰时段弹性排班表
• 成效验证：系统自动生成资源利用率/乘客满意度双维度评分
课程闭环
17:00-17:30
结晶展示和质疑对抗
• 各组方案横向对比和最 优路径选项
• 拟定《成都公交AI决策落地三步走路线图》
灯塔工作坊
课程交付物
1. 智能排班算法参数配置表（含遗传算法迭代次数设定指南）
2. 诉求预测模型特征工程清单（12类必采集资料字段说明）
3. 决策系统ROI测算抓手（自动计算装置投入和成本节约平衡点）
锁住中高层关注的“技艺可行性-成本效益-落地路径”三角平衡，借助决策沙盘推演将技艺本领转化为管控语言，助力公司构筑AI驱动的智慧公交营运范式。
模块
时间
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|冰洋老师
适合谁听
公司相关管人人员。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。