近年来我国铁路运输发展迅速，根据《中长期铁路网规划》，预计2025年底铁路网规模将达到17.5万km左右。随着铁路运营里程不断增加，路网不断向环境恶劣地区延伸，同时，近年来极端天气多发且导致原有灾害低发的路网区域内列车运行安全受自然灾害威胁日益增大
［1］。大风、强降雨、大雪等极端天气形成的自然灾害及其导致的次生灾害对列车安全运行产生巨大的影响
［2］。
为降低因自然灾害引发的行车事故率和损失，保障列车运行的安全、稳定、高效，我国投入运行了高速铁路自然灾害及异物侵限监测系统
［3-4］。学术界也在铁路防灾领域开展了广泛的研究，在铁路环境监测
［5］、异物侵限检测
［6-7］、应急处置
［8-9］、预警系统
［10-11］、自主式铁路防灾系统架构
［12］等方面取得了诸多具有较高价值的成果。上述研究成果对铁路防灾监测系统的构建起到了重要的指导作用，但是既有铁路防灾监测系统的运行模式局限于铁路自然灾害和异物侵限的监测报警，其安全管理重点是对灾害的被动防范，而不是对灾害的风险主动防控。目前，实现我国铁路对自然灾害和异物侵限的主动防控存在诸多困难，其根本原因在于灾害预测机理较为复杂，且铁路环境的数字化和孪生系统较为缺乏，造成情景应对机制难以利用、防灾资源调度不均衡，无法实现对气象灾害冲击下铁路系统状态预测、灾害防控的资源调配。
本文在分析既有铁路防灾监测系统问题的基础上，提出基于数字孪生的铁路防灾预测性控制框架，采用基于模型的系统工程（Model-Based Systems Engineering，MBSE）方法，设计铁路防灾监测仿真推演系统架构模型，并基于该架构模型开发铁路防灾监测仿真推演系统，最后通过部署试验验证该架构设计及系统的可行性。
1 既有铁路防灾监测系统不足及新型相关技术现状
1.1 既有铁路防灾监测系统不足
铁路防灾监测系统采用“中心系统”和“现场监测设备”2级架构
［13］，如
图1所示。铁路防灾监测系统通过接入网络与监控单元进行数据交互，并依靠安装在监控单元的雨量计、风速风向计、雪深计、地震仪、限界障碍探测装置、相机等现场采集设备获取沿线环境监测信息，在铁路局中心机房对监测信息进行管理和分析，对危及铁路运行安全的自然灾害（风、雨、雪、地震等）、异物侵限等进行实时监测，为铁路局调度所、铁路局维护管理单位提供及时准确的报警、预警等告警信息。
既有铁路防灾监测系统及其相关研究成果在保障我国铁路行车安全方面发挥了巨大的作用，但仍然存在一定不足，主要体现在以下几方面。
（1）响应模式被动。现有铁路防灾监测系统以“感知+传输+计算+决策+控制”为主体逻辑进行构建，通过铁路沿线单点气象传感器数据的阈值分析，经由人工确认后启动相应的应急预案。自然环境灾害的发生具有耦合特征，单一报警模式和应急处置措施的可靠性、适配性和针对性差
［14］，不能主动有效防范、化解铁路沿线自然灾害风险。
（2）情景应对机制缺失。铁路运行环境复杂多样，在气象灾害与铁路基础设施-车流-客流的耦合作用下，易造成铁路自然灾害和突发性事件的动态多变，铁路应急处置具有多群体参与、管理协同复杂、多目标决策等特点
［15］。因此，亟须构建和设计多要素耦合的铁路灾害情景仿真平台
［16-17］，为管理部门制定应对方案提供支持。
（3）防灾资源调度失衡。自然灾害的发生具有跨地区差异性
［18］，铁路防灾资源分配、部署和优化未能与铁路沿线风险防控需求相匹配，成为制约铁路自然灾害响应决策可靠性提升的关键。
针对上述不足，以铁路自然环境和异物灾害情景为数字孪生对象，提出基于数字孪生的铁路防灾预测性控制框架，如
图2所示。利用环境感知数据在数字空间的情景孪生模型中映射出全局的铁路沿线自然灾害风险态势，实现铁路沿线情景风险感知、预测推演、应急响应决策支撑等功能。并根据情景要素的组合，构建和设计虚拟铁路自然环境及异物灾害情景，实现情景的仿真测试和应对方案效能评估。通过数字空间中对历史灾害情景事件的趋势分析、情景仿真评估，从而部署和优化调度物理空间的铁路防灾资源。
1.2 数字孪生和MBSE技术现状
