。这一荣誉不仅是对佳都知行技术领先性的认可，也是对佳都在智慧轨道交通成果应用贡献的肯定。

　　自成长大模型赋能城市轨道交通智能运维生态系统，是基于生成式架构的高精度数字孪生大模型与故障预测模型，搭载佳都自主研发的城市轨道交通智慧管理系统，突破了城市轨道交通智能运维技术瓶颈，构建面向城市轨道交通的智能运维M3技术体系。系统应用后，城轨工作人员通过智能运维助手可以实现高效的城轨智慧化运维，为城轨业务的降本增效提供了有力支撑。

　　九游会j9网站首页

　　目前，该系统应用于佳都科技已中标的广州市轨道交通十一号线及十三五新线车站设备及运维服务采购项目，涵盖建设与运维阶段，并为长沙、成都等城市地铁线路提供智能化质量管理平台。

　　智能运维系统已在广州十三五（十条线）实现线号线实现单线路平台落地应用（图表来源于系统测试数据）

　　•评估设备状态更精准、更高效。通过建立多专业设备状态评估体系，实现可量化、可执行、可迭代的标准评估，以指导设备日常维护和更新改造策略的调整。凭借多专业设备总集能力和丰富的维护经验，基于综合智能运维平台提供的设备数据与生产数据，实现设备状态评估的持续更新，大幅提升了评估效率与准确率。

　　•让设备“开口说话”，自研PHM大模型实现“预测修”。研究关键设备故障成因与演化规律，确定设备故障诊断所需数据测点，为设备PHM的数据采集方案、故障机理建模等提供关键的理论依据。此外，自研PHM大模型通过对设备运行数据进行自监督学习，基于少量样本标签进行微调后，实现设备故障诊断与预测功能。相较市面主流的机器学习方案，具有数据利用率高、准确率高、机理建模门槛低等优势，模型的跨设备泛化能力大幅提升，部署与调优成本显著降低。

　　•从“运维”到“智维”，为运维人员提供得力的数字化助手。当车站设备出现故障时，系统基于大语言模型对用户提出的运维业务专业问题进行回答，辅助现场维修人员针对故障现象进行排查，实现了故障的快速定位、维修人员的智能分配以及维修进度的实时跟踪，确保维修工作的时效性和高效性。经验证，系统的异常检测技术误识率低于0.1%、漏识率低于1%；故障诊断技术准确率高于99.9%；可靠性分析误差小于5%；故障预测准确率高于95%；设备剩余寿命预测准确率高于90%。

　　凭借在智慧轨道交通自主创新领域的技术领先性和落地应用示范，佳都科技将继续强化佳都知行交通大模型自我学习与泛化能力，助力构建更加智能、高效、安全的轨交运维生态系统。