统筹区域内12条公交主干线、2条地铁接驳线的实时运营调度，联动交通局、气象台、站务团队处置突发情况，聚焦准点率提升、服务响应效率优化及跨资源协同，保障线路运行稳定性与乘客体验

• 主导优化区域公交智能调度算法，基于小楷自主研发的「客流动态画像系统」整合近1年刷卡数据、GPS轨迹及天气变量，重构早高峰3条主干线路（如11路、22路）的发车间隔模型——将原8分钟间隔压缩至6分钟，同步通过「延误预警模块」提前15分钟向司机推送拥堵路段（如市中心CBD段）替代路线，试点线路准点率从89%提升至95%，乘客因延误引发的投诉率下降32%
• 核心参与制定《极端天气下轨道交通接驳线应急处置方案》，联动气象部门接入实时降水、大风监测API，在台风「海葵」影响期间，提前2小时启动备用车辆调度（调集5辆应急大巴），调整5条接驳线（如地铁1号线A口接驳线）绕行积水路段，全程跟踪1.2万人次乘客转运，实现零大规模滞留、零安全事故
• 针对老城区线路与地铁末班车衔接断层问题，用小楷「客流热力分析平台」拆解地铁1号线末班车（23:30）后3个大型社区（如幸福里、平安苑）的出行需求，推动新增2条「地铁夜间接驳专线」，协调司机轮班制度及车辆维保衔接，开通首月日均载客量达450人次，彻底解决周边居民「最后一公里」夜间出行痛点
• 搭建「调度-司机-站务」三方实时协同机制，引入小楷「调度协同APP」实现指令秒级传达、司机位置GPS共享及站务反馈即时响应，将突发情况（如车辆故障、乘客突发疾病）处理时间从平均12分钟压缩至5分钟，季度应急响应考核得分从87分提升至96分，位列公司区域调度组TOP3

协助资深调度员开展区域公交线路日常调度，负责客流数据统计分析、调度方案落地支持及突发情况前期处置，为调度决策提供数据与执行支撑

• 协助搭建「公交线路客流预测模型」，收集整理近1年10条线路的刷卡数据、GPS轨迹及天气数据，用Python进行Pearson相关性分析，识别出早高峰7:30-8:30期间4条线路（如3路、5路）的高峰客流峰值（达1200人次/小时），为调整发车间隔提供数据支撑——协助将这4条线路满载率从110%降至92%，乘客拥挤投诉率下降28%
• 独立处置日常突发情况约150起，如某主干道交通事故导致线路拥堵时，通过「实时监控平台」追踪后续3辆车位置，10分钟内完成绕行路线规划（切换至相邻支路），同步通知站务人员向乘客广播解释，将单线路延误时间控制在15分钟内，未引发乘客集体投诉
• 负责编制《周度调度运营报告》，统计准点率、延误率、乘客投诉率等12项指标，通过数据交叉分析发现2条线路（如7路、9路）晚高峰衔接不畅问题——提出调整其中一条线路终点站至地铁口附近，方案被采纳后，两条线路换乘等待时间从10分钟缩短至5分钟，日均换乘量提升25%
• 参与新司机调度培训，结合100+起历史突发案例编写《调度指令传达手册》《常见突发情况处理指南》，涵盖车辆故障、乘客纠纷、道路拥堵等10类场景的标准流程，帮助新司机快速掌握调度沟通技巧，培训后新司机应急处理正确率从70%提升至90%

协助调度员完成日常数据录入、线路监控及基础调研，学习智能调度系统操作，积累一线调度业务认知

• 协助完成10条公交线路基础数据标准化录入，用「小楷调度数据管理系统」梳理站点位置、发车间隔、车辆配置等字段，纠正历史数据错误12处，确保数据准确性达100%，为后续调度优化提供可靠数据基底
• 参与老城区3条线路（如1路、4路、6路）客流调研，采用问卷调查（回收1200份有效问卷）+现场计数法，分析乘客出行时间、目的地及换乘需求，撰写《老城区公交线路客流调研报告》——提出调整1路站点布局（将某冗余站点迁移至小区门口），被采纳后该线路乘客满意度从82%提升至89%
• 系统学习小楷智能调度系统操作，掌握GPS实时监控、发车间隔调整、调度指令发送等功能，协助调度员处理日常调度工作（如早高峰调整车辆发车顺序），助力线路准点率提升5%
• 参与整理调度案例库，收集近1年200+起突发情况处理案例（如车辆抛锚、乘客突发疾病），编写案例说明及处理流程，成为新员工培训的基础素材，覆盖公司3个调度班组

