铁路智能客站数字孪生模型研究

Digital Twin Model of Intelligent Railway Passenger Stations

摘要

铁路智能客站数字孪生模型是智能客站的重要组成部分，对于客运组织方案、设备配置及布局优化、安全应急等仿真具有重要意义。研究提出智能客站数字孪生五维模型，给出客站物理实体、客站数字孪生体、客站虚实连接、客站孪生数据、客站孪生体服务的内涵；设计客站孪生体服务的具体内容，包括可视化调度指挥、可视化监控运维等车站可视化服务，以及客运组织方案仿真、设备配置及布局优化模拟、安全应急仿真、环境舒适度调控仿真等模拟仿真服务；研究客站数字孪生体虚拟静模型与动行为模型建模关键技术。构建清河站数字孪生体并开展试验，验证可视化调度指挥、设备虚拟巡检、车站安全应急仿真等功能，实现清河站通过数字孪生体全面掌控车站状况。

Abstract

The digital twin model of intelligent railway passenger stations is a key part of intelligent passenger stations, and it is important for the simulation of passenger transport organization schemes, equipment configuration, layout optimization, and safety emergency. A five-dimensional digital twin model of intelligent passenger stations was proposed, which clarified the connotation of physical entity, digital twin, virtual-real connection, twin data, and twin service of passenger stations. In addition, this paper designed the functions of twin service of passenger stations, including visual dispatching and command, visual monitoring, operation, and maintenance, and other visual station services, as well as simulation services covering passenger transport organization schemes, equipment configuration, layout optimization, safety emergency, and environmental comfort regulation. The paper also studied key digital twin modeling techniques, including virtual static models and dynamic behavior models. By constructing a digital twin of Qinghe Station and conducting experiments, this paper verified the functions of visual dispatching and command, virtual equipment inspection, and station safety emergency simulation. As a result, the condition of Qinghe Station was comprehensively monitored by the digital twin.

Graphical abstract

关键词

数字孪生 / 智能客站 / 智能铁路 / 数字孪生五维模型 / 孪生服务

Key words

Digital Twin / Intelligent Passenger Stations / Intelligent Railway / Five-Dimension Digital Twin Model / Twin Service

0　引言

客站是铁路为旅客提供服务的窗口，是旅客切身感受铁路智能化发展的场所。智能客站是以旅客便捷出行、车站温馨服务、生产高效组织、安全有力保障、绿色节能环保为目标，实现铁路客站智能出行服务、智能生产组织、智能安全应急、智能绿色节能有机统一的新型生产服务系统^[1]。目前部分客站已建设智能客站系统，在使用中涌现出了新需求：客站状态全面监控方面，需更直观地展示工作人员、列车停靠、检票口开检等情况；客站运营方案制定方面，需通过新技术对客站内全元素的动态行为建模，调优其核心参数，仿真验证业务能力与效率；设备部署与能效使用方面，需根据客站实际旅客人数、列车正晚点等情况，自适应开停客运设备，优化调控设备使用；旅客流线使用方面，需区分日常与节假日客流，实现流线闲忙自适应优化调整，且遇突发应急情况时，流线的使用需依人群特征自主分配，提高疏散效率。

Grieves等^[2]提出数字孪生的组成：现实世界的物理实体，在信息世界建立对应的虚拟实体，以及两者之间的连接。庄存波等^[3]给出数字孪生技术与数字孪生体的定义，数字孪生技术是利用数字技术对物理实体进行描述和建模的过程与方法，数字孪生体是与现实世界中的物理实体完全对应和一致的虚拟模型。陶飞等^[4]深化了数字孪生的内涵，提出数字孪生的五维模型。数字孪生理念的出现，解决了复杂系统状态的预测问题，目前已在智能制造、医疗、城市管理^[4]、铁路基础设施智能运维^[5]等领域开展应用。

