基于数字孪生的铁路客运站技术作业仿真建模

Simulation Modeling of Technical Operation of Railway Passenger Stations Based on Digital Twin

摘要

为了增强铁路客运站对车站技术作业全生命周期的管理能力，提升对未来时段作业态势的感知应对能力和作业可视化水平，解决车站技术作业仿真建模逻辑发散性高的问题，研究设计了数字孪生车站的整体技术机制，采用离散事件仿真的方式对客运站技术作业动态仿真建模关键技术展开研究，提出了一种普适性较强的数字孪生车站技术作业仿真建模方法。通过对实体车站的实例开发，验证了该方法的科学性与有效性，研究结果表明：模型可实现任意时刻对车站作业计划进行模拟推演，4 h阶段计划运行时间均值为0.1 min，有效性实验误差区间为[0，5%]，生成的最优进路、计划调整、调机动态等反馈信息供车站决策部署，以保证接发车作业的顺利进行，节省技术作业中因不配合而产生的冗余作业时间，提升车站作业的流畅性和抗干扰性。

Abstract

This paper aims to enhance the management of railway passenger stations for the full life cycle of technical operations of the stations, improve the perception and response ability and operation visualization of the operation situation in future periods, and solve the problem of high divergence of the simulation and modeling logic of technical operations of digital twin stations. To this end, it researched and designed the overall technical mechanism of digital twin stations, and studied the key technologies of dynamic simulation of passenger stations' technical operations by discrete event simulation, proposing a highly universal simulation modeling method for the technical operations of digital twin stations. Additionally, the method's scientific performance and effectiveness were verified by carrying out the development of actual stations. The results show that the model can simulate and deduce the station operation scheme at any time. The average operation time of a four-hour phase plan is 0.1 minutes, with an experimental error range for validity at [0, 5%]. The feedback information generated including optimal routing, scheme adjustments, and locomotive dynamics serves as the basis for the station's decision-making and deployment to ensure the smooth progress of train arrival and departure operations, minimize redundant operation time in technical tasks caused by the lack of cooperation, and enhance the smoothness and anti-interference capabilities of station operations.

Graphical abstract

关键词

铁路客运站 / 技术作业 / 数字孪生 / 离散事件仿真 / 仿真推演

Key words

Railway Passenger Station / Technical Operation / Digital Twin / Discrete Event Simulation / Simulation Deduction

0　引言

随着我国铁路运输的发展，调图需求日趋频繁，大型铁路客运站技术作业由相对固定向复杂多变转化。为适应不断变化的作业量，大型铁路客运站迫切需要一个能够实时反映当前技术作业状态、推演未来作业态势变化、回溯诊断历史作业情况的数字孪生车站仿真平台，并能从推演结果中得到精准的建议反馈供车站决策。

目前，大型铁路客运站主要依靠TDCS、CTC、STP等实时作业系统完成接发车、调车等技术作业，但缺乏对未来作业计划进行推演仿真、质量评估、反馈调整的平台，现场作业仍然依靠经验，效率较低。近年来围绕铁路车站的仿真研究主要为作业实训演练系统的开发、教学实验室的建设^[1-3]；另一方面，一些学者运用仿真手段对车站作业计划进行评估^[4-5]、对铁路行车冲突进行模拟^[6-7]。这些成果对铁路行业的数字化建设和车站运输的精细化生产做出了指导性贡献，但传统的静态仿真层面还不能做到对现场作业数据的实时动态推演。

与传统仿真模型相比，数字孪生最主要的特点是：模型通过传感器实时获取物理实体的数据，并随着实体一起演变，一起成熟甚至一起衰老，可以利用模型进行分析、预测、诊断或者训练，对物理对象进行优化和决策，这个过程是一种典型的仿真活动^[8]。近年来国内外铁路运输领域先后掀起了应用数字孪生技术的浪潮，欧盟(EU)认为推动铁路数字化转型是一个比以往任何时候都更迫切的议程^[9]；德国西门子公司将数字孪生技术视为工业4.0的关键技术^[10]。国内铁路领域在铁路线路、车辆等各类设备的运维^[11]、生命周期管理^[12]、性能预测^[13]等方面的数字孪生研究颇为广泛。而针对铁路车站运输组织的数字孪生仿真研究较少，乐建炜等^[14]建立了铁路数字编组站智能平台，可提升车站的风险管理水平；何必胜等^[15]提出了一种基于数字孪生的铁路客运站技术作业实时调度方法，可应用于实际车站管理，提高作业实时调度水平。但面对铁路车站布局多样、技术作业复杂等带来的逻辑模型发散性高等问题，尚缺乏数字孪生技术下对车站技术作业仿真建模普适的关键技术研究，缺少具体技术作业的实时图形化仿真，数字孪生平台生成的冲突进路、更优计划等反馈信息，对于现场作业的使用不够生动直观。

