上海
为深入贯彻“人工智能+”发展战略，以数智赋能破解生态环境治理痛点难点，市生态环境局于2025年11月举办了首届“生态环境数智化应用场景比赛”，产生一等奖1个、二等奖3个、三等奖5个、优秀奖7个。即日起，将分期连载获奖场景，今日刊载的是二等奖获奖案例。
智能体赋能高排放柴油车智慧管理
上海市减污降碳管理运行技术中心
上海市大数据股份有限公司
一
场景简介
（一）应用背景
机动车排放是大气污染核心来源，上海作为重要的国际贸易和航运中心枢纽，公路货运网络密集、货运量巨大，监测显示，占全市机动车保有量5%的重型柴油货车，分别“贡献”了机动车氮氧化物（nox）、颗粒物（pm）排放量的90%和95%，是机动车污染排放的主要源头。据统计，平均每月在沪行驶超过3天的重型柴油货车共31.5万辆，其中沪牌车约13万辆（占41%），非本市车辆约18.5万辆（占59%），国五及以下车辆占总数约70%。
当前我市虽通过定期排放检验、路检路查、车载诊断系统（obd）在线监控、闯限电警监管等方式开展监管，但均存在明显漏洞，强化在沪高排放柴油货车管控成为精准治污的关键举措。
智能体赋能高排放柴油车智慧管理
（二）痛点问题
当前监管面临四大痛点：一是多部门数据壁垒突出，外牌信息获取难；二是智能化感知不足，obd覆盖低，缺乏nox快速检测；三是管控闭环缺失，超标车辆无强制措施；四是重点区域覆盖不足，现有检查覆盖面窄、易规避，监管质效差。
二
技术方案
（一）总体思路
本场景的总体思路以“数据融合—智能分析—场景闭环”为核心主线，构建“入城口—流动中—落脚点”三维立体管控网络。通过整合多部门数据打破信息壁垒、研发智慧管理智能体提升监管智能化水平、升级场景化闭环机制填补监管空白、建立跨部门协同联动破解监管难题，最终实现高排放柴油货车精准识别、智能预警、快速处置与全流程溯源管控。采用“数据层—模型层—工具层—应用层”四级架构，搭建标准化、可扩展的智慧管控体系。
智能体技术架构
（二）关键技术
1.数据层：整合生态环境、交通、公安、北斗定位、第三方检测、视觉中枢等补充数据6类核心数据，构建“基础库—规则库—分析库”三层标准化知识库。同时建立“一车一档”全量存储机制，每条档案包含车辆基础信息、全生命周期监测数据、监管处置记录、维修复检凭证等核心信息，确保数据可追溯、可复用。
2.模型层：部署大语言模型集群（deepseek、通义千问等）支撑智能问数与文本处理；应用多模型实现图像ocr提取与语音结构化；利用向量模型进行高排放特征相似性匹配与线索优先级排序。
3.工具层：垂类算法模型（车型识别、nox 定性）直接对应 “高排放车辆精准识别”的业务目标；批量排查、统计分析等工具组件，则是一线监管人员 “筛选违规车辆、生成治理报表”的常用功能载体，实现了技术能力向业务工具的转化。
4.应用层：采用“web管理端+动端app+跨部门协同平台”模式，面向生态、公安、交通部门提供智能预警与管理服务。
三
应用成效
主要成果：打破部门间数据壁垒，实现31.5万辆在沪重柴车全生命周期数字化管理。通过ai智能体辅助，显著提升了高排放车辆识别准确率与线索筛选效率。
管理效能：构建了“发现—溯源—处置”监管闭环，解决了超标车辆管控无抓手难题。跨部门协同联动机制建立，填补了中小型物流集散地监管空白。
经济效益：依托数据层多源数据自动融合、模型层向量特征匹配与工具层批量排查功能，可实现线索的自动化筛查、分级与核验，单日可处理超10万条数据，完全替代人工筛查工作。按此测算，年度可节省人力成本201.6万~403.2万元。
社会效益：精准锁定污染源头，有效降低了机动车氮氧化物与颗粒物排放，助力上海空气质量改善与“双碳”目标实现，提升了城市环境治理能力现代化水平。
四
收获启示
推广价值：本项目验证了“大模型+垂直场景”在生态环境监管中的可行性，为跨区域、跨部门数据融合与智能决策提供了可复制范式。
未来方向：将进一步拓展智能体应用场景，深化多模态数据融合，探索基于区块链的排放数据可信共享机制，推动从“人防”向“技防”“智防”全面转型。
供稿：市绿色低碳数据创新实验室
编辑：张玉洁
上观号作者：上海环境
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