数字孪生为铁路智能客站新需求提供了解决方法。智能客站数字孪生定义为：依托智能客站技术体系，在信息世界建立与物理世界一致的数字客站，镜像描绘客站内人员、车辆、设备、站房结构、环境、业务6大要素实时状态，仿真推演变化趋势，实现物理客站与数字客站高效协同、平行交互。运用数字孪生技术，建设数字孪生的智能客站，在虚拟的数字实体上进行仿真验证客站组织方案、设备配置及布局、客站安全应急情况，并将验证后的结果发送至物理世界的客站进行执行，实现客站生产运营效能提升。

1　智能客站数字孪生五维模型

智能客站数字孪生五维模型如图1所示，计算公式如下。

RP{S}_{\mathrm{I}\mathrm{D}\mathrm{T}}=(P{S}_{\mathrm{P}\mathrm{E}}，P{S}_{\mathrm{V}\mathrm{E}}，P{S}_{\mathrm{C}\mathrm{N}}，P{S}_{\mathrm{D}\mathrm{D}}，P{S}_{\mathrm{S}\mathrm{S}})⑴

式中：RP{S}_{\mathrm{I}\mathrm{D}\mathrm{T}}为智能客站数字孪生五维模型；P{S}_{\mathrm{P}\mathrm{E}}为客站物理实体集合；P{S}_{\mathrm{V}\mathrm{E}}为客站数字孪生体集合；P{S}_{\mathrm{C}\mathrm{N}}为客站物理实体与客站数字孪生体间的虚实连接集合；P{S}_{\mathrm{D}\mathrm{D}}为数字孪生数据集合；P{S}_{\mathrm{S}\mathrm{S}}为数字孪生所提供服务集合。

1.1　客站物理实体

铁路客站物理实体是物理世界中的铁路客站实体，是办理铁路客运业务的车站。铁路客站物理实体包含客站内人员、车辆、设备、站房结构、环境、业务等6大类要素，具体细节如图1中客站物理实体部分所示。铁路客站物理实体已经发展成智能客站^[1]，是智能客站数字孪生五维模型的基础。

1.2　客站数字孪生体

铁路客站数字孪生体是智能客站数字孪生技术的核心，即在信息空间建立铁路客站的数字镜像，对其包含的6大类要素均建立保真的数字孪生体，可以真实映射物理实体的外观、属性、行为及业务，具体细节如图1中客站数字孪生体部分所示。物理实体的外观和属性对应数字孪生体的虚拟静模型，物理实体的行为和业务对应数字孪生体的动行为模型。

1.2.1　虚拟静模型

铁路客站6大要素数字孪生体虚拟静模型，以站房结构类、车辆类、设备类、人员类等虚拟静模型为主，从视觉外观与自身静特性上，将现实世界客站各类生产要素的物理实体的几何尺寸、纹理、位置转化为计算机可展现的三维模型(点云、多边形面元、体素等)^[6-9]。构建方法采用基于三维重建^[10-12]的单一数字孪生体虚拟静模型快速建模或人工建模。

虚拟静模型可进行单体管理、多单体组合、精细度柔性的管理。单体管理是对单个数字孪生体的点、线、面等几何参数，以及材质、纹理、贴图分辨率进行管理。多单体组合是对单体模型建组，即同类跨区组合和同区跨类组合。虚拟静模型的精细程度^[13-15]决定了映射物理实体的视觉保真程度。精细度柔性管理，是按照业务的管控需求，重点关注的区域采用高精度模型，大视野关注区域可采用一般化或轻量化模型。

1.2.2　动行为模型

客站数字孪生体的动行为模型即复刻物理世界各类生产要素动态特性，即各类要素虚拟静模型的个体动行为和协作动行为。个体动行为指生产要素由自身内驱力产生的行为。协作动行为指由各生产要素因开展旅客服务、生产组织、安全应急、绿色节能等业务，而产生出来各生产要素相互作用的动态行为，是数据驱动的算法与程序。

