登录指南

本期为大家解读由公共安全科学技术学会城市基础设施智能建造与安全运维专业委员会出题的定向问题解决类赛题——“面向轨道交通大模型的勘察行业高质量数据集建设与智能应用”。赛题核心目标是依托大模型、RAG与智能体技术，将分散的地质勘察数据与专业知识转化为可训练、可检索的高质量数据集，并开发地质资料检索、地下水位预测、地质风险辨识三个专业智能体，解决勘察行业“资料难查找、预测算不准、风险靠经验”的痛点。

一、勘察行业痛点：资料难查找、预测算不准、风险靠经验

城市轨道交通线路多穿越建成区，地下管线密集、地质条件复杂，勘察阶段必须精准掌握地下水位动态与地质风险分布。但行业长期面临三重困境。

一是资料难查找。海量地质数据分散在数十年纸质与电子文档中，标准不一、格式各异，工程师查阅效率低下，难以快速获取可参考的地层和参数。

二是地下水位预测迟滞。传统数值模型参数率定复杂、计算周期长，难以快速同化实时监测数据，无法满足工程安全动态预测需求。

三是地质风险辨识主观性强。风险评价过度依赖专家经验，缺乏标准化手段，不同工程师对同一场地的评价可能差异较大，直接影响建设与运营安全。

二、赛题核心目标：建底座、训模型、造智能体

出题单位提供脱敏地质勘察数据，涵盖地层、岩土参数、地下水位观测记录等核心数据，以及标准规范、历史案例等专业知识语料。参赛团队需完成三项任务。

一是构建高质量数据集与预处理工具。研发数据治理工具，对多源异构数据及非结构化文档进行自动解析、人工修正、语义切片与向量化，将规范文本、历史案例转化为可支撑RAG检索的结构化知识库，同时满足大模型微调、RAG检索、水位预测与风险预测模型训练需求。

二是开发三个专业智能体。地质资料检索智能体根据地点输入自动生成区域地质概述、地层信息、地质剖面示意及岩土参数建议值，并提供数据溯源；地下水位预测智能体支持水位实时查询，基于回归与神经网络模型实现动态预测及多模型对比；地质风险辨识智能体结合地质水文与工程设计条件，自动辨识风险类型，分析评价对拟建工程的影响并提出应对处理措施建议。

三是完成工程应用验证。地质资料检索智能体在多工法、多城市测试集上考核检索准确率与召回率；地下水位预测与地质风险辨识智能体选取典型工程案例验证预测精度与判识准确率。

三、赛题核心难点：知识转化难、模型可信要求高、工程验证门槛严

本赛题紧贴真实业务场景，存在三大难点。

一是专业知识向可训练数据的转化难度大。勘察规范、地质资料和工程案例语言高度专业化、格式非结构化，需在文档解析、实体识别、语义切片和向量化策略上深入探索。

二是模型输出在工程安全场景下的可信性要求极高。地质风险辨识和地下水位预测直接关联工程安全决策，模型输出必须具备可溯源性和可解释性。赛题要求资料检索提供数据溯源，水位预测支持多模型对比，正是对此的回应。

三是工程验证需跨越从实验室到现场的门槛。参赛作品需在真实工程案例中证明实用性，模型需在多工法、多城市条件下具备泛化能力。赛题设置了语义检索准确率≥85%、召回率≥80%、回答可溯源率≥90%、地下水位预测平均绝对误差≤0.5米等量化指标，对技术落地能力提出明确要求。

四、应用价值：以数据赋能，推动勘察智能化

本赛题成果落地后，将优化轨道交通勘察作业模式。工程师可实现“即问即答、精准溯源”，从繁琐资料查阅中解放出来，回归专业判断。地下水位预测从数天缩短至快速响应，地质风险辨识从依赖个人经验转向数据驱动与知识引导的标准化评价。

海量历史勘察资料将从静态档案转化为可复用、可迭代的数据资产。通过标准化数据治理与知识库构建，分散的地质数据得以贯通流转，持续发挥价值。本赛题致力于推动勘察数据从“资源”向“资产”再向“智能应用”跃升，为交通基础设施地质勘察智能化提供可复制的范式。

在人机协同层面，智能体承接标准化、高频的检索、预测与初步辨识工作；针对无历史先例、地质条件极端复杂、需要多方会商的疑难问题，仍依托工程师专业研判。通过“机器提效、人工兜底”的协同模式，既保障效率，又兼顾精准度。

了解更多赛题详情，欢迎登录2026年“数据要素×”大赛北京分赛暨北京数智创新大赛官网：https://dexc.data.beijing.gov.cn