为此对数字孪生客运站技术作业仿真建模的关键技术展开研究，提出一种普适性较强的数字孪生车站技术作业仿真建模方法，依托数字孪生技术优势，以图形化的方式推演车站各项设备在未来时段的时空位置与作业关系。

1　数字孪生铁路客运站整体技术机制

物理实体与数字模型之间建立数据关系是数字孪生模型的技术基础，需要根据具体行业特征设计模型整体技术机制。目前大部分铁路车站现场作业需求主要包括3个方面。

（1）历史作业数据应用管理。依据车站既有作业系统的统计基础，实现对车站技术作业的历史数据管理，作为数字孪生车站的知识库，为加开临客等推演预判活动提供历史数据的参考基础。

（2）当前作业状态可视化。将数字模型与实体车站建立数据共享机制，实现车场内移动设备时空状态在模型运行界面上的实时浮现，达到对当前技术作业态势的精准掌握。

（3）未来作业计划仿真推演。能在任意时刻对当前车站作业计划进行不同模式的推演，向车站决策者展示未来技术作业冲突，统计技术作业指标，绘制调机动态等，增强车站对未来突发情况的反应能力。

为满足上述需求，数字模型应与物理实体建立有效可靠的数据传输和反馈关系。当前的一些数字孪生技术应用案例中^[16]，模型的数据传输方式大概分为2种：一是直接建设传感器体系，采集可以描述整个数字模型的全方位数据；二是依托实体现有的数字化系统，建立数据共享机制。前者建设、维护成本高，而后者则需要较高的数据互信度。在铁路运输生产实践中，客运站有完善的数字化作业系统如CTC、TDCS、STP等，基本可为数字模型提供必要的机车车辆坐标、现车内容、列车到发计划、调车作业计划等数据。因此，铁路客运站可以选择既有作业系统作为与数字模型交换数据的对象。

在模型的信息反馈方面，按照不同推演目的分为不同模式，将实时更新的作业状态、调机动态、调车钩时分统计、建议的更优调车作业顺序等作为仿真模型反馈决策的信息。数字孪生车站技术作业仿真模型整体技术机制如图1所示。

从图中的技术关系来看，对虚拟车站的仿真是数字孪生车站作业模型的关键，在仿真研究的各环节都有体现，如参数输入包括调机速度、列车、客车车底、本务机等动态数据；需要对模型进行反复校正、验证以保证结果的科学有效；最后再进行数字孪生的决策反馈，对推演的作业计划进行优化调整，输出各类仿真推演指标，并及时反馈至物理车站。

2　铁路客运站技术作业仿真模型建模技术研究

2.1　技术作业仿真推演过程主要原理

机车车辆按照调车作业计划、列车到发计划进行指定的移动、连挂和解体工作，都可看作是一个个离散事件^[17]。数字孪生车站模型中，技术作业仿真推演全过程主要原理包括仿真零时刻的初始化处理、仿真过程中离散事件调度2部分内容。

2.1.1　仿真初始化处理

车站作业计划规定了车站一天24 h的全部技术作业内容，最小单位是阶段计划(一般为3~4 h)。数字孪生模型开始执行仿真过程的时刻可能会落在一个阶段计划的任意节点。因此，其仿真初始化处理区别于传统仿真模型，需要考虑零时刻及其前后的设备状态、计划执行情况。

（1）判断仿真零时刻前作业计划执行情况。主要是判断零时刻前是否有未完成的技术作业，是否发生了影响本阶段计划的列车晚点情况。同时还要判断上一阶段计划中影响技术作业进程的原因，如线路封锁、设备故障、咽喉区能力紧张等。

（2）加载当前车站作业状态。仿真时钟零时刻应与车站STP、CTC等系统完成数据对接，将车站的机车车辆设备的位置、数量、车号、列车车次等信息在推演界面加载完毕。

（3）判断后续阶段计划的作业内容。加载列车到发计划，计算本阶段计划的调机动态，并结合零时刻前计划中影响技术作业进程的原因，判断下一步仿真时钟的推进事件。

2.1.2　事件调度原理

在一个阶段计划中，模型会多次发生《铁路技术管理规程》第301条规章约束(没有平行进路的情况下，不准向能进入接发列车进路的方向调车)的判断，需要考虑调机作业、列车到发作业和本务机出入段等事件的先后顺序，以使得整个作业系统作业时间最短，得到最优的调机动态。因此，在仿真时钟推进方式上设立了事件调度调整机制，在每一步解得的调机动态下调整作业事件的时间顺序，使整个计划完成的总时长更小，并采取这一调度方式，继续推进仿真时钟，触发下一事件。基于数字孪生技术的技术作业推演模型离散事件调度原理如图2所示。