（1）个体动行为。人员类个体动行为包括运动方向选择、行走。设备类个体动行为包括开关状态、核心部件的运动变化。车辆类个体动行为是列车开行行为。环境类个体动行为是随着自然光与天气变化导致的改变。站房结构类为整体性个体动行为，如整体性的震动、坍塌等。

（2）协作动行为。各类生产要素的协作动行为，按业务分为旅客服务、生产组织、安全应急、绿色节能等组合协作动行为，经过编码转为为计算机语言，形成基于数据驱动的多种算法、规则与程序。协作动行为与其算法如图2所示。

1.3　客站虚实连接

铁路客站物理实体与客站数字孪生体通过智能客站物联网平台实现连接与交互。将铁路客站物理实体中实时状态展示至客站数字孪生体中，客站数字孪生体通过动行为模型，按各类生产要素的组合协作动行为进行控制反馈，经确认下发至客站物理实体的人员与设备执行。

1.4　客站孪生数据

客站孪生数据是6大类要素的虚拟静模型和动行为模型的数据总称。虚拟静模型数据存储于模型内，包括尺寸、多种分辨率贴图等。动行为模型数据存储于结构化数据库中，由核心业务数据、经验及知识数据等组成。核心业务数据是客站内实际运转、设备性能、环境、站内事件等过程数据。经验及知识数据是旅客问询知识、业务流程、服务知识、应急经验等形成的数据。

1.5　客站孪生体服务

客站孪生体服务是指利用智能客站人工智能平台中已封装的模型、算法，客站数字孪生体可自主推理、预测，提供可视化调度指挥、可视化监控运维等车站可视化服务，以及客运组织方案仿真、设备配置及布局优化模拟、安全应急仿真、环境舒适度调控仿真等模拟仿真服务，满足客站日常运营管理需求。客站孪生体服务如图3所示。

（1）可视化调度指挥。可视化调度指挥是通过客站数字孪生体，接入设备、列车等实际运营数据，实现基于数字孪生的客站运营虚实互控。通过展示列车、设备、环境状态，旅客分布热力图，检票、广播等设备作业计划执行情况，工作人员位置、任务，以醒目的颜色标记作业区域，实现对车站内的工作人员、设备实时调度指挥；应急时，监控应急处置任务下发与执行情况；面向旅客提供沉浸式VR实景导航服务。

（2）可视化监控运维。可视化监控运维是通过客站数字孪生体进行客站全场景监控与日常运维。将视频流与站房虚拟静模型进行融合^[16]，实时展示车站实景，按周期形成车站定点时刻的全站一张图。通过一键启动预置的安全与设备巡检路线，以第一视角进行漫游，结束后自动存储路径上的视频、安全隐患、设备状态，生成巡检报告，实现多专业虚拟巡检。

（3）客运组织方案仿真。客运组织方案仿真是通过设定客运模板，利用客站数字孪生体，对客站日常运营进行仿真推演。通过调整列车到发时间，模拟旅客组成及到站时间，设定工作人员数量及任务、设备作业计划等协作动行为核心参数。仿真列车晚点与客流变化时客运业务执行情况，模拟进出站流线使用，计算旅客通行率、排队长度、车站服务水平，为发现客运组织瓶颈提供依据。

（4）设备配置及布局优化模拟。设备配置及布局优化模拟是利用客站数字孪生体，设定设备位置、数量、状态、协作动行为关键参数，模拟设备开关与计划执行情况，评价设备使用效率与用能水平，评估对作业安全的影响，对瓶颈环节调整布局优化，提升作业效率。

（5）安全应急仿真。安全应急仿真包括车站安全态势推演与应急处置仿真。融合客流预测、列车运行与日常运营方案，推演客运组织变化趋势。模拟大面积晚点、火灾、暴恐等突发事件及其次生灾害，按应急预案内容，仿真模拟应急处置和旅客疏散过程，验证方案可行性，为客站应急处置与疏散提供指导。