数字孪生技术通过集成感知、计算、通信等技术，构建物理空间与数字空间诸多要素的孪生映射，基于数字模型通过推演预测、仿真测试评估和预测物理对象的状态，通过调控指令控制物理空间中物理实体的行为，从而控制物理实体向预期方向发展
［19］。铁路数字孪生技术作为智能铁路发展的一种新途径，在灾害感知、仿真推演、决策控制上展现了明显优势。然而，数字孪生技术不是对监控数据的简单可视化展示，从系统角度而言，铁路数字孪生的实现需要多个系统间进行深度协同和有效互操作。因此，亟须为铁路防灾监测系统提供适配数字孪生技术的新框架，建立铁路防灾监测仿真推演系统架构。
MBSE由建模语言、工具、方法论组成，国外研究机构面向不同工业领域应用不同的建模语言、工具、方法论已开展了大量的理论研究与应用，如Harmony SE方法、Arcadia方法、MagicGrid方法等，国内研究机构在航空航天、武器、交通等多个领域已开展相关研究。MBSE建模方法论可归纳为4个主要步骤
［20-21］：需求分析、功能分析、逻辑架构设计和物理架构设计。采用SysML语言的需求图、块定义图、活动图等形式化的模型，描述系统架构的需求、结构、行为等设计内容。
2 铁路防灾监测仿真推演系统架构设计
为了满足数字孪生铁路环境的感知、风险评估、推演预测、统计等多层次业务目标，需在多个系统间进行深度协同与互操作；同时，目前铁路防灾监测系统缺乏层次化、结构化、模块化的数字孪生系统开发架构，导致无法实现可复用、可扩展的设计模式，不利于既有系统的建设和升级改造。从系统工程的角度，采用基于模型的系统工程方法
［22］，研究设计铁路防灾监测仿真推演系统架构。
面向铁路自然灾害和异物侵限情景生命周期管理，基于铁路防灾预测性控制框架和MBSE方法，设计铁路防灾监测仿真推演系统架构，支持数字孪生的铁路防灾监测仿真推演系统平台研制和部署。铁路防灾监测仿真推演系统架构设计技术路线如
图3所示。
为构建铁路防灾监测仿真推演系统架构，从系统需求出发，统领构建功能架构、逻辑架构和物理架构，明确系统功能、功能接口与交互的关系，权衡选择支撑系统开发所需物理组件。①需求分析方面，首先对系统利益相关者的预期进行综合分析，从而获取铁路防灾监测仿真推演系统的需求，之后以需求图和用例图的形式描述和建模用户需求。②功能分析方面，以系统用例作为设计出发点，针对用例的功能分解与用例之间的交互确定系统功能组分，研究功能组分间的层级关系，输出系统的功能架构模型。③逻辑架构设计方面，以系统功能架构模型作为输入，研究各功能组分、子系统之间的逻辑交互，研究采用活动图分析系统行为，获得逻辑架构模型。④物理架构设计为将功能逻辑设计转化为物理实现的过程，物理实现由实际系统的硬件、通信、网络以及用户界面等元素组成，分析每一个子系统匹配具体的运行实体、空间布局，以及子系统的物理接口、连接方式等内容，确定系统实施所需的物理架构。
采用MagicDraw软件作为建模工具，设计铁路防灾监测仿真推演系统架构需求模型、功能架构、逻辑架构、物理架构模型。根据架构模型明确系统中的功能组分、内外部接口、运行逻辑，研制能够满足预期需求目标，集成数字孪生模型、仿真评估模型、优化算法和异构数据资源的铁路防灾监测仿真推演系统平台，形成以孪生感知、推演仿真、预测控制为主线的完整工具链。
2.1 需求分析
需求分析作为系统架构设计的关键性基础工作
［23］，可为系统架构设计提供目标导向。需求分析主要包括2个步骤，首先通过利益相关者分析挖掘系统利益相关者，之后通过需求提炼分析各利益相关者需求。
1）利益相关者
利益相关者是与系统存在直接、间接密切影响的实体。利益相关者分析用于了解系统设计的核心价值和系统的设计目标。
通过研究分析，得出铁路防灾监测仿真推演系统的利益相关者如下。
（1）乘客。乘客与铁路防灾监测仿真推演系统的利益相关性表现在系统能准确监控铁路沿线环境状态，为乘客乘车安全提供保障。
（2）系统用户。系统用户是直接操作使用系统的利益相关者。系统用户包含铁路局调度、工务等部门的操作人员，其利益相关性表现在监控、操作该系统，监测、评估、预警铁路自然灾害和异物侵限。
2）需求提炼
