扫码添加微信
某省级高速公路运营集团 如何在 高速公路运营管理 / 智慧高速（收费稽核、路网监测调度、隧道机电养护与应急指挥） 中协同落地 AI 知识库与智能体
该集团以 HiNowly 私有化 AI 知识库作为可信知识底座，以 HiNowly AI 智能体开发平台作为业务执行引擎，构建了收费稽核、路网调度、隧道机电养护、出行服务四类智能体集群。AI 知识库统一接入部省两级收费政策、费率与稽核规则、养护技术规范、隧道机电设备手册、应急预案等 4.6 万余份资料，经切片、字段化、标签化治理后形成可溯源的知识资产，所有问答均返回原文出处与生效版本，避免模型编造条款；AI 智能体开发平台则通过可视化编排、Skill 封装、工具调用与定时任务，让智能体可直接读取门架交易流水、生成稽核工单、联动情报板与救援资源、自动派发机电维修工单。项目历时约 5 个半月完成上线，稽核线索发现量、事件处置时效与隧道机电故障修复效率均取得可量化提升，且全栈可在信创环境运行、模型可本地与国内外主流大模型灵活对接。
项目背景
该集团所辖路网日均门架交易流水超过 4200 万条，日均通行事件与告警信息逾 9000 条，隧道机电设备点位数超过 18 万个。近年来，随着全国高速公路“一张网”运行和稽核追缴常态化，收费政策与稽核规则更新频繁，仅 2024 年集团收到的部省两级政策与规则文件就超过 600 份；同时，路网保通保畅、隧道安全运行与精益养护的考核压力持续加大。集团此前已建成较为完整的业务系统，但知识、规则与经验大量沉淀在文件、邮件和骨干员工的个人经验中，系统之间的数据与工单仍需人工串联，一线人员在收费现场、隧道值守、养护现场难以快速获得权威答案与可执行动作。为此，集团决定引入私有化 AI 知识库与 AI 智能体开发平台，把“知识可信”和“执行闭环”作为同一工程推进。
项目总览
项目采用“HiNowly 私有化 AI 知识库 + HiNowly AI 智能体开发平台”双引擎架构，全部部署于集团自建信创云资源池，通过本地化大模型推理集群与外网大模型网关分离的方式，实现敏感数据不出域。第一层是可信知识底座：HiNowly AI 知识库通过标准连接器与文件网关接入 OA、收费政策库、稽核管理系统、养护管理系统、设备厂商资料库与视频平台结构化数据，对 PDF、扫描件、Excel 费率表、CAD 图纸索引与视频字幕进行 OCR、版面还原、表格字段化与切片，并按“政策—条款—适用车型/路段/时间”建立多维标签与生效版本链；检索环节采用向量检索与关键词检索混合召回，配合规则校验与时效过滤，输出答案时强制携带文件名、条款号、生效日期与原文片段，做到“无出处不回答”。第二层是执行引擎：HiNowly AI 智能体开发平台以可视化工作流编排智能体，将检索、判断、计算、调用系统接口等步骤封装为可复用 Skill，并通过工具调用连接门架交易流水、稽核管理系统、机电养护系统、工单系统、情报板控制系统、视频事件检测平台与短信/钉钉通知通道。平台上线的四类智能体各司其职：稽核智能体每日定时拉取流水并生成逃费线索工单；调度智能体在事件告警触发后自动匹配处置预案、发布情报板提示并调度救援与路政资源；养护智能体将隧道机电告警与设备手册、历史工单关联，生成维修方案与派工单；出行服务智能体对 12328 与客服工单自动分类、检索政策并生成标准答复。所有智能体共享同一套组织架构与权限模型，按路段、部门、角色进行数据权限隔离，稽核数据仅对稽核岗位开放，隧道图纸仅对对应路段养护人员开放，全部调用行为留痕可审计。
项目痛点
收费政策与稽核规则高度碎片化：部省两级政策文件、费率表、车型判定规则、稽核模型说明分散在 OA、邮件与个人电脑中，同一类特情在不同路段的执行口径不一致，现场人员平均要打 2 到 3 个电话才能确认一条规则。
稽核工作依赖少数骨干经验：日均千万级门架流水只能靠人工抽查与固定规则筛查，倒卡、U 型/J 型行驶、大车小标、路径异常等逃费模式识别经验沉淀在稽核组长手中，人员轮换即造成能力断层。
隧道机电养护知识难以传承：供配电、通风、照明、消防、监控等设备手册多为 PDF 与纸质文档，型号版本混杂，现场排查故障时难以快速定位图纸与参数，老师傅退休导致经验流失。
路网事件多方协同效率低：视频事件检测、司乘报警、路政巡查、交警通报分属不同渠道，处置方案靠电话与微信群口头传递，情报板发布、救援派单、路政出动等动作缺乏统一编排与留痕。
通用大模型无法直接用于生产：涉费数据、路产基础数据与隧道图纸属敏感信息，不可出域；同时通用模型存在“编造政策条款、混淆费率版本”的风险，一次错误答复就可能引发收费争议或行政复议。