（6）环境舒适度调控仿真。环境舒适度调控仿真是通过调整智能客站数字孪生体的外部天气与自然光变化，修改空调、水暖等设备运行参数，结合舒适度模型，仿真客站内的客流分布情况与流线运用情况，对客站内的旅客拥挤度、温度、亮度、噪声的变化进行模拟。

2　客站数字孪生体建模技术

通过数字孪生体虚拟静模型建模技术及动行为模型建模技术，实现可视化调度指挥、可视化监控运维、客运组织方案仿真、设施配置及布局优化模拟、安全应急仿真、环境舒适度调控仿真等智能客站数字孪生体服务。

2.1　数字孪生体虚拟静模型建模技术

数字孪生体虚拟静模型构建方法采用基于机器视觉的三维重建^[10-12]方式或人工建模方式。基于机器视觉的三维重建结果多为点云、体素的文件格式，此类技术形成的文件格式直接导入三维引擎开发软件后无法进行二次开发。采用人工建模方式是通过测量物理实体几何尺寸后，利用三维软件建模，绘制点、线、面、立方体、球体等，形成多边形面元，按照实际形状进行调整后形成对应几何体，可直接导入三维引擎开发软件，在此基础上进行动行为模型的软件开发。虚拟静模型建模结果对比如图4所示。图4a是采用基于机器视觉三维重建的点云结果，可看出摄像头外观轮廓，图4b是人工建模后的结果，相较于图4a效果更直观、更清晰形象，因而后续试验采用人工建模方式进行虚拟静模型构建。

2.2　数字孪生体动行为模型建模技术

客站6大类要素的个体动行为建模，采用面向对象编程技术，通过对人员类、设备类、车辆类、环境类、站房结构类建立不同的对象，为对象加入属性和方法，实现个体动行为建模。如车辆类，涵盖始发站车次、本站车次、车底型号、停靠站台、停靠股道、到站时间、发车时间、上车人数、开检、停检等属性与方法。

协作动行为采用事件驱动过程链(EPC)进行建模^[17]。EPC是将事件中涉及的人、物融合在一起，形成可完成特定任务或流程的动态模型构建技术。扩展事件驱动过程链(eEPC)是在EPC的基础上扩展加入组织与资源^[17]。研究将6大生产要素开展旅客服务、生产组织、安全应急、绿色节能等业务流程进行动态模型构建，形成铁路客站扩展事件驱动过程链(RPSeEPC)如公式⑵所示，表示各生产要素相互作用的动态行为，进行程序开发，完成动态信息在虚拟静模型的展示。

RPSeEPC=\{E,F,R,Hum,Equ,Tra,Env,Arc,Inf,T\}⑵

R=\{\mathrm{A}\mathrm{N}\mathrm{D},\mathrm{O}\mathrm{R},\mathrm{X}\mathrm{O}\mathrm{R},\mathrm{S}\mathrm{E}\mathrm{Q}\}⑶

式中：RPSeEPC为铁路客站扩展事件驱动过程链；E为客站业务类的事件；F为客站生产要素中业务类对应任务F_i的集合；R为关系集合，其中\mathrm{A}\mathrm{N}\mathrm{D}为“与”表示同时发生，\mathrm{O}\mathrm{R}为“或”表示可能发生，\mathrm{X}\mathrm{O}\mathrm{R}为“异或”表示有且只有1个发生，\mathrm{S}\mathrm{E}\mathrm{Q}为“顺序”表示事件后续紧接另一个事件；Hum，Equ，Tra，Env，Arc分别为人员类、设备类、车辆类、站房结构类、环境类生产要素集合；Inf为信息资源；T为流程时钟集合。

