当AI走进机场，北明软件以Agent推动交通枢纽智能化升级

当前，AI正从单点技术应用走向核心业务场景，成为综合交通枢纽智能化升级的重要技术变量。对大客流机场而言，AI落地并非简单接入一个大模型，更关键的是让AI理解多方式交通数据、沉淀运行经验、融入旅客服务与运行调度流程，并最终转化为可持续的运行效能。

本期内容走进北明软件，以某千万级客流国际机场智慧化建设实践为样本，观察AI应用从旅客服务延伸至运行指挥的落地过程，洞悉大型综合交通枢纽智能化升级路径。

多维度约束，交通枢纽的AI落地难题

随着综合交通枢纽向多方式联运、精细化运营演进，枢纽管理正从单一业务系统建设，迈向旅客服务、运行监测、协同调度与经营决策的一体化升级。

该国际机场配套地铁、城际铁路、高速路网等交通设施，属于典型综合交通枢纽。在智能化升级过程中，该枢纽面临多维度现实条件约束：

在数据层面，公交、机场巴士、出租车、网约车、轨道、停车与航班数据分散在十余个系统，数据口径不统一，实时同步能力不足，跨方式联运和旅客疏运缺少统一依据。

在服务层面，咨询服务长期依赖人工坐席；“城市道路—机场高速—停车楼—具体车位”的导航链路存在断点，第三方地图缺失室内空间数据，反向寻车支撑不足。

在运行层面，客流、运力、停车、路网四维态势监测，依靠人工值守与大屏巡检，客流高峰叠加航班延误场景下，运力缺口识别滞后，趋势研判高度依赖人员经验。

在协同层面，异常事件处置依靠即时通讯、表格、电话流转，“告警—上报—反馈”链路难以形成闭环，复盘追溯难度较高。

在使用层面，一线人员需在多套业务系统间切换，同类操作问题重复发生；管理人员开展数据分析，需经历需求提报、脚本开发、报表制作等环节，单轮分析耗时可达数小时。

与此同时，机场属于高敏感场景，要求数据不出域、权限可控、答案可溯源，受地理信息测绘、个人信息保护等相关法律法规约束，模型与知识体系需采用私有化部署方案，并配套审计追溯机制。

如何打通数据、知识与业务流程之间的壁垒，让AI从辅助工具转化为可持续运行的业务能力，成为枢纽智能化升级需要解决的重要问题。

以云智中台为支撑，构建枢纽Agent能力体系

针对上述挑战，北明软件联合华为云，构建以“交通大模型应用中台”为核心的统一AI底座，整合算力、模型、知识与业务系统能力，探索枢纽Agent落地模式。

技术架构层面，依托机场专属云平台与GPU算力，统一承载多端接入、API网关、应用及工作流引擎、知识与模型管理模块；通过MCP连接语言模型、多模态模型、向量模型、语音识别与合成能力，支撑“灵应”和“灵知”两大模块运行。其中“灵应”承担Agent编排，“灵知”承载机场规章、操作规范、实时业务知识的沉淀，形成涵盖意图识别、知识检索、智能问答、智能问数、流程编排的能力体系。

业务融合层面，各类数据经由机场数字赋能中心统一接入、统一认证，平台与20余个核心业务接口实现双向互通；客流分析、排队时长预测、交通信息查询等原有功能封装为交通组件库，供智能体以工具调用方式复用；模型输出结果支持回写业务系统，形成“感知—分析—指令—反馈”闭环。

▲大型综合交通枢纽Agent架构

方案将安全审核、模型路由、权限管理、运行监控纳入统一架构，支撑旅客服务、内部办公、数据研判、指挥管理四类业务协同。由此，不同业务场景无需重复建设AI基础能力，可基于统一底座按需调用知识、模型、业务系统能力，实现AI能力在枢纽内部跨场景复用。

多场景深度嵌入，AI赋能枢纽高频业务

围绕枢纽高频业务需求，北明软件将AI融入四类典型应用场景，推动智能能力从旅客服务向运行指挥延伸。

面向旅客服务，智能语音助手部署于小程序与语音入口，支持语音与文字交互，依托问答Agent提供值机规则、行李限额、安检禁限带、航班动态及中转流程咨询，覆盖千级知识条目，回答附带原文依据。

平台对接室内高精地图与蓝牙定位能力，联合地图服务商，实现城市道路、机场高速、停车楼、车位的连续导航与反向寻车。标准化高频咨询由AI承接，超90%常规问题支持自动应答，全程留痕可溯源；7×24小时持续服务，响应效率提升 80%以上，减轻人工坐席负荷。

面向内部办公，问答AI助手以浮窗形式嵌入各业务系统页面，唤起后可展示操作步骤、菜单路径与关键字段释义，支持直接跳转对应功能页面。一线人员操作类问题平均处置时长缩短60%，新员工培训周期缩短50%以上，降低多系统操作门槛。

面向数据研判，ChatBI支持自然语言取数，经由语义层转换实现跨源查询，自动匹配可视化图表，同步输出数据解读与归因结论，支持一键生成分析报告。航班载客率趋势、停车楼空余车位、网约车目的地分布等指标即问即答，数据分析准备周期由小时级缩短至分钟级，研判效率提升3–5倍，管理人员可自主开展查询分析，不受固定报表排期约束。

面向运行指挥，平台建立客流、运力、停车、路网四维指标体系，设置阈值预警，支持未来1小时分区客流、24小时运行趋势及排队时长预测，监测机场场外4公里范围内可用运力。异常处置由口头沟通转为线上结构化提报，处置结果自动回填，告警感知、调度发布、反馈闭环全流程留痕。预警模式由事后处置调整为提前1小时介入，实现交通中心运行态势一屏统管。

让AI走出Demo，沉淀常态化业务能力

该案例呈现枢纽AI落地的多项实践特征：基于通用大模型，结合知识增强、组件调用，对接既有系统，减少模型重复训练，控制训练与运维成本；AI嵌入问答、办事、填报、调度等业务链路，并回收业务反馈；统一接入、统一数据口径、统一知识版本管理，保障应答准确、可追溯；RAG应用需配套数据治理，抑制噪声放大；私有化部署、数据不出域、权限审计等机制前置设计，降低安全风险。

从旅客服务、内部办公，到数据研判、运行指挥，该案例展示出AI由单点功能试点向多场景协同应用的演进路径。其价值不仅在于引入智能化功能，更在于依托华为云等统一公共云底座，整合模型、知识、业务资源，将能力编排、安全权限、运行监控、业务流程纳入体系化建设，使智能能力嵌入日常业务流程，在持续应用中释放价值，推动AI从Demo验证走向常态化运行。

2026年“828 B2B企业节”开幕式上，来自政府部门、华为云及公共云产业联盟的代表携手启动公共云“企业AI百场景落地”产业推进行动。以此行动为牵引，公共云产业联盟推出的《公共云·企业AI百场景》专栏（简称“公共云100场景”），聚焦企业AI落地的真实场景，解读云如何为AI提供底座支撑，以及AI如何进一步转化为业务价值，为企业提供可复制、可落地、可规模化的产业应用范式。

戳“阅读原文”，了解华为云