城市轨道交通快速发展，为大城市通勤提供了高效支撑，但沿线振动噪声、轮轨系统损伤等问题也随之凸显。
一方面，地铁列车高频运行，轮轨接触、轨道结构状态变化等因素交织，容易引发振动与噪声叠加；另一方面，振动噪声往往具有传播链条长、影响因素多、现场工况复杂等特点，传统依赖经验巡检与事后处置的管理方式，难以及时、准确定位“源头”，也不利于将隐患消除在萌芽阶段。
如何在不影响运营的前提下实现在线监测、精准诊断和前置干预，成为轨道交通精细化运维的重要课题。
在此背景下，同济大学交通学院学生团队推出“钢轨听‘振’器——城市轨道交通振动噪声溯源与智能诊断先行者”项目，并在以“场景驱动·数智强国”为主题的全国性赛事中获得特等奖。
赛事由中国人工智能学会等主办，面向应用场景创新与科技成果转化，最终共有93支队伍胜出，其中特等奖12项。
该项目还受邀在大赛现场作为高校组唯一优胜项目进行路演展示，体现了其在工程应用导向与可推广性方面的综合竞争力。
从“问题”看，轨道交通振动噪声治理的难点不只在于“噪声大”，更在于“难溯源、难复现、难预测”。
钢轨、扣件、道床等部件状态变化会改变振动传递路径，同一线路在不同区段、不同速度、不同载荷条件下表现差异明显；一旦把握不准病害位置与类型，治理措施就可能出现“治标不治本”，甚至形成反复维修、效率不高的局面。
从“原因”分析，传统检测手段往往依赖单一信息源，难以覆盖复杂工况下的多维特征：仅凭振动信号可能受到环境干扰，仅凭噪声水平不易定位结构病害，仅凭人工目检又受主观经验与时间窗口限制。
与此同时，轨道运营对检修时间、施工组织、安全要求严格，客观上也要求运维技术向“在线化、智能化、低扰动”演进。
针对上述痛点，该团队提出基于“振动—噪声—视觉”多模态融合的钢轨健康管理数智化技术路线，构建集动态检测与在线诊断于一体的车载智能系统。
其核心思路是把列车运行过程转化为连续采集与分析的“移动平台”，通过多源数据协同互证，提高对钢轨病害的识别效率与准确性，并将诊断结果服务于运维决策，推动轨道工务管理从“被动治理”向“主动防控”转变。
项目负责人为孙志昂，团队成员包括韦积鋆、吕绍龙、宋雪、叶子、屈颖涛、潘亮尘、李思哲、赵子强，指导教师为杨新文教授、曲帅副研究员。
从“影响”看，该类在线、高效、精准的检测诊断体系，直接指向两类关键收益：其一是治理更精准，通过更快锁定病害类型与位置，减少盲目性维修和重复性投入；其二是安全风险更可控，通过提前识别轮轨系统损伤相关隐患，降低病害扩展引发的运营风险，进而为行车安全提供更坚实的技术支撑。
对于沿线居民关注的振动噪声问题，若能够实现源头识别与针对性治理，也有助于改善线路沿线环境体验，促进城市轨道交通与周边社区更和谐共生。
团队表示，相关技术已具备在全国轨道交通网络推广应用的基础。
从“对策”角度，推动此类成果落地，还需与运营管理体系协同发力：一是加强数据标准与接口建设，形成可复用的数据采集、标注与评估体系，减少不同线路、不同设备间的“信息孤岛”；二是完善试点验证机制，在典型工况区段开展持续运行测试，建立“诊断—处置—复核”的闭环评价；三是强化复合型人才培养与产学研协作，让算法模型、车辆系统、轨道结构与运维流程在同一框架下优化迭代，确保技术可靠、可用、可维护。
同场赛事中，同济大学国豪书院学生负责的“智绘医影——基于多模态大模型的医学影像报告生成系统”获得二等奖。
项目将多模态大模型应用于消化内镜报告生成，旨在提升报告生成效率与诊断一致性，对消化道肿瘤早诊早治具有积极意义。
相关探索从另一个侧面反映出：面向行业关键环节，以多模态技术提升质量与效率，正在成为科研创新与应用转化的重要方向。
从“前景”判断，随着城市轨道交通迈入存量运维与高质量发展阶段，智能化运维将更多从“单点工具”走向“系统能力”。
以多模态融合为代表的技术路径，有望在更复杂的运营场景中实现更稳定的识别与更可靠的预警，并与资产管理、计划检修、应急处置等体系衔接，推动运维模式向精细化、可量化、可追溯升级。
与此同时，面向公共安全与民生关切的应用场景，相关成果的推广也将更注重工程化验证、合规安全和可持续维护，形成可复制、可扩展的行业解决方案。
同济大学在全国人工智能应用场景创新大赛中的连续突破，充分体现了高校在服务国家战略、推动产业升级中的重要作用。
从轨道交通的智能诊断到医疗影像的智能分析，这些创新项目都瞄准了经济社会发展中的真实需求，将前沿科技与实际应用紧密结合。
随着人工智能技术的深入发展，高校学生团队的创新成果正在逐步转化为生产力，为建设数字中国、智慧中国贡献青年力量。