负责小楷市主城区6条地铁线路、8条公交主干线的实时运营调度，统筹车辆、司机与路况资源，协调跨线路应急响应，保障线路准点率、客流匹配度及服务投诉率达标

• 主导优化早高峰核心区段调度策略，针对1号线人民广场站至徐家汇站区段早高峰（7:30-8:30）拥挤度超30%的问题，调用“城轨智调”平台的实时客流监测模块（结合SQL挖掘近30天闸机进出站数据、Tableau生成客流热力图），定位“列车发车间隔与客流峰值错配”的根因；联动司机班组将发车间隔从5分钟压缩至3分20秒，同步通过“小楷出行”APP推送拥挤提示及2号线换乘引导，最终该区段拥挤度降至18%，线路准点率保持99.2%，乘客拥挤投诉量环比减少25%
• 牵头处置暴雨天气下的线路中断应急，2023年8月台风“海葵”导致3号线中山公园站至延安西路站区间积水，立即启动《恶劣天气调度应急预案》：用GIS系统规划“中山公园站→虹桥路站→延安西路站”绕行路线，协调相邻2号线的3列备用车投入支援，同时通过APP、车站广播实时更新延误信息（每5分钟推送一次）；将原本预计40分钟的延误缩短至15分钟，该事件后部门应急响应流程新增“GIS绕行路线预演”环节
• 建立“调度-维修-站务”跨部门协同机制，针对“车辆故障导致延误”的痛点，联合维修部制定“故障10分钟响应、30分钟到场”的SLA，设计调度端“故障代码一键推送”功能（嵌入“城轨智调”平台）；季度内车辆故障导致的延误率从12%降至7.2%，维修部对调度的满意度评分从8.1分提升至9.3分
• 用数据驱动优化晚高峰换乘衔接，分析地铁2号线陆家嘴站与公交985路的换乘数据（提取近6个月的换乘等待时间、乘客滞留量），发现末班车时间差导致15%的乘客错过接驳；调整地铁2号线末班车从22:30延迟至22:40，同步将公交985路末班车从22:40提前至22:35，换乘匹配度从75%提升至92%，换乘平均等待时间缩短8分钟

协助资深调度员完成日常线路调度执行，参与新线路开通筹备及调度流程优化，处理突发情况的辅助协调与数据支撑

• 协助优化常规线路运力配置，爬取公交IC卡刷卡数据（用Python的Pandas库清洗近1个月的上下车数据）及地铁闸机数据，分析出5路公交车早高峰（7:00-9:00）在“人民广场站”的乘客上下车量占比达40%，但区间车仅2班/天；提出将该线路区间车增至5班/天，调整后高峰时段运力提升35%，乘客站立率从45%降至28%，线路满载率更均衡
• 参与地铁3号线南延段开通筹备，模拟早高峰8万人次/小时的客流场景，用“城轨智调”测试版平台验证发车间隔（从4分钟调整至3分钟）及车辆配置（增加2列备用车）的可行性；开通首日线路准点率100%，未出现大规模延误，筹备方案被纳入公司新线路开通标准流程
• 辅助处置地铁站屏蔽门故障突发情况，2021年11月某站点屏蔽门无法关闭，立即协助调度员协调后续列车减速至60km/h（原80km/h），同时联动站务人员引导乘客从相邻车门上下车；将原本预计20分钟的延误缩短至10分钟，该案例被纳入部门《突发故障处置案例集》
• 整理调度数据报表并输出优化建议，用Excel Power Query整合3个月的调度日志（包括发车间隔、延误原因、客流峰值），发现非高峰时段（9:00-16:00）某线路车辆空驶率达22%；建议将发车间隔从8分钟延长至10分钟，实施后空驶率降至10%，季度运营成本节约约8%（约12万元）

协助调度中心完成日常数据统计与流程学习，参与调度系统测试及新人培训资料整理，处理简单突发情况的咨询与信息传递

• 搭建调度数据管理库，用Access数据库录入10条线路的调度日志（包括发车间隔、延误原因、客流数据等），设计“线路-日期-司机”三维检索标签；将数据查询时间从30分钟缩短至5分钟，该数据库被部门沿用至2021年
• 整理《早高峰大客流调度应对手册》，通过观摩资深调度员处理“商圈活动导致客流激增”的案例，总结出“实时监测客流→调整发车间隔→推送换乘提示→联动站务疏导”的5步流程；手册被作为新人培训教材，覆盖2020年入职的15名调度员
• 协助处理乘客调度咨询，通过“城轨智调”系统查询列车实时位置，解答晚点、换乘等问题；月均处理150件咨询，准确率98%，获部门“服务之星”称号
• 参与“公交地铁协同调度平台”测试，负责验证“实时客流同步”“跨线路调度指令发送”功能模块；反馈12条优化建议（如“增加延误原因分类标签”“优化指令推送弹窗逻辑”），其中8条被开发团队采纳，提升了系统实用性

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。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。