需求提炼过程中，将需求体系分为系统利益相关者需求、系统服务需求和系统功能需求3级。首先，通过分析系统利益相关者需求，明确系统需要解决的问题，提炼系统所应具备的能力，即系统服务需求；其次，根据系统服务需求，提炼为了满足系统服务所应实现的具体功能，即系统功能需求。为了规范定义的每一条需求条目，每一条需求由编号、名称、描述组成。需求编号是需求的唯一标识符，由字母和数字组成的字符串进行编码。系统的具体需求见
表1—
表3。
之后，构建需求追溯矩阵，对每一个具体需求进行追溯，分析需求之间的关系。在利益相关者需求、系统服务需求与系统功能需求之间建立需求追溯矩阵，通过需求分析、提炼、追溯的循环迭代，明确系统需求。
2.2 功能分析
功能分析是设计满足目标系统业务需求的功能，因此，功能架构模型描述了系统能够做什么。系统功能分析流程如
图4所示。功能分析分为黑盒分析和白盒分析2个阶段：黑盒分析将系统视为1个黑盒子，从系统用户操作的角度分析其应满足的业务功能，结合系统上下文分析确定满足系统功能的实体；白盒分析将系统内部展开，结合系统功能需求、系统业务用例和系统上下文，分析和归纳出系统内部为满足系统功能需求和业务用例所应具备的功能，提炼并分类出系统功能组。
1）黑盒分析建模
根据系统服务需求的分析结果，系统业务功能主要包括“监控环境状态”“环境情景预测性控制”和“执行仿真评估”。系统业务功能可提炼为更详细的任务，例如监控状态包括监控环境实时情景状态、监控监测点预测情景状态以及监控设备运行状态。
内部块图可用于描述系统外围环境与系统的联系
［24］，系统上下文模型如
图5所示，系统上下文包括操作员、铁路沿线环境、铁路防灾监测仿真推演系统。铁路防灾监测仿真推演系统的子系统组成包括数据采集子系统、孪生监控子系统、情景推演子系统、情景应对控制子系统、情景仿真子系统、数据资源管理子系统。其中，孪生监控子系统同步物理铁路环境情景，操作员通过孪生监控子系统、情景应对控制子系统下发预警信息与控制指令管理铁路沿线环境状态。
2）白盒分析建模
在对系统业务用例、系统上下文的建模分析基础上，对系统进行白盒化
［25］。在分析系统需求、确定子系统组成的基础上，给出各子系统的内部组成和功能。
首先，根据上述系统需求和业务用例分析，确定系统需要实现的2大功能目标，分别为基于数字孪生的环境情景预测性控制和情景仿真评估。然后，采用用例图，分析和定义各子系统为了满足功能目标应当具备的功能用例，从而建立系统功能用例模型，子系统功能用例模型如
图6所示。通过《block》模块定义子系统，椭圆形定义功能用例，实现表示子系统与功能用例之间的连接。除了各子系统包含各种功能用例外，同时初步考虑了不同功能用例之间的结构关系，采用带箭头并标注《extend》的虚线表示用例间的扩展关系，采用带箭头并标注《include》的虚线表示用例间的包含关系。
3）需求与功能满足程度迭代分析
根据系统功能用例模型和系统需求模型构造出系统功能模型，通过对6个子系统进行功能建模，归纳与提炼其相应的功能组分。然后，建立需求追溯矩阵将系统用户需求与功能进行映射，验证系统设计功能是否满足所有需求，经过反复迭代，直至获得覆盖所有需求的系统功能。系统功能列表详见
表4。
2.3 逻辑架构设计
逻辑架构研究系统内部用以满足需求的功能之间的结构、行为和参数。在系统功能用例分析、确定子系统功能的基础上，分析各子系统及其功能组分之间的逻辑交互关系。重点研究各子系统的结构和行为，并以基于数字孪生的环境情景预测性控制场景为例进行详细说明。
通过活动图将用例模型分解，确定各子系统的功能活动与交互关系、子系统间的接口，实现对子系统间交互行为的建模，铁路环境情景预测性控制行为模型如
图7所示。其中：圆点表示活动的开始与结束；虚线表示控制流；菱形表示具体的功能行为。系统启动后，接受监测数据并初始化监控单元模型和孪生情景模型，即开始监控和预测环境情景状态。监控单元状态分为3种：“正常”“存在风险”和“异常”。一旦情景风险达到阈值，监控单元状态变为“存在风险”并对情景模型启动推演预测，预测结果达到灾害阈值，则进行预案决策，并输出预警和相应处置预案。预警与指令信息同步下发至调度、工务部门，同时返回相应的执行反馈。