事件开始时进行计时，通过各个任务的持续时长\mathrm{\Delta }{T}_i按照R关系进行计算，得到任务的结束时间T_i，计算方法如公式⑷所示。

T_{i+\mathrm{1}}=\left\{\begin{array}{l}\mathrm{m}\mathrm{a}\mathrm{x}(T_i,T_j)+\mathrm{\Delta }{T}_{i+{\mathrm{1}}_{}}{}_{}R(T_i,T_j)=\mathrm{A}\mathrm{N}\mathrm{D}\\ (T_i\cdot \mathrm{O}\mathrm{R}\cdot T_j)+\mathrm{\Delta }{T}_{i+\mathrm{1}}{}_{{}_{}}R(T_i,T_j)=\mathrm{O}\mathrm{R}\\ (T_i\cdot \mathrm{X}\mathrm{O}\mathrm{R}\cdot T_j)+\mathrm{\Delta }{T}_{i+\mathrm{1}}{}_{{}_{}}R(T_i,T_j)=\mathrm{X}\mathrm{O}\mathrm{R}\\ T_i+\mathrm{\Delta }{T}_{i+\mathrm{1}}R(T_i,T_{i+\mathrm{1}})=\mathrm{S}\mathrm{E}\mathrm{Q}\end{array}\right.⑷

研究针对客站旅客服务与生产组织、设备控制与巡检、安全应急3个典型事件E进行协作动行为建模。

（1）旅客服务与生产组织协作动行为模型。旅客服务与生产组织事件E协作动行为模型中，旅客服务、生产组织是以列车到发为驱动、以旅客为核心，旅客完成安检、实名制核验等环节，经过进站检票后，乘坐列车至目的车站，而后出站检票离开车站。旅客服务与生产组织协作动行为模型的RPSeEPC流程如图5所示，黄色框表示各环节任务F。此过程中通过到发基础信息与客运参数模板，关联列车、广播、导向、检票等设备。初始旅客到达时间为T_{\mathrm{0}}，通过客运参数模板设定任务F_i的持续时间\mathrm{\Delta }{T}_i，依据列车到发时间，利用公式⑷计算任务对应的结束时间T_i，用以实现仿真功能。

（2）设备控制与巡检协作动行为模型。设备控制与巡检事件E协作动行为中生产组织的设备控制与巡检流程，通过设定设备巡检路线，关联此路线上广播、导向、摄像头、检票机、售票机等Equ设备，设备巡检协作动行为模型的RPSeEPC流程如图6所示，其中仅涉及到巡检路线区域Arc与巡检目标Equ设备，蓝色框代表Inf。此外对于设备数量与其在站房中所在位置，对应公式⑵中Equ与Arc，可以进行人工调整，实现设备仿真功能。

（3）安全应急协作动行为模型。安全应急事件E协作动行为中安全应急流程建模，通过对旅客Hum数量、列车Tra到达时间、环境类Env状态数值等参数进行设定，触发大面积晚点或是火灾等突发事件警报，进行等级判定、应急启动、应急任务下发与执行、应急结束、应急恢复各个环节，安全应急协作动行为模型的RPSeEPC流程如图7所示。

3　试验验证

以京张高速铁路(北京北—张家口)清河站为对象，建立清河站数字孪生体。为验证铁路智能客站数字孪生五维模型，研制清河站数字孪生体可视化调度指挥系统界面。虚拟静模型方面，建立候车室、站台、检票口等站房结构类，8编组与16编组复兴号列车等车辆类，旅服设备、安检设备、客票设备等设备类，检票、巡检等工作人员类等数字孪生体。动行为模型方面，建立旅客服务协作动行为中的列车到发规则，生产组织协作动行为中的引导屏作业计划、设备运维，安全应急协作动行为中的火灾应急处置。数字孪生体服务中，开展清河站可视化调度指挥、设备虚拟巡检、车站安全应急仿真等验证。

3.1　可视化调度指挥功能验证

实时接入清河站列车到发、设备运行、工作人员任务等信息，使清河站数字孪生体实现可视化调度指挥功能。清河站数字孪生体可视化调度指挥系统界面如图8所示。清河站数字孪生体中的列车，按照实际进站时间，运行至实际停靠站台，并以黄色旗帜提醒工作人员重点监控，同时显示该列车的车次与到发时间。以热力图的方式，实时展示站内旅客总人数与分布情况。清河站数字孪生体左右两侧显示全部列车、旅客客流预测、车站重点位置视频流、设备状态及风险提示等信息。