项目诉求
建设统一、可信、可溯源的收费与养护知识底座，实现政策文件、稽核规则、设备手册、应急预案的规范化接入、版本治理与原文引用式问答。
让稽核智能体能够自动读取门架交易流水与稽核系统数据，按模型识别逃费线索并生成可流转的稽核工单，实现从“人工找线索”到“智能体交线索”的转变。
打通监控、视频事件检测、机电养护、工单与情报板等系统，使路网调度与养护处置具备自动编排、自动派单与闭环回写能力。
沉淀资深稽核专家与养护专家的经验，形成可复用的专家大模型与 Skill 资产，降低对个别骨干的依赖。
满足数据不出域、部门角色管理、数据权限隔离与信创国产化要求，模型层支持本地大模型与国内外主流大模型灵活对接。
建立智能体上线后的运营机制，通过定时任务、运行监控与效果评估持续迭代智能体能力。
HiNowly 解决方案设计
统一接入和治理企业知识，通过可信检索与引用问答为智能体提供知识底座
支持智能体设计、调试、发布与运营，让业务人员快速构建场景化智能体
通过 Skill、工具调用和业务系统连接，让智能体从回答问题升级为执行任务
支持工作流编排、自动化任务与定时任务，串联知识、模型、工具与审批节点
支持本地及私有化部署、主流模型接入、权限隔离，并适配信创与国产化环境
通过文件网关与系统连接器统一接入部省政策文件、费率表、稽核模型说明、设备手册、图纸索引与预案文本，支持 PDF、扫描件、Excel、图片与结构化数据表。系统自动完成 OCR 与版面还原，对费率表、车型判定表进行字段化抽取，并按“文件—条款—适用路段—适用车型—生效时间”建立标签与版本链，政策更新时自动识别失效条款并提示关联智能体重新验证。
采用向量与关键词混合召回，叠加时效过滤、适用路段过滤与规则校验，问答结果强制返回文件名、条款号、生效日期与原文片段，支持点击回看原文件页码。对于政策冲突或超出知识范围的提问，系统明确提示“未找到权威依据”，避免模型编造条款，特情处置口径一致性显著提升。
平台提供画布式智能体设计器，支持角色设定、知识范围绑定、工具选择、分支判断与异常兜底配置。稽核规则校验、费率计算、工单生成、情报板发布、派工单创建等能力被封装为 21 个可复用 Skill，新智能体可直接引用既有 Skill，无需重复开发。
智能体通过工具注册中心调用门架交易流水接口、稽核管理系统、机电养护系统、视频事件检测平台、情报板控制系统与工单系统。例如稽核智能体可自行拉取指定时间段流水、调用费额计算工具、写入稽核工单并回写处理结果；养护智能体可查询设备台账、生成维修方案并自动派单至对应路段班组。
调度智能体以工作流串联“视频事件检测告警—知识库匹配处置预案—影响范围评估—情报板发布—救援与路政派单—进度跟踪—结果回写”。工作流支持人工确认节点与超时升级，关键动作全部留痕，形成可复盘的事件处置链路。
平台内置定时任务调度器，稽核智能体每日 02:00 自动拉取前一日门架交易流水，按逃费模型批量筛查并生成线索清单，08:00 前推送至对应稽核岗位；养护智能体每小时巡检隧道机电告警状态，夜间低峰时段自动汇总待办并生成检修建议，实现无人值守的常态化运行。
智能体继承集团组织架构，按路段管理处、部门、岗位三级配置数据权限，稽核数据、路产图纸、涉费清单相互隔离；所有知识访问与工具调用留痕可审计。平台已完成国产操作系统、国产数据库与国产芯片服务器适配，满足信创与国产化要求。
智能体支持测试环境验证、灰度发布与全量上线，平台提供调用量、命中率、采纳率、人工修正率等运营指标看板，支持按周迭代知识切片与提示词策略。专家大模型持续吸收人工修正结果，形成“使用—反馈—优化”的闭环。
项目实施范围
私有化 AI 知识库建设：接入收费政策与稽核规则 4.6 万余份、养护技术规范与设备手册 1.2 万余份、应急预案与处置手册 2300 余份，完成 OCR、切片、字段化、标签体系与版本生效链治理。
专家大模型与模型接入体系：基于本地化大模型构建稽核专家模型与养护专家模型，同时支持与国内外主流大模型按场景对接，敏感场景强制走本地推理。
AI 智能体开发平台部署：完成智能体设计、Skill 封装、工作流编排、工具注册中心、定时任务调度、发布与灰度运营、运行监控与日志审计模块上线。
四类智能体开发与发布：收费稽核智能体、路网调度智能体、隧道机电养护智能体、出行服务与客服智能体，共 21 个 Skill、38 条工作流。
业务系统对接：门架交易流水平台、稽核管理系统、机电养护管理系统、视频事件检测平台、情报板控制系统、工单系统、12328 工单平台接口联调。
权限与安全体系：部门角色管理、数据权限隔离、操作留痕、敏感字段脱敏与信创环境（国产操作系统、数据库、芯片）适配验证。
