鐵路旅客服務(wù)用語標(biāo)準(zhǔn)化測評裝置研究

摘 要：隨著人工智能的不斷發(fā)展，人們越來越多地將語音識別技術(shù)應(yīng)用于各個領(lǐng)域，但是目前針對鐵路部門的語音識別技術(shù)還不多見，已有的技術(shù)還不能很好地適應(yīng)鐵路客運的需要。本文以鐵路旅客服務(wù)用語標(biāo)準(zhǔn)化測試設(shè)備為研究對象，對國內(nèi)外的研究狀況進行介紹，對主要研究內(nèi)容、關(guān)鍵技術(shù)和研究方法進行分析，由此對預(yù)期目標(biāo)、技術(shù)經(jīng)濟指標(biāo)以及結(jié)果的表現(xiàn)形式進行分析總結(jié)，以提高鐵路客運服務(wù)水平。

關(guān)鍵詞：鐵路旅客；服務(wù)用語；標(biāo)準(zhǔn)化；測評裝置

一、概述

隨著科學(xué)技術(shù)的迅猛發(fā)展，人工智能已經(jīng)深入人類生活的每一個角落，從智慧城市的規(guī)劃和管理到智慧交通的高效運營，人工智能通過對大量數(shù)據(jù)的精確處理，能夠極大地提高人類的生活水平。同時深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、自然語言處理等技術(shù)的不斷發(fā)展，語音識別成為當(dāng)前人工智能研究的一個重要方向。但是在我國，大部分比較成熟的語音識別技術(shù)都是以普通用戶為對象，關(guān)于鐵路部門的研究還很少。鐵路客運業(yè)務(wù)因其特殊的使用場景及詞匯特征，僅采用主流的語音識別軟件，很難取得令人滿意的效果，因此開展鐵路旅客服務(wù)用語標(biāo)準(zhǔn)化測評裝置的研究，具有重要的現(xiàn)實意義和應(yīng)用價值。

二、國內(nèi)外現(xiàn)狀及簡要說明

（一）人工智能與語音識別技術(shù)的發(fā)展

人工智能技術(shù)的迅猛發(fā)展能夠為各行業(yè)的創(chuàng)新提供強大動力，近年來，深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、自然語言處理等領(lǐng)域取得突破性進展，極大地提升了語音識別的精度與效率。上述技術(shù)的不斷完善，能夠為具體應(yīng)用場合的語音識別提供良好的基礎(chǔ)，比如在智能家庭中，語音識別已經(jīng)被廣泛地運用到智能音箱和家用電器的控制中，使用者能夠很容易地通過聲音來進行多種操作。

（二）國內(nèi)語音識別技術(shù)現(xiàn)狀

我國的語音識別技術(shù)已經(jīng)逐漸成熟并被大量使用。比如，語音助手可以對用戶的聲音進行精確的識別，從而完成智能問答、信息查詢、設(shè)備控制等。但是面向鐵路部門的語音識別研究卻遠遠落后，鐵路旅客的服務(wù)語言具有很強的專業(yè)性和復(fù)雜的場景，例如，列車時刻表的查詢、票務(wù)信息的咨詢以及安全的提示等，都與人們的日常生活語言有很大的區(qū)別。僅僅引進已有的主要語音識別軟件已不能滿足鐵路部門的特定需要，難以達到預(yù)期的識別效果。

（三）鐵路行業(yè)的需求與挑戰(zhàn)

鐵路是我國最主要的運輸工具，每日運送著大量的乘客，因此要想提升乘客的滿意度，需改善鐵路客運人員的服務(wù)水平，規(guī)范其服務(wù)態(tài)度。針對當(dāng)前我國鐵路乘客服務(wù)語言訓(xùn)練、訓(xùn)練與考核的現(xiàn)狀，需要提出一種基于語音的綜合評價方法。

三、主要研究內(nèi)容

（一）建立鐵路旅客服務(wù)用語場景庫

鐵路客運業(yè)務(wù)涉及購票、候車、乘車和出站等各個方面，本項目擬通過構(gòu)建列車乘客語言情景庫，對上述情景進行仿真再現(xiàn)，為列車語音識別系統(tǒng)的培訓(xùn)與測試提供有力的數(shù)據(jù)支撐。“情景庫”包含乘客購票咨詢、檢票提示、列車服務(wù)等場景的標(biāo)準(zhǔn)化用語，該方法能更好地滿足鐵路客運業(yè)務(wù)的需要并能有效地提高識別率。