设定事件集合E=\{e_{\mathrm{1}},e_{\mathrm{2}},\dots ,e_n\}，每个事件e_i在时间点t_i发生，其中t_{\mathrm{0}}为仿真起始时刻，min；t_n为仿真结束时刻，min。事件调度的目标是最小化总作业时间T_{\mathrm{t}\mathrm{o}\mathrm{t}\mathrm{a}\mathrm{l}}，min，即在满足所有约束条件下，优化作业事件发生的时序。目标函数可以表示为

T_{\mathrm{t}\mathrm{o}\mathrm{t}\mathrm{a}\mathrm{l}}=\mathrm{m}\mathrm{i}\mathrm{n}{\displaystyle \sum _{i=\mathrm{1}}^n}{t}_i⑴

其中，t_i为事件e_i的发生时刻，min，且有约束条件t_{\mathrm{0}}\le t_{\mathrm{1}}\le \cdots \le t_n，每个事件e_i必须满足特定的约束条件(如设备可用性、事件优先级等)。

每个事件的发生受到一定的约束，例如，某些事件必须在其他事件发生之前完成。假设事件e_j必须在事件e_i之前完成，可以表示为以下不等式。

t_j\le t_i{}_{}{}_{}{}_{}{}_{}\forall (e_i,e_j)\in C⑵

其中，C为所有事件之间的约束集合。这些约束可能包括物理设备的限制、任务优先级、时间窗口等。每个事件e_i的调机动态反馈至后续的事件。这些反馈可以用以下数学模型表示。

\mathrm{\Delta }{t}_{i+\mathrm{1}}=f(\mathrm{\Delta }{t}_i,{\lambda }_i)⑶

其中，{\lambda }_i是每个事件e_i的调整因子，表示“碎片时间质量”对时间调整的影响。

事件的发生时刻t_i和时间差\mathrm{\Delta }{t}_i之间存在直接关系，可以通过以下公式建立两者之间的联系。

t_i=t_{\mathrm{0}}+{\displaystyle \sum _{j=\mathrm{1}}^i}\mathrm{\Delta }{t}_j⑷

其中，t_{\mathrm{0}}是仿真起始时刻(即t_{\mathrm{0}}=\mathrm{0})，min，而{\displaystyle \sum _{j=\mathrm{1}}^i}\mathrm{\Delta }{t}_j为所有事件e_{\mathrm{1}},e_{\mathrm{2}},\dots ,e_i的时间调整量的累积。

时间调整函数f(\mathrm{\Delta }{t}_i,{\lambda }_i)可以采用以下形式，表示每个事件时间调整量的增量。

\mathrm{\Delta }{t}_{i+\mathrm{1}}=\mathrm{\Delta }{t}_i+\alpha {\lambda }_i·\mathrm{\Delta }{t}_i⑸

其中，\alpha是一个调整参数，表示碎片时间质量对时间调整的影响程度。这个公式表示：每个事件的时间调整量\mathrm{\Delta }{t}_{i+\mathrm{1}}，min，是前一个事件时间差\mathrm{\Delta }{t}_i的增量，增量大小由{\lambda }_i和\alpha控制。

通过不断调整事件的时间顺序，最终的总作业时间T_{\mathrm{t}\mathrm{o}\mathrm{t}\mathrm{a}\mathrm{l}}可以表示为

T_{\mathrm{t}\mathrm{o}\mathrm{t}\mathrm{a}\mathrm{l}}=t_n=t_{\mathrm{0}}+{\displaystyle \sum _{i=\mathrm{1}}^n}\mathrm{\Delta }{t}_i⑹

在此过程中，最优化的调度方案是通过不断调整各个事件的时间差\mathrm{\Delta }{t}_i来最小化 T_{\mathrm{t}\mathrm{o}\mathrm{t}\mathrm{a}\mathrm{l}}，同时满足所有约束条件。

2.2　技术作业仿真逻辑模型设计

就车站技术作业的推演过程而言，调机如何在站内完成一个作业计划全部的复杂作业过程，是模型设计的难点。

本研究总结了不同布局类型车站的共性规律，把车站抽象为由各线路作为节点构成的网络，调机在车站执行调车作业的过程可视为点在网络中各节点之间的流动，构成循环路径，解决复杂系统中逻辑建模流程高度发散的问题。

在仿真零时刻t₀，即将执行调车作业的调机的位置不固定。调机第一钩计划可能的走行进路可抽象为单机运行、站内挂车、站内摘车、库内挂车、库内摘车5类动作。根据调机不同的初始位置与第一钩内容的全部映射关系，可完成初始钩计划的走向判断，进入读取调车作业通知单的循环过程。