清河站数字孪生体可视化调度指挥系统界面分层展示如图9所示，可按照候车层、站台层、出站层分层显示，为工作人员提供各层重点业务360°多视角盯控功能。站台上停靠列车时，列车高亮显示，以重点提醒该站台存在客运作业。以水滴形式显示工作人员的在岗位置及作业情况，点击水滴图标可查看工作人员姓名、班组、当前执行任务及完成情况。同时重点提醒已进站与即将进站列车停靠站台，方便工作人员盯控该岗位作业。

清河站数字孪生体的每一处都支持细节性放大。通过视角控制，可放大缩小局部，方便工作人员盯控重点细节。例如，通过该功能，工作人员可重点盯控站台作业，清河站数字孪生体站台层设备与人员立岗细节如图10所示。在列车到达前，工作人员可逐一查看站台引导屏车次显示情况、工作人员到岗情况。同时支持点击摄像头图标，显示当前位置的实时视频流，以便于重点盯控各位置的作业执行情况。

3.2　设备虚拟巡检功能验证

开展清河站可视化监控运维中的设备虚拟巡检功能验证，按照清河站日常设备巡检的路线，在清河站数字孪生体设定第一人称视角漫游线路，实现设备虚拟巡检。设备一键虚拟巡检如图11所示。启动一键虚拟巡检功能后，按照规定的巡检路线，进行站内漫游，展示线路上安检仪、检票机、售票机等设备的运行状况，如果有故障时，变为红色高亮提醒，同时可查看该设备附件的摄像头的实时视频流。

3.3　安全应急仿真功能验证

对清河站进行火灾应急指挥的仿真验证，车站应急指挥仿真如图12所示。模拟火灾发生在候车室的情形，结合清河站应急预案，自动关联当前在岗人员，生成应急处置方案。仿真各岗位人员处置执行过程，实时显示处置人员的任务、位置及完成情况。基于岗位需求向工作人员推送站内消防设备位置、应急疏散路线等信息，处置完成后自动生成应急总结。通过仿真，可验证应急方案的可行性，为应急处置提供辅助决策。

4　结束语

研究提出智能客站数字孪生五维模型，包含客站物理实体、客站数字孪生体、客站虚实连接、客站孪生数据、客站孪生体服务等部分，详细阐述客站数字孪生体的虚拟静模型与动行为模型的含义，研究数字孪生体的虚拟静模型和动行为模型的建立技术。构建清河站数字孪生体，验证智能客站数字孪生五维模型，研发可视化调度指挥、设备虚拟巡检、车站安全应急仿真等功能，为日常运营与应急处置提供决策支持。后续将开展旅客数字孪生体的建立研究，继续提升客站数字孪生体的模拟仿真服务能力。

参考文献

[1] 史天运，张春家. 铁路智能客运车站系统总体设计及评价[J]. 铁路计算机应用，2018，27(7)：9-16.

[2] SHI Tianyun， ZHANG Chunjia. Overall Design and Evaluation of Intelligent Railway Passenger Station System[J]. Railway Computer Application，2018，27(7)：9-16.

[3] GRIEVES M， VICKERS J. Digital Twin：Mitigating Unpredictable，Undesirable Emergent Behavior in Complex Systems[EB/OL].(2016-08-17)‍[2023-03-20].

[4] 庄存波，刘检华，熊辉，等. 产品数字孪生体的内涵、体系结构及其发展趋势[J]. 计算机集成制造系统，2017，23(4)：753-768.

[5] ZHUANG Cunbo， LIU Jianhua， XIONG Hui，et al. Connotation，Architecture and Trends of Product Digital Twin[J]. Computer Integrated Manufacturing Systems，2017，23(4)：753-768.

[6] 陶飞，刘蔚然，张萌，等. 数字孪生五维模型及十大领域应用[J]. 计算机集成制造系统，2019，25(1)：1-18.