（二）建立鐵路旅客服務(wù)用語智能分析模型

鐵路旅客服務(wù)用語智能分析模型是測評裝置的核心部分，該模型結(jié)合語音、語速、語調(diào)、音量、靜音時長、語音清晰度等多方面因素，對客運人員服務(wù)語音進行自動評價。具體實現(xiàn)過程如下。

語音信號采集與處理：該系統(tǒng)利用傳聲器等傳感設(shè)備對外界的聲音進行采集，并對其進行去噪、增強等工作，從而改善語音信號的質(zhì)量，增強語音的辨識能力。比如，利用自適應(yīng)濾波器消除噪音，利用小波分析等手段實現(xiàn)語音的增強。

聲學(xué)特征提取：提取語音信號的聲學(xué)特征，如梅爾頻率倒譜系數(shù)（MFCC）、線性預(yù)測系數(shù)（LPC）等將語音信號映射為特征向量。這些特征向量包含語音信號的重要信息，是后續(xù)識別和分析的基礎(chǔ)。

語音識別與文本輸出：將提取的特征向量輸入語音識別模型中進行識別，識別后的結(jié)果需要經(jīng)過錯誤修正和語法糾正等步驟，而后將識別得到的文本輸出到顯示屏上。同時，此文本還可以用于執(zhí)行相應(yīng)的任務(wù)，如根據(jù)旅客的咨詢內(nèi)容提供準(zhǔn)確的信息回復(fù)。

服務(wù)語音評價：從乘客服務(wù)質(zhì)量的角度出發(fā)，通過對乘客服務(wù)質(zhì)量的分析，提出一種基于語音質(zhì)量的乘客服務(wù)質(zhì)量評價方法。比如，通過設(shè)置合適的速度區(qū)間和音量閾值等指標(biāo)，定量地評價乘客的言語性能。

（三）建立語音培訓(xùn)評價錄音庫

為了采集、保存旅客的服務(wù)話音資料，建立話音訓(xùn)練和評估錄音庫，在此基礎(chǔ)上，利用預(yù)先設(shè)定的語言學(xué)模型與聲學(xué)模型對所獲取的語音信號進行預(yù)處理與特征提取。通過對其進行識別，判斷其有無預(yù)先設(shè)定的語音指示，若有，則執(zhí)行相應(yīng)指令或完成對應(yīng)動作。同時，該系統(tǒng)還能實現(xiàn)對流程的自動存儲，方便事后查閱、人工核查和分析。

四、關(guān)鍵技術(shù)問題

（一）在復(fù)雜環(huán)境中識別特定人聲

鐵路車站和列車上存在高噪聲、多人說話、強口音等復(fù)雜環(huán)境，因此如何在這些環(huán)境中準(zhǔn)確識別出特定人聲是鐵路旅客服務(wù)語音識別面臨的關(guān)鍵技術(shù)問題之一。為解決這一問題，可以采用以下技術(shù)手段。去噪方面：利用深度學(xué)習(xí)等高級去噪算法，有效地壓制背景噪聲并且提升信噪比。聲源定位：利用傳聲器陣列等技術(shù)準(zhǔn)確地確定聲源位置，將識別目標(biāo)聚焦于特定人聲，以消除其他噪聲干擾。針對不同口音、不同語言習(xí)慣的乘客，構(gòu)建個性化的語音模型，提升其識別精度和自適應(yīng)能力。

（二）語音識別算法的選擇與優(yōu)化

擬采用多種語音識別算法，包括基于動態(tài)時間規(guī)整（DTW）的算法、基于深度神經(jīng)網(wǎng)絡(luò)（DNN）的方法和基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的方法等。

1.基于動態(tài)時間規(guī)整（DTW）的算法

DTW算法是在詞匯量小、孤立單詞多的情況下進行的。在數(shù)字語音識別場景中，該方法的平均正確率達96.3%，對不穩(wěn)定的語音信號具有較好的識別性能。實驗結(jié)果表明，漢字的識別正確率達到92.6%，在普通話、方言兩種語言中都具有良好的識別能力。但是DTW算法存在運算量大、處理海量數(shù)據(jù)的能力不足、抗噪音、抗口音等問題亟待解決，因此需要在此基礎(chǔ)上進一步改進DTW算法，改進距離測度等算法，以增強算法的計算效率與穩(wěn)健性。［1］