铁路防灾监测仿真推演系统逻辑架构定义各子系统的行为关系及其接口，铁路防灾监测仿真推演系统可分成数据采集子系统、孪生监控子系统、情景推演子系统、情景仿真子系统、情景应对控制子系统、数据资源管理子系统6大子系统。各子系统具体功能逻辑说明如下。
（1）数据采集子系统。该子系统由数据获取、数据处理和特征提取、数据更新模块组成。实现监控单元实时环境数据、设备运行数据和外部系统数据的接入与读取，将获取到的情景特征信息分配给数字空间中的监控单元，构建物理实体环境状态向数字孪生情景模型的实时映射。
（2）情景推演子系统。该子系统用于预测环境情景模型的状态。输入实时情景模型和气象预报、地质状态更新数据，通过预测模块推演预测，输出预测情景模型。预测模块包括基于神经网络模型的预测、数据驱动的预测等方法。
（3）孪生监控子系统。该子系统包含数据处理与可视化模块，用于支持人机交互。通过大屏、监测终端展示实时环境情景状态、设备运行状态、预警与处置决策信息、事件处置进程、历史数据分析结果等。
（4）情景应对控制子系统。该子系统提供预案决策与跨部门协同告警处置等功能。根据数字空间中实时情景模型或推演预测情景模型的安全风险状态，对超过安全阈值的情景进行预警和处置决策。通过下发控制指令信息至职能部门，以实现物理环境和铁路系统的调控。
（5）情景仿真子系统。该子系统由情景构建模块、模型算法评估模块、处置预案评估模块构成。情景构建模块构建的仿真情景模型须与孪生情景模型保持一致性；模型算法评估模块用于验证某一情景最佳的数据处理模型和数据分析算法；处置预案评估模块为仿真情景选取合适的情景应对处置预案。情景仿真子系统以“情景-模型算法-处置预案”的形式将仿真结果保存至情景集，以实现在孪生监控状态下可靠的预警与应对措施决策。
（6）数据资源管理子系统。该子系统主要对历史监测数据、灾害事件与情景模型、数据分析模型算法进行统一资源管理。
系统内部接口模型如
图8所示。该模型描述了子系统之间接口及其交互关系，采用箭头和文字表示子系统之间数据的流动方向和数据信息。首先，数据采集子系统接受外部数据并进行处理，将处理后的数据进行传递；其次，情景推演子系统接收实时情景数据，将推演情景结果传送给孪生监控子系统；然后，孪生监控子系统接收实时情景数据、推演情景数据、预警信息等数据进行可视化，并将操作参数下发给情景应对控制子系统，决策相应的处置方案；最后，由情景应对控制子系统发布相应的告警信息和控制措施。
2.4 物理架构设计
物理架构描述了系统功能架构、逻辑架构的具体实现方式，具体研究组成系统的物理要素、物理要素之间的联系以及部署物理要素到硬件上的策略。因此，物理架构设计分为2步：首先通过内部块图配置铁路防灾监测仿真推演系统的内部接口及它们之间的连接关系，检查每个子系统之间的交互；然后将子系统分配到铁路环境监测系统的物理硬件上，实现集成运用。
将铁路防灾监测仿真推演系统的各个子系统分配到具体的物理组件，铁路防灾监测仿真推演系统部署于铁路局中心系统服务器，物理硬件主要包括应用/通信服务器、接口服务器、维护管理服务器、数据库服务器、时间同步设备以及监测终端。其中，数据采集子系统部署于接口服务器；数据资源管理子系统部署于数据库服务器；孪生监控子系统、情景推演子系统、情景仿真子系统、情景应对控制子系统部署于应用/通信服务器，孪生监控子系统向监测终端提供各项业务的前端可视化和人机交互功能。
3 铁路防灾监测仿真推演系统实现
3.1 系统平台运行框架
根据架构模型所设计的功能组分、逻辑关系、系统内外接口关系等系统组分要素，研制部署铁路防灾监测仿真推演系统平台，以证明架构设计的可行性。铁路防灾监测仿真推演系统平台采用“物理层、数字层、应用层”3层规则体系进行部署，系统平台运行框架如
图9所示。具体而言，物理层定义系统获取铁路环境信息的方式；数字层又细分为数据层和业务层，数据层为系统提供统一的数据资源管理服务，业务层为应用层的平台功能的实现提供业务逻辑支撑；应用层形成面向用户使用的系统平台，其中数字孪生平台用于监控、预警和控制，仿真推演平台用于情景推演、情景仿真评估及模型算法优化。
