本招標項目名稱為：朔黃鐵路數據驅動的重載鐵路工務運維系統(tǒng)研究公開招標， 本項目已具備招標條件，現對該項目進行國內資格后審公開招標。

2.項目概況與招標范圍

    2.1 項目概況、招標范圍及標段（包）劃分：2.1.1項目概況：
面對貨運列車數量不斷增多、貨運列車軸重不斷提升、貨運列車班次不斷增加、“天窗”時間不斷縮短，軌道、鋼軌、路基、道床等工務設施病害增多，現有工務設施狀態(tài)評估和運維決策面臨狀態(tài)預測精度低、維護不及時或過度維護等問題，亟需揭示復雜內外激擾下工務設施狀態(tài)退化演變趨勢，制定經濟、合理的維修和養(yǎng)護方案，延長工務設施壽命，確保鐵路運輸的安全與暢通。
朔黃鐵路研制了綜合檢測車、鋼軌探傷車、綜合巡檢車等系列工務狀態(tài)檢測設備，自2014年上線以來積累了大量軌道數據，為鐵路運輸安全和基礎設施養(yǎng)護提供了科學依據。然而，盡管軌道狀態(tài)數據量龐大，仍存在多設備數據采集格式不一、多源數據間共享不暢，以及深度挖掘和智能化分析能力不足的問題。此外，現階段定期、有計劃的維護方式和手段，存在資源浪費、增加運營成本、降低運輸效率的問題。本項目擬以朔黃鐵路數據湖倉中的海量工務數據為基礎，構建重載鐵路工務運維大模型，提升工務檢測多模態(tài)數據分析的深度和廣度，形成重載鐵路工務領域大模型知識庫，建立重載鐵路工務智能運維大模型系統(tǒng)，為工務設施提供更加精準的狀態(tài)預測和運維決策支持，進一步提高鐵路運輸的安全性和效率。
2.1.2招標范圍及標段（包）劃分：本項目共劃分為1個標段。
數據驅動的重載鐵路工務運維系統(tǒng)研究項目主要研究以下內容：
（1）重載鐵路工務狀態(tài)檢測數據治理
重載鐵路的綜合檢測車能夠采集包括軌道幾何、鋼軌斷面、軌道磨耗、環(huán)境視頻等多種模態(tài)數據。然而，各模態(tài)的數據孤立，格式不統(tǒng)一，限制了數據的綜合利用價值。研究重載鐵路多模態(tài)工務數據治理方法，橋接不同模態(tài)數據，揭示數據關聯特性和對齊機制，實現例如3D巡檢鋼軌斷面、磨耗特征動態(tài)和響應數據等特征的自適應融合，統(tǒng)一鐵路工務數據表示。研究工務數據因果解耦方法，排除設備故障或外部干擾導致的異常數據，僅保留因軌道病害引起的異常，解析軌道的真實狀態(tài)。
（2）重載鐵路工務運維大模型預訓練
研究預訓練編解碼器和骨干架構設計方法，基于融合后的工務數據，進行多模態(tài)知識預訓練。在業(yè)務適配化精調過程中，結合實際檢測數據和軌道狀態(tài)特征，進行全參數微調，利用低秩矩陣分解方法訓練模型參數，優(yōu)化資源配置，提高模型性能和效率。針對不同業(yè)務場景進行優(yōu)化，通過結合實際工務數據和軌道狀態(tài)特征，提升模型的泛化性，為后續(xù)軌道狀態(tài)檢測和預測提供堅實的數據基礎和模型支持。考慮到重載鐵路工務數據具有趨勢性與周期性，以及復雜的時空依賴關系，研究時空依賴性編碼器集成方法，增強大模型對時空數據的理解。研究指令生成方法，針對不同病害特點微調模型，實現對脹軌病害、鋼軌磨損、異物入侵等病害進行準確預測，并分析病害之間的關聯性。
（3）重載鐵路工務運維知識自學習
研究基于重載鐵路工務運維知識的自學習機制，實現工務運維知識庫的動態(tài)構建和更新，自學習模型的開發(fā)與應用，以及運維策略的智能優(yōu)化。利用大模型技術，自動識別并抽取多源檢測數據，構建工務運維知識庫，通過實時運維數據集成和標準化管理，實現數據的高效融合和共享。利用自學習方法不斷優(yōu)化和提升運維決策能力，為重載鐵路的安全高效運營提供有力支撐。
（4）重載鐵路狀態(tài)趨勢預測及維修計劃生成
面向軌道設備維護效率和質量優(yōu)化問題，研究大模型驅動的維修計劃評價及生成方法，包括集成輸入數據、控制數據和維修機制，通過考慮維修經費、維修能力、安全約束、標準規(guī)范及政策法規(guī)，實現軌道設備維護效率和質量的優(yōu)化。具體實現方面，輸入數據涵蓋監(jiān)測數據、檢測數據、技術參數和基礎數據，以形成設備的綜合狀態(tài)評估。控制數據確保維修活動的合理性和合規(guī)性，涵蓋維修費用、維修能力、安全約束、標準規(guī)范和政策法規(guī)。在維修機制中，通過大模型結合概率估計和風險評估實現預維修決策，對系統(tǒng)設備病害進行精準預測；病害診斷評估軌道系統(tǒng)的潛在風險并輸出評判結果。輸出數據包括維修計劃、維修任務、維修方案及維修實施結果。基于評價結果，智能運維決策系統(tǒng)自動生成優(yōu)化的維修計劃，實時獲取設備狀態(tài)數據，預測病害點和維修需求，并制定科學的運維指標體系，確保維修工作處于最優(yōu)狀態(tài)，確保設備的安全運行和經濟效益最大化。
（5）重載鐵路智能工務運維輔助決策系統(tǒng)
研制鐵路工務運維輔助決策系統(tǒng)，包括實時監(jiān)控鐵路線路及其設施狀況、利用大模型深度分析設備健康指標、狀態(tài)評估、病害診斷、關聯因素分析以及潛在安全風險的預測，實現智能生成養(yǎng)護維修方案、構建養(yǎng)護維修方案的評價指標體系，為工務部門提供決策支持，優(yōu)化資源分配，并自動生成工單，提升工務人員的工作效率。該系統(tǒng)的對話式分析功能，通過提示詞優(yōu)化、無代碼數據分析和無代碼可視化技術，用戶可以輕松實現數據探索和決策支持，無需專業(yè)編程技能即可完成數據可視化分析。該系統(tǒng)的病害增強檢索功能為工務運維提供強有力的工具，通過分析病害案例、定位病害原因以及推薦處理措施，大幅提高病害識別和處理的效果。該系統(tǒng)的運維指導問答功能進一步提升其實用性，為運維人員提供即時的專業(yè)知識查詢和操作指導，保障鐵路工務運維工作的高效性和安全性。
2.1.3合作形式：
服務期限：合同簽訂后730日歷天。
服務地點：國能朔黃鐵路發(fā)展有限責任公司管內。