2.基于深度神經(jīng)網(wǎng)絡(luò)（DNN）的算法

基于DNN的語音識別是一種先進的技術(shù)，與傳統(tǒng)的基于HMMGMM的方法相比，利用DNN進行聲學(xué)建模可以降低20%～30%的識別錯誤率（WER）。深度神經(jīng)網(wǎng)絡(luò)是一種基于深度神經(jīng)網(wǎng)絡(luò)（DNN）的語音識別方法，它可以從海量數(shù)據(jù)中自動地提取出復(fù)雜的特征。在此基礎(chǔ)上，提出基于深度神經(jīng)網(wǎng)絡(luò)的神經(jīng)網(wǎng)絡(luò)模型并對訓(xùn)練算法進行優(yōu)化。

3.基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的方法

CNN在圖像識別領(lǐng)域取得巨大成功，近幾年來，在語音識別方面也逐步得到應(yīng)用。本項目提出一種基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的語音識別模型，該模型可以根據(jù)語音的時間—頻率特征來進行分析。而基于卷積神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)的方法可以有效地利用二者的優(yōu)點，從而改善語音識別系統(tǒng)的性能。

（三）聲音特征模型的建立

聲音特征是由音色、音高和音量等基本特性所決定的。其中音色依賴于發(fā)聲物體的材質(zhì)和結(jié)構(gòu)，是其特有的識別；音高與聲頻有關(guān)，它能夠反映聲級；音量則反映聲音的強弱和振幅。因此為了實現(xiàn)對不同語音的準(zhǔn)確識別，需要對基本模型進行有針對性的訓(xùn)練和調(diào)節(jié)，建立多元化的語音特征模型。

在數(shù)據(jù)收集方面，可以從乘客群體中搜集不同性別、年齡、口音等不同層次的乘客語音資料。利用專用的聲音處理軟件，對采集到的聲音信號進行去噪和去混響，由此提高數(shù)據(jù)的質(zhì)量。在此基礎(chǔ)上，利用梅爾頻率倒譜系數(shù)、線性預(yù)測倒頻譜系數(shù)等典型的特征抽取方法，實現(xiàn)對語音信號的有效提取。

以此為訓(xùn)練樣本，利用TensorFlow、PyTorch等深度學(xué)習(xí)框架完成基本模型的訓(xùn)練。在此基礎(chǔ)上，利用交叉熵損函數(shù)度量模型的預(yù)測值與實際值的差值，利用隨機梯度下降等優(yōu)化算法對模型的參數(shù)進行實時修正，從而實現(xiàn)對不同音色、聲調(diào)、音量等語音特征的精確學(xué)習(xí)。通過多輪訓(xùn)練與驗證，建立一套能精確識別不同類型語音特征的模型，有效提升語音識別精度與可靠性。

（四）規(guī)范話術(shù)數(shù)據(jù)庫的建立與應(yīng)用

標(biāo)準(zhǔn)化語言庫是衡量乘客服務(wù)語言規(guī)范性的重要基礎(chǔ)，搜集并整理在售票、候車、乘車、出站等不同場景下的各種常見問題，例如“火車晚點幾天”“怎么改票”；介紹鐵路車站安檢流程，行李存放規(guī)則；火車行車時的安全提示。在這個過程中，采用自然語言處理方法對采集到的文本數(shù)據(jù)進行清洗、標(biāo)記、分類。如對文本進行形態(tài)學(xué)分析，把文本分解成詞單位并對其進行詞類、語義分類；利用句法分析構(gòu)造出句法結(jié)構(gòu)，為以后的比對分析做準(zhǔn)備。［2］