3.2 应用实现
基于铁路防灾监测仿真推演系统架构设计开发系统，通过系统平台功能的实现验证该系统架构设计和技术实现的可行性。铁路防灾监测仿真推演系统平台的开发基于Java SDK开发环境，后端开发基于Java SDK开发环境，采用“Spring+SpringMVC+Mybatis”的3层架构，前端开发采用Ruoyi框架（基于Vue3）。铁路防灾监测仿真推演系统平台功能主要包括：灾害监控和预警处置、灾害情景推演管理、情景仿真评估等。
1）灾害监控和预警处置
铁路防灾监测仿真推演系统平台首页界面如
图10所示。操作员对线路各个监测点的环境安全风险状态进行实时监控。当监测到某一监测点发生灾害或监测点预测情景中发生灾害，铁路防灾监测仿真推演系统平台可在第一时间将预警和处置预案信息发送至相关部门和相关人员，以便及时采取相应的应急处置或预防控制措施。
2）灾害情景推演管理
灾害情景推演管理将灾害风险等级较高的情景所属的监测点加入推演队列中，通过配置推演类型、预测步长等情景推演参数后，不断获取处在推演队列当中的监测点实时情景数据进行滚动推演和预测，针对预测情景中发生灾害的监测点则将预警和处置预案信息推送首页进行确认并发布。灾害情景推演管理功能模块界面如
图11所示。
3）情景仿真评估
情景仿真评估模块对环境情景进行离线仿真，情景仿真评估功能模块界面如
图12所示。情景仿真评估模块通过导入历史情景数据、或通过手动配置构建虚拟情景，充分利用系统的后台模型算法进行增强、处理和分析等操作，并从模型算法运行、情景风险程度及其匹配的应急预案等维度输出仿真结果，实现对情景模型的仿真分析。
3.3 铁路防灾监测仿真推演系统运行评价
系统平台功能的实现验证了系统架构设计和技术实现的可行性。不同形态系统架构支撑下而设计的铁路防灾监测系统存在差异，为衡量不同架构下防灾系统的效能，从安全性、准确性、实时性的角度出发，提出事件捕获率、漏报率、虚警率、事件响应时间、预警置信度5个评价指标，用于衡量铁路防灾监测仿真推演系统架构下的防灾系统运用可靠性。
1）事件捕获率
事件捕获率主要用于衡量系统在运行过程中一定时间周期内能够准确捕获和记录铁路自然环境及异物灾害事件的能力，计算式为
式中：C为事件捕获率；m为被正确预测/报警的灾害事件数量；n为总的灾害事件数量。
2）漏报率
漏报率主要用于衡量一定时间周期内未能正确报告的自然环境及异物灾害事件的比率，计算式为
式中：M为漏报率；s为被漏报的灾害事件数量。
3）虚警率
虚警率主要用于衡量一定时间周期内系统误报的比率，计算式为
式中：F为虚警率；g为被误报的灾害事件数量；o为正常事件的数量。
4）事件响应时间
事件响应时间主要用于反映系统的时效性、可靠性，计算式为
式中：t为事件响应时间；ts为系统对自然环境及异物灾害事件监测传输、处理分析、发出预警或告警的时延；th为人工接收到预警或告警信息，事件有效处置的耗时。
5）预警置信度
预警置信度主要用于衡量系统情景推演预警的可靠性，计算式为
式中：A为预警置信度；d为情景相似度；p为情景发生概率。
4 结论
（1）通过剖析既有铁路防灾监测系统运行过程中的不足，提出基于数字孪生的铁路防灾监测仿真推演系统架构，并采用基于MBSE的方法构建系统需求体系、功能架构、逻辑架构及物理架构；基于SysML中系统需求图、模块定义图、活动图等构建相应的系统架构模型，实现对系统架构的统一建模表达。
（2）实现从系统架构到系统平台开发的映射，研制集铁路环境情景数据采集、孪生监控、情景仿真、情景推演、情景应对、数据资源管理等功能为一体的铁路防灾监测仿真推演系统，为铁路防灾监测系统向主动防控转型提供技术支撑。
（3）构建相应的铁路防灾监测仿真推演系统测试评估指标体系，为后续平台的研制、测试及其应用提供效能度量指标。
中央高校基本科研业务费专项资金资助项目(2023JBZY008)
京公网安备11010202008535号
PDF
(3616KB)
