AI大模型与轨道交通功能安全合规实战研修班 2026

• 课程介绍：本课程聚焦轨道交通大模型项目普遍面临的安全评审卡点，围绕列车智能运维、车载轻量化大模型、FAO 全自动运行 AI 场景，系统解读国内最新团体标准 T/CSPSTC 155-2025、新版国际标准 EN 50716:2023，融合传统功能安全与SOTIF 预期功能安全方法论。针对大模型幻觉、黑箱不可解释、边界场景失效、知识库风险等痛点，讲授风险识别、安全需求定义、测试验证、安全案例编制全流程。课程兼顾理论标准与工程实操，配套模板、案例与分组演练，帮助研发、安全、运维、项目管理人员掌握 AI 系统合规设计与报审方法，打通轨道交通大模型从方案设计到安全认证落地关键环节。

• 适配学员：车辆、信号、数字化、安全管理、FAO 运维、信息中心技术主管；车载软件、AI 算法、系统研发、售前方案、功能安全工程师；从事列车智能运维、车载大模型、PHM、全自动运行系统设计与落地的技术人员。

• 先修条件：建议具备轨道交通基础功能安全概念（EN50126/50129、SIL 等级基础认知）；了解列车智能运维、FAO、车载软件任一业务场景更佳；无需深厚算法基础。

• 核心培训目标：完整掌握轨道交通 AI 大模型适用标准体系：T/CSPSTC 155-2025、EN50128 向 EN50716 迁移要求、EN50126/50129、ISO 21448（SOTIF），能够区分安全关键场景与辅助运维场景边界；识别大模型特有安全风险：幻觉输出、泛化不足、数据集缺陷、对抗样本、知识库偏差，掌握 HAZOP/FMEA/FTA 在大模型系统的适配方法；掌握 SOTIF 预期功能安全落地流程，学会识别已知 / 未知不安全场景，搭建边界测试用例库，补齐传统功能安全无法覆盖的 AI 固有缺陷风险；掌握 RAG 知识库、车载轻量化大模型、FAO 智能辅助系统的安全架构设计、人在回路、降级机制、溯源与校验方案；掌握大模型专项测试方案设计、幻觉率评测、安全验证策略，具备撰写 AI 安全评估报告、支撑安全案例（Safety Case）的工程能力；能够区分车载安全关键 AI与地面运维辅助 AI 的合规差异，规避项目评审典型踩坑点，形成可直接复用的交付文档模板。

模块 1 轨道交通 AI 大模型行业现状与合规标准体系（6 课时）

1.轨道交通智能化拐点：大模型在列车运维、车载边缘、FAO 全自动运行落地现状与项目痛点

2.大模型项目评审普遍卡点：安全边界不清、风险论证不足、缺少标准化验证方案

3.核心标准逐条解读

￮T/CSPSTC 155-2025《轨道交通人工智能大模型技术应用规范》重点条款落地指引；

￮EN 50716:2023 新版标准：替代 EN50128，针对 AI / 机器学习生命周期新增要求；

￮EN50126/50129 系统级功能安全框架；

￮ISO 21448 SOTIF 预期功能安全：解决 AI 功能不足引发的风险（幻觉、极端工况误判）

4.场景分级定义：安全关键 AI 功能 VS 非安全辅助 AI 功能，区分车载端与云端运维端应用红线

5.标杆项目复盘：国内地铁、动车组大模型项目安全评审成功案例与失败教训

模块 2 轨道交通功能安全基础 + AI 系统风险分析方法论（8课时）

1.传统轨道功能安全框架回顾：SIL 等级、风险矩阵、安全目标、安全需求推导

2.大模型区别于传统软件的独特风险清单

￮幻觉、不确定性输出、边界场景失效、数据集不完备、知识库失真、模型迭代风险

3.风险分析工具在大模型场景适配实操

￮FMEA：AI 系统失效模式、影响、风险评级；

￮HAZOP：针对列车故障诊断、FAO 应急辅助开展引导词分析；

￮FTA：构建 AI 误判导致行车风险故障树

4.SOTIF 预期功能安全完整流程导入

￮触发条件识别、已知不安全场景、未知不安全场景、运行设计域（ODD）定义；

￮轨道交通列车场景如何搭建 SOTIF 场景库

5.分组演练：针对列车故障智能诊断系统开展简易 FMEA 风险分析

模块 3 大模型系统安全架构设计：RAG 知识库、车载轻量化模型、人在回路（9 课时）

1.大模型三层安全防护体系：输入约束→推理管控→输出校验

2.合规 RAG 知识库安全设计（落地核心）

￮文档溯源、版本管控、交叉校验、敏感信息过滤；

￮抑制幻觉的工程方案、置信度机制、输出引用强制约束；

￮T/CSPSTC 155-2025 对知识检索系统强制要求

3.车载轻量化大模型安全设计要点

￮模型量化、蒸馏带来的精度风险；边缘端实时推理约束；故障安全降级机制；

￮严禁大模型直接输出控车指令，人在回路架构落地范式

4.FAO 全自动运行场景 AI 辅助系统安全边界设计

￮区间故障、车门异常、牵引失效场景下 AI 应急建议的管控规则

5.安全提示词标准化设计：面向列车安全场景的约束模板、风险提示规范

6.分组演练：设计一套列车故障问答 RAG 系统安全约束方案

模块 4 AI 大模型专项测试验证与安全评测（9 课时）

1.传统软件 V 模型无法直接套用 AI 系统，AI 全生命周期验证策略

2.数据集安全与质量管控：数据完备性、均衡性、脱敏、对抗样本测试要求

3.大模型测试用例设计方法

￮常规工况、罕见边界工况、错误输入、歧义输入、诱导性提问测试；

￮幻觉率、准确率、风险覆盖率量化评测方案

4.混合验证方案：仿真测试（MIL/SIL/HIL）+ 真实线路试点验证

5.安全测试报告、AI 风险评估报告撰写框架（提供可直接复用模板）

6.安全案例（Safety Case）中 AI 相关论证段落撰写思路

7.分组演练：为车载故障诊断大模型设计边界场景测试用例

模块 5 工程落地、常见踩坑与结业综合项目演练（8 课时）

1.EN50128 向 EN50716 过渡，企业流程改造与文档迁移要点

2.轨道交通大模型典型落地红线与评审高频否决点汇总

￮无溯源 AI 输出直接用于运维决策；缺少人在回路；未开展 SOTIF 分析；知识库无版本管控

3.云端运维大模型 vs 车载边缘大模型合规路径对比

4.大模型持续迭代、版本升级的安全变更管理

5.结业综合实战项目（二选一，分组完成并汇报）方案 A（运维 / 业主方向）：列车运维 RAG 智能问答系统风险评估方案 + 安全约束设计方案 B（研发 / 设备商方向）：车载 AI 故障诊断系统 SOTIF 分析框架与测试验证方案

6.讲师点评、答疑、文档模板交付