通過對已有的數(shù)據(jù)進行分析，將其保存在MySQL等關(guān)系數(shù)據(jù)庫或MongoDB等非關(guān)系數(shù)據(jù)庫中，構(gòu)建有效的數(shù)據(jù)索引實現(xiàn)對數(shù)據(jù)的快速檢索。在此基礎(chǔ)上，通過對乘客語言文字的識別，利用BM、KMP等算法或SentenceBERT等語義匹配方法實現(xiàn)對乘客語言文字的自動識別。在此基礎(chǔ)上，利用相似度和關(guān)鍵詞點擊次數(shù)等因子，將二者的一致性作為乘客服務(wù)語言的評價指標(biāo)。例如，在乘客詢問火車晚點時，該系統(tǒng)會將所識別的答案與數(shù)據(jù)庫中有關(guān)火車晚點的規(guī)范用語進行精準(zhǔn)匹配，如果答案覆蓋重要的信息，并且表述正確、相似性高，那么就會得到更高的分?jǐn)?shù)。相反，當(dāng)回答含糊、遺漏關(guān)鍵信息或有語法錯誤時，其相似性降低。由此就可以客觀地、定量地評價鐵路服務(wù)人員的服務(wù)質(zhì)量。

（五）智能分析模型的芯片植入與裝置研發(fā)

將鐵路旅客服務(wù)用語智能分析模型植入芯片中，研制開發(fā)一種以芯片為基礎(chǔ)的列車乘客服務(wù)語言規(guī)范化評測設(shè)備。為了保證器件在實用化過程中的穩(wěn)定工作，必須綜合考慮計算能力、功耗和成本等方面的因素。在開發(fā)過程中，要解決好芯片和模型之間的匹配問題以及軟硬件之間的協(xié)調(diào)問題。比如選用高性能、低功耗的嵌入式芯片，研究智能解析模型，實現(xiàn)其在芯片上的高效工作，并對其進行合理的軟硬件設(shè)計，使其能夠正常工作。

五、研究方法

（一）系統(tǒng)設(shè)計與實現(xiàn)

項目研究實現(xiàn)鐵路旅客服務(wù)用語識別系統(tǒng)，通過對所設(shè)計的語音識別神經(jīng)網(wǎng)絡(luò)模塊進行訪問。該處理器可以通過定制的命令來控制油門開關(guān)和讀出操作數(shù)據(jù)，最終對采集到的數(shù)據(jù)進行處理并實時地顯示出識別的結(jié)果。在此基礎(chǔ)上，本項目提出了一種基于信噪比的自適應(yīng)控制方法，以適應(yīng)于低信噪比背景下高信噪比的復(fù)雜背景。

（二）用語分析模型的研究開發(fā)

研究開發(fā)用語分析模型，提出一種基于多模態(tài)信息的新方法，通過對多個場景下的語音特征進行學(xué)習(xí)以達到自適應(yīng)的目標(biāo)。在此基礎(chǔ)上，基于人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)搜索方法以改進設(shè)備的工作效率，提高辨識效果，比如對多個場景的語音數(shù)據(jù)進行深度學(xué)習(xí)，使得該模型可以在不同場景中自動地學(xué)習(xí)出聲音特性的差異，進而精確地評估不同場景的語音質(zhì)量。［3］

六、課題預(yù)期目標(biāo)、技術(shù)經(jīng)濟指標(biāo)和成果形式

（一）成果目標(biāo)

鐵路旅客服務(wù)用語標(biāo)準(zhǔn)化測評裝置實現(xiàn)一般服務(wù)用語、特殊場景服務(wù)用語的上機培訓(xùn)并評價，能夠有效解決客運人員服務(wù)用語培訓(xùn)問題。利用本設(shè)備的訓(xùn)練功能，可以在不同的環(huán)境下對客運人員進行服務(wù)用語標(biāo)準(zhǔn)化培訓(xùn)。同時開發(fā)一套適用于旅客專用語言的專用字典和旅客專用語言訓(xùn)練軟件，通過構(gòu)建專用字典及訓(xùn)練工具，可使其更適合于鐵路部門的特定需要，提升特種旅客服務(wù)用語識別的準(zhǔn)確性。

基于此再構(gòu)建乘客服務(wù)語音訓(xùn)練和評估錄音庫，綜合考慮乘客回答的準(zhǔn)確性、語速、語調(diào)、音量、靜音時長和清晰度等因素，綜合評估乘客的服務(wù)語音質(zhì)量。例如，錄音資料庫的建立，可以為旅客服務(wù)品質(zhì)的評估提供充足的資料支撐，并由此對旅客服務(wù)品質(zhì)進行全面的評估。［4］