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。

上海市轨道交通18号线智慧运维平台升级及全生命周期管理体系搭建项目

• 18号线作为上海东西向骨干线路（全长约36公里、设站26座），日均客流超80万人次，原有运维系统存在三大痛点：一是12个厂商设备数据格式不统一，形成“数据孤岛”；二是传统故障预测模型依赖单一线路样本，准确率仅65%，无法支撑早期故障预警；三是维修资源调度依赖人工经验，响应滞后。我的核心职责是主导项目全生命周期管理，包括需求调研、技术方案设计、跨厂商协同及落地推广，目标是打造“智能预判-精准调度-全周期追溯”的智慧运维体系。
• 项目面临三大关键挑战：其一，多厂商设备数据异构，需解决协议适配与标准统一问题；其二，新型设备（如永磁牵引系统）早期故障样本不足，传统机器学习模型泛化能力弱；其三，维修团队长期依赖“故障后维修”模式，对智能系统的接受度低。针对这些问题，我采用“数据治理+迁移学习+人机协同”方案：用Apache Kafka搭建实时数据总线，制定《轨道交通设备数据接入规范》（涵盖18类设备、23项数据字段）实现数据标准化；联合上海交通大学人工智能实验室，基于其他线路10年故障数据做迁移学习，用LSTM神经网络训练故障预测模型；同时将系统界面设计为“故障预警-处置建议-进度跟踪”的引导式流程，降低操作门槛。
• 为推动项目落地，我做了三件核心动作：一是牵头成立跨厂商数据治理小组，每周召开对接会，用3个月完成所有设备的协议适配与数据接入；二是针对样本不足问题，引入GAN（生成对抗网络）生成10万条仿真故障数据，扩充模型训练库，将模型准确率从65%提升至92%；三是设计“培训+绩效”双驱动机制，组织20场维修人员操作培训，将系统使用率纳入班组KPI，推动智能系统从“可用”到“愿用”。
• 项目成果显著：故障提前72小时预警率从30%提升至65%，维修响应时间从45分钟缩短至27分钟，年度运维成本降低18%（约1200万元）；更关键的是，我们输出了《城市轨道交通智慧运维全生命周期管理指南》，被纳入浦东新区交通行业地方标准。我个人也完成了从“运维流程优化”到“智慧体系搭建”的能力跃迁，成为公司智慧交通领域的核心负责人。

上海市轨道交通16号线公交衔接优化及客流协同管控项目

• 16号线是连接临港新城与市区的“郊区快线”，存在典型潮汐客流特征：早高峰进城方向拥挤度超120%，而公交衔接不畅导致15%的乘客换乘时间超30分钟，严重影响出行体验。我的任务是聚焦“地铁-公交”衔接环节，通过客流分析与流程优化，降低拥挤度、提升换乘效率，同时搭建实时客流协同管控机制。
• 项目难点在于“数据分散+利益协调”：一方面，地铁AFC、公交IC卡、手机信令数据分属不同主体，难以整合分析；另一方面，公交线路调整涉及公司运营成本与驾驶员排班，协调难度大。我采用“数据融合+利益绑定”思路：用Tableau搭建客流可视化平台，整合三方数据构建“潮汐客流预测模型”（基于SPSS回归分析，预测准确率达88%）；同时设计“客流联动考核机制”，将公交衔接率纳入地铁与公交公司的协同KPI。
• 我主导完成了三项核心工作：一是分析1个月的客流数据，识别出早高峰“惠南站-滴水湖站”区间的换乘痛点，提出“新增2条区间车+1条短驳专线”的优化方案；二是与公交公司协商，调整3条既有线路的首末班车时间（提前30分钟发车、延后20分钟收班），匹配地铁客流峰值；三是开发“地铁-公交实时联动接口”，当地铁站点客流超过阈值（如拥挤度≥110%）时，自动向公交调度系统发送增派车辆指令。
• 项目落地后效果明显：早高峰进城方向拥挤度降至95%以内，换乘时间超30分钟的比例从15%降到5%，公交衔接率从60%提升至85%；该项目被上海市交通委员会评为“2021年度优秀公共服务优化案例”。通过这个项目，我掌握了“数据驱动+跨部门协同”的流程优化方法，为后续智慧运维项目积累了底层经验。