据介绍，客运服务场景下，相较于传统基于规则的客服系统，DeepSeek大模型驱动的多模态深度学习在准确率和响应速度上实现了量级提升。借助语音识别+意图分析双引擎，实现了88.2%的乘客咨询问题精准分类，支持连续多轮交互，确保上下文一致性，相较传统对话机器人提升70%。同时根据上下文分析监测用《必赢国际》户情绪波动，并触发人工介入机制，使响应速度提升20%。
“在模拟测试环境中，搭载DeepSeek大模型的应急管理决策相较于传统方式，应急处理时间缩短30%，处置准确率提升20%，极大地降低了现场处置人员的失误风险。”据介绍，传统的地铁车站应急处理依赖现场处置人员的经验和记忆的判断，通过构建高度智能化的城轨垂直领域大模型，借助多模态交互界面，如可视化的操作指南、语音提示等，模型能够及时、准确地将最优应急方案提供给现场处置人员。
此外，安全AI平台接入DeepSeek大模型后，运营集团网络安全攻击数据检出率提升至95.7%，误报率降至4.3%。网络安全事件研判效率提升90%，漏洞修复效率提升40%，可为智慧轨道交通提供坚实的安全保障。