（二）成果形式

項目研究成果將形成一套規(guī)范的列車乘客服務(wù)語言測試系統(tǒng)，它是一種集語音識別、智能分析、訓(xùn)練和評估為一體的儀器，可以幫助鐵路工作人員更好地理解乘客的語言。

（三）技術(shù)經(jīng)濟指標(biāo)

對乘客服務(wù)時的語言（一般服務(wù)語言、一般場景服務(wù)語言、特殊場景服務(wù)語言、服務(wù)禁忌語言）進行規(guī)范化評價。通過對乘客的服務(wù)語言進行規(guī)范化評價，以改善服務(wù)水平，降低由不規(guī)范的服務(wù)語言引起的乘客不滿情緒，從而提高鐵路產(chǎn)業(yè)的經(jīng)濟效益與社會效益。比如，可以通過提升乘客滿意度、提升乘客忠誠等方式推動鐵路客運的發(fā)展。

（四）知識產(chǎn)權(quán)

研究成果將獲得1項具有自主知識產(chǎn)權(quán)的發(fā)明專利及1項計算機軟件著作權(quán)，主要研究內(nèi)容包括鐵路旅客服務(wù)語言語音識別技術(shù)。本項目主要是運用先進的語音識別技術(shù)，自動地辨認并了解售票員的服務(wù)語言以提高服務(wù)品質(zhì)，加強與乘客的交互感受。［5］而針對鐵路旅客服務(wù)語言的語音識別問題是實現(xiàn)鐵路旅客服務(wù)智能化、自動化的一個重要發(fā)展方向，同時也是人工智能、機器學(xué)習(xí)等新技術(shù)的一個重要應(yīng)用。

七、結(jié)論

綜上所述，本文針對鐵路旅客服務(wù)用語標(biāo)準(zhǔn)化測評裝置展開了深入研究，在此基礎(chǔ)上，提出針對鐵路部門的語音識別技術(shù)的具體要求，構(gòu)建列車乘客服務(wù)用語情景庫、智能分析模型及訓(xùn)練評估錄音庫，重點解決復(fù)雜環(huán)境中的人聲識別、語音識別算法、語音特征建模、標(biāo)準(zhǔn)化話術(shù)庫和基于智能解析模型的芯片植入和設(shè)備研制等。在研究過程中，運用系統(tǒng)的設(shè)計和實施，詞匯分析模式的研發(fā)，對項目的預(yù)期目標(biāo)、技術(shù)經(jīng)濟指標(biāo)及成果格式進行研究。研究結(jié)果將為提高我國軌道交通運輸服務(wù)水平、規(guī)范乘客服務(wù)語言水平提供科學(xué)依據(jù)。在未來，隨著人工智能技術(shù)的發(fā)展，列車乘客服務(wù)用語標(biāo)準(zhǔn)化測試設(shè)備也將得到進一步的改進與優(yōu)化，鐵路工作人員采用更加先進的語音識別技術(shù)，擴大應(yīng)用場景，為我國鐵路事業(yè)的發(fā)展提供更加有力的技術(shù)支撐。

參考文獻：

［1］任殿偉.鐵路旅客列車顧客滿意度測評方法研究及實踐［D］.北京：清華大學(xué)，2009.

［2］吳興華，姚洪磊，劉勇，等.面向高鐵旅客服務(wù)系統(tǒng)的DSDP零信任架構(gòu)設(shè)計［J］.鐵路計算機應(yīng)用，2024，33（10）：4047.

［3］孟嘉琪.A高鐵客運站服務(wù)質(zhì)量提升策略研究［D］.石家莊：石家莊鐵道大學(xué)，2024.

［4］陳志翀，楊光，張志鵬，等.基于旅客列車服務(wù)分類譜系的鐵路服務(wù)質(zhì)量評價與提升研究［J］.交通與運輸，2023，39（6）：7881.

［5］趙勝，安迪.高速鐵路車站安檢問題分析及優(yōu)化對策研究［J］.鐵道運輸與經(jīng)濟，2023，45（5）：135141.

作者簡介：沈懿（1974— ），男，漢族，江蘇蘇州人，本科，高級工程師，研究方向為旅客運輸；鄭瑾（1985— ），女，漢族，河南新鄉(xiāng)人，本科，中級工程師，研究方向為旅客運輸。