    2.2 其他：/

    2.3 主要研究內容及預期目標：按照招標人要求開展以朔黃鐵路數據湖倉中的海量工務數據為基礎的朔黃鐵路數據驅動的重載鐵路工務運維大模型系統(tǒng)研究，并交付相應成果。研究內容包括（但不限于）：重載鐵路工務狀態(tài)檢測數據治理、重載鐵路工務運維大模型預訓練、重載鐵路工務運維知識自學習、重載鐵路狀態(tài)趨勢預測及維修計劃生成、重載鐵路智能工務運維輔助決策系統(tǒng)等，以全面挖掘朔黃鐵路重載鐵路工務數據的價值，優(yōu)化朔黃鐵路工務運維流程和質效，項目研究具有具有必要性和重要意義。

    預期目標和成果：

    （1）重載鐵路工務領域語料庫：1套；

    （2）重載鐵路工務運維大模型：1個；

    （3）工務運維大模型驅動的重載鐵路工務多模態(tài)運維知識庫：1套；

    （4）工務運維大模型驅動的場景任務精調算法：10種

    （5）基于工務運維大模型的重載鐵路工務運維軟件平臺：1套；

    （6）工程樣機：3套；

    （7）申請發(fā)明專利：6項；

    （8）軟件著作權：4個；

    （9）核心期刊論文：3篇。

    2.4 項目總工期：合同簽訂后730日歷天

3.投標人資格要求

    3.1 資質條件和業(yè)績要求：

    【1】資質要求：投標人須為依法注冊的獨立法人或其他組織，須提供有效的證明文件。

    【2】財務要求：/

    【3】業(yè)績要求：2020年3月至投標截止日（以合同簽訂日期為準），投標人須至少具有鐵路數據監(jiān)測分析研究類或鐵路運行方案研究類業(yè)績1份。投標人須提供能證明本次招標業(yè)績要求的課題相關證明或合同掃描件，合同掃描件須至少包含：合同買賣雙方蓋章頁、合同簽訂日期、業(yè)績要求中的關鍵信息頁。

    【4】信譽要求：/

    【5】項目負責人的資格要求：投標人擬任的項目負責人1名，具有副高級及以上技術職稱，并提供相關證明。

    【6】其他主要人員要求：/

    【7】科研設施及裝備要求：/

    【8】其他要求：/

    3.2 本項目接受聯合體投標。 聯合體成員不得超過2家。

4.招標文件的獲取

    4.1 招標文件開始購買時間2025-03-07 14:00:00，招標文件購買截止時間2025-03-14 16:00:00。