随着智慧交通的快速发展,人们即将进入万物互联的智能交通时代。尽管智能语音技术在生活中的方方面面提供了许多的便利,但是在智慧交通和票务场景下的应用研究仍有比较大的可探寻空间。该研究成果最终可让用户排队购票的时间减少,避免了购票时拥堵的情况。与此同时,通过语音交互办理票务的方式,为文本输入不方便的用户解决了输入不便的问题,大大地提高了用户购买车票的效率,同时也提升了整个票务系统运作的效率。本文基于以上需求进行了如下工作。首先,面向高铁车站嘈杂环境下语音分离优化算法研究与实现。目前在高铁车站嘈杂的环境下进行语音购票时,存在着无法在不确定人数下较分离出特定购票人员声音的问题。本文深入分析了深度学习语音分离框架Tas Net,通过编码器将混合波形转换为特定维度的空间特征向量,结合嘈杂环境下的高铁购票场景,提出了一种适用于Tas Net框架下不确定人数下的语音分离算法,通过解码器每次获得两个特征值,以递归的方式将混合声音中各个分段声音分离出来。针对车站购票场景下只需要分离出麦克风前购票人的声音,通过在不确定人数下的语音分离算法上进行基于Permutation Issue的算法优化,解决了原Tas Net框架必须确定语音分离人数的问题,以及嘈杂环境下较难分离出目标人声的问题,并且在时间复杂度上相较于原始的Tas Net框架得到了提升。其次,基于高铁车站购票场景的语义联想算法研究与实现。车站系统将用户购票语音转换成文字之后,存在着无法准确有效的识别出用户购票文字语义的问题,本文提出了一种基于高铁车站购票场景下的语义联想算法框架,通过余弦相似度算法支持计算词语句之间的语义相似度（WORDSIM）,实现购票语句之间的语义联想,使得车站系统对于用户的购票语义识别度增加。最后,高铁智慧出行语音售票系统的设计与研发。车站的售票机通常是采用嵌入式机器或者单一模式服务器作为运行框架,存在着弱吞吐低并发速度慢等问题。本文结合语音售票的场景模式,自主研发了适用于车站售票的服务器框架Echo Lib。将本文中面向高铁车站嘈杂环境下语音分离优化算法、基于高铁车站购票场景的语义联想算法融入到系统运行流程中,完成了接收语音信号、将语音信号进行语音识别、将语音转换成的文本进行语义联想文本相似度计算、查询余票信息后返回结果等功能。