运营与培训：稽核、监控、养护、客服四类岗位共 1400 余人次培训，建立智能体效果评估与迭代机制。
实施工期与计划
| 阶段 | 周期 | 关键交付物 |
|---|---|---|
| 第一阶段：知识资产盘点与底座搭建 | 第 1—5 周 | 完成收费政策、稽核规则、养护规范与预案资料的盘点与分类，部署私有化 AI 知识库与本地大模型推理集群，制定标签体系、版本生效规则与知识接入规范，接入首批 1.8 万份核心文件并完成问答验证。 |
| 第二阶段：专家大模型训练与检索调优 | 第 6—10 周 | 基于资深稽核专家与养护专家标注数据构建稽核专家模型与养护专家模型，完成混合召回、时效过滤与引用溯源调优，问答原文引用率达到验收标准，政策冲突识别与“无依据不回答”策略上线。 |
| 第三阶段：智能体平台部署与 Skill 封装 | 第 11—15 周 | 部署 AI 智能体开发平台，完成工具注册中心、工作流引擎、定时任务调度、权限与审计模块上线，封装费率计算、工单生成、情报板发布、派工单创建等 21 个 Skill，打通 7 个业务系统接口。 |
| 第四阶段：四类智能体开发与试运行 | 第 16—20 周 | 完成收费稽核、路网调度、隧道机电养护、出行服务四类智能体开发，在 3 个路段管理处开展试运行，稽核线索准确率、事件处置时效、派单准确率达标后进入灰度发布。 |
| 第五阶段：全网上线与运营机制建设 | 第 21—24 周 | 完成 18 个路段管理处全量上线与 1400 余人次岗位培训，建立智能体运营指标看板、效果评估与周迭代机制，完成信创环境适配验证与安全审计报告。 |
项目最终成果
建成覆盖收费稽核、路网调度、隧道机电养护与出行服务的统一可信知识底座，政策与规则类问题实现原文引用式回答，一线人员不再依赖电话逐级确认口径，同一特情在不同路段的处置一致性明显提升。
稽核智能体实现门架交易流水自动筛查与线索工单自动生成，逃费模式识别从依赖少数骨干经验转为可复用的模型与 Skill 资产，线索发现量与追缴效率同步提升，人工抽查工作量大幅下降。
路网调度智能体将事件发现、预案匹配、情报板发布与救援派单串联为自动化流程，事件平均处置时长缩短，重大事件处置全过程留痕可复盘。
隧道机电养护智能体把设备告警与手册、图纸、历史工单自动关联，维修方案与派工单在分钟级生成，故障平均修复时间下降，夜间与节假日值守压力显著缓解。
出行服务智能体对 12328 与客服工单自动分类、检索政策并生成标准答复，常见咨询的人工转接比例明显降低，答复准确性与口径一致性获得业务部门认可。
全部系统在集团信创云资源池私有化运行，敏感数据不出域，部门角色管理与数据权限隔离通过安全审计，专家大模型与主流大模型对接能力为后续场景扩展提供了统一底座。
| 指标项 | 结果值 | 说明 |
|---|---|---|
| 稽核线索发现量 | 提升 3.4 倍 | 稽核智能体每日定时筛查前一日 4200 余万条门架交易流水，线索由人工抽查的日均 30 余条提升至 100 条以上，线索成单率保持稳定。 |
| 稽核工单处理时长 | 下降 62% | 工单自动生成并携带流水证据、费额计算过程与政策条款依据，稽核人员从平均 46 分钟/单缩短至 17 分钟/单。 |
| 路网事件平均处置时长 | 缩短 38% | 调度智能体自动匹配预案并完成情报板发布与救援派单，一般事件从发现到资源到位平均耗时由 21 分钟降至 13 分钟。 |
| 隧道机电故障平均修复时间 | 下降 41% | 养护智能体自动关联设备手册、图纸与历史工单，生成维修方案与派工单，平均修复时间由 5.8 小时降至 3.4 小时。 |
| 知识问答原文引用率 | 98.6% | 政策、费率与养护规范类问答均返回文件名称、条款号与生效日期，超出知识范围的提问按策略明确拒答，未出现编造条款情形。 |
| 出行服务工单自动分流率 | 71% | 12328 与客服工单由出行服务智能体自动分类并生成标准答复建议，常见咨询无需人工二次检索政策文件。 |
“我们最看重的不是智能体能聊什么，而是它敢不敢为每一句回答负责、能不能把动作真正落到业务系统里。HiNowly 的知识库让政策条款、费率版本、养护手册都能原文溯源，智能体平台又把这些知识变成了稽核工单、处置指令和维修派单。上线后，稽核不再靠几位老师傅熬夜翻流水，隧道机电故障也不再依赖个人记忆去查手册。整套系统运行在我们的信创环境里，数据不出域、权限可隔离、行为可审计，这是我们敢于在全省路网推广的前提。”
某省级高速公路运营集团 项目负责人