[7] TAO Fei， LIU Weiran， ZHANG Meng，et al. Five-Dimension Digital Twin Model and Its Ten Applications[J]. Computer Integrated Manufacturing Systems，2019，25(1)：1-18.

[8] 陈华鹏，鹿守山，雷晓燕，等. 数字孪生研究进展及在铁路智能运维中的应用[J]. 华东交通大学学报，2021，38(4)：27-44.

[9] CHEN Huapeng， LU Shoushan， LEI Xiaoyan，et al. Advance in Research on Applications of Digital Twin in Intelligent Railway Operation Management[J]. Journal of East China Jiaotong University，2021，38(4)：27-44.

[10] 郑太雄，黄　帅，李永福，等. 基于视觉的三维重建关键技术研究综述[J]. 自动化学报，2020，46(4)：631-652.

[11] ZHENG Taixiong， HUANG Shuai， LI Yongfu，et al. Key Techniques for Vision Based 3D Reconstruction：A Review[J]. Acta Automatica Sinica，2020，46(4)：631-652.

[12] 张彦雯，胡凯，王鹏盛. 三维重建算法研究综述[J]. 南京信息工程大学学报(自然科学版)，2020，12(5)：591-602.

[13] ZHANG Yanwen， HU Kai， WANG Pengsheng. Review of 3D Reconstruction Algorithms[J]. Journal of Nanjing University of Information Science & Technology (Natural Science Edition)，2020，12(5)：591-602.

[14] RUSU R B， COUSINS S. 3D is Here：Point Cloud Library (PCL)‍[EB/OL]. (2011-05-13)‍[2023-03-20].

[15] CURLESS B， LEVOY M. A Volumetric Method for Building Complex Models from Range Images[EB/OL]. (1996-08-01)[2023-03-20].

[16] 张绍泽. 面向三维可视化的激光扫描点云数据处理方法研究[D]. 西安：西安电子科技大学，2017.

[17] 张明礼，张三元，陈志杨，等. 点云曲面的复合几何图像表示及其应用[J]. 浙江大学学报(工学版)，2004，38(12)：7.

[18] ZHANG Mingli， ZHANG Sanyuan， CHEN Zhiyang，et al. Compounded Geometry Image Representation of Point Cloud Surfaces and Its Application[J]. Journal of Zhejiang University (Engineering Science)，2004，38(12)：7.

[19] 汤延辰. 基于细节层次和视点预测的大规模地形实时渲染方法研究[D]. 合肥：安徽大学，2020.

[20] 中国雄安集团有限公司.中国雄安集团建设项目BIM技术标准建筑分册(一分册)[M].雄安：中国雄安集团有限公司，2021.

[21] 中华人民共和国自然资源部. 全球地理信息资源数据产品规范[A]. 北京：中华人民共和国自然资源部，2022.

[22] 张维，徐华龙. 三维模型与视频监控融合关键技术研究[J]. 煤矿安全，2019，50(10)：112-114.

[23] ZHANG Wei， XU Hualong. Research on Key Technologies of 3D Model and Video Monitoring Fusion[J]. Safety in Coal Mines，2019，50(10)：112-114.

[24] 马瞳宇，崔静，储鼎. 基于WebGL的实景三维场景与视频监控图像融合技术研究[J]. 测绘与空间地理信息，2020，43(S1)：80-83.

[25] 施於人，代应. eEPC与Petri网在流程改进建模中的比较[J]. 重庆理工大学学报(自然科学)，2011，25(7)：87-91.

[26] SHI Yuren， DAI Ying. Comparison of eEPC and Petri Net in Modeling of Business Process Improvement[J]. Journal of Chongqing University of Technology(Natural Science)，2011，25(7)：87-91.

基金资助

国家自然科学基金-铁路基础研究联合基金项目(U2268217)

中国铁道科学研究院集团有限公司科研项目(2021YJ183)