2.2.1　列车到发作业、整列出入库作业逻辑模型

根据《铁路技术管理规程》及现场作业经验，模型中列车到、发作业及其所伴随的整列入、出库作业应达到的目标与满足的约束如下。

接车时有

\mathrm{m}\mathrm{i}\mathrm{n}(t_{\mathrm{接车}}-t_{\mathrm{顶送}})⑺

\mathrm{m}\mathrm{i}\mathrm{n}(t_{\mathrm{顶送}}-t_{\mathrm{入库}})⑻

\mathrm{s}.\mathrm{t}.\left\{\begin{array}{l}t>t_{\mathrm{接车}}\\ t_{\mathrm{接车}}-t_{\mathrm{顶送}}>T_{\mathrm{列到}\mathrm{技}}\end{array}\right.⑼

发车时有

\mathrm{m}\mathrm{i}\mathrm{n}(t_{\mathrm{发车}}-t_{\mathrm{靠台}})⑽

\mathrm{m}\mathrm{i}\mathrm{n}(t_{\mathrm{靠台}}-t_{\mathrm{迁出}})⑾

\mathrm{s}.\mathrm{t}.\left\{\begin{array}{l}t=t_{\mathrm{发车}}\\ t_{\mathrm{发车}}-t_{\mathrm{靠台}}>T_{\mathrm{列发}\mathrm{技}}\end{array}\right.⑿

式中：t_接车为列车接车时刻，min；t_顶送为调机在到发线顶送车底入库的开始时刻，min；t_入库为调机在到发线顶送车底入库的结束时刻，min；t为当前时刻，min；T_列到技为列车到站在站台技术作业所用时长，min；t_发车为列车发车时刻，min；t_靠台为调机牵引车底至到发线结束时刻，min；t_迁出为调机牵引车底至到发线的开始时刻，min；T_列发技为列车发车在站台技术作业时长，min。

根据这些目标与条件，可以设计整列入库、出库作业的基本逻辑模型与事件触发机制。

当执行整列入库钩计划时，调机智能体判断是否满足：t> t_接车且t_接车-t_顶送>T_列到技，若具备推车入库条件，调机开始执行本钩计划推车入库，否则调机将继续等待直至进站列车完成全部技术作业。

当执行整列出库钩计划时，判断当前时刻列车出库是否满足t_发车-t_靠台>T_列发技，若列车不会发生晚点，则牵车出库，否则提示存在其他库内倒车等调车作业导致列车无法正点发车，调整新的调机动态，延长本钩计划作业时间，满足发车约束。

2.2.2　库内倒车作业逻辑模型

库内倒车作业实质上是库内的挂车、摘车作业。这一环节涉及车场线路车辆数据存储逻辑，以及摘车、挂车动作如何完成的问题。旅客列车、车辆的调车作业均采用平面推送调车法，在无车线上只能进行摘车作业，在有车线上可进行摘、挂车2种作业。

本研究参考轨道仿真类软件的流程控制方式^[6]，以流程模块和有向弧的方式设计了库内倒车作业仿真逻辑模型如图3所示。其中，Train Enter表示列车出现，Train Exit表示列车离开，Couple与Decouple分别表示机车车辆的连挂与摘车，菱形表示条件判断，矩形表示机车车辆的执行动作，Delay表示等待，实线有向弧表示机车车辆在执行完当前模块程序后的走向，虚线有向弧表示仿真主程序触发具体模块动作的判断条件。对于库内有车线调车，需要对库内车辆的数量、来源、车号等信息进行管理，库内车来源包括库内现存车、入库列车、调车作业产生的摘车3种。本研究考虑将这3种车源汇入虚拟车场“挂车”流程中，运用虚拟车场集中管理各类车辆的去向流程。

2.2.3　最优调车进路选择

在一钩计划中，满足调机转线约束的进路可能存在多个，因此信号员需要考虑哪条进路可使调机能尽快地完成转线并且不受《铁路技术管理规程》第301条的约束。由此可以看出，调机最优进路的选择是一个以转线时间最小为单目标的线性规划问题。为方便研究该数学问题最优解，将调机、本务机、列车的径路抽象化为机车车辆、列车在车站股道网络内移动的、赋带有运行时间权重的OD弧。一钩计划中调机从起始点v_Q至终点v_Z之间，存在v_{\mathrm{1}}至v_n共n条可能经过的股道，可行径路可表示为集合S=\{v_Q,\dots ,v_i,\dots v_Z\}，数学模型表示如下。

\mathrm{m}\mathrm{i}\mathrm{n}T={\displaystyle \sum _{i=\mathrm{1}}^n}{t}_{\left(v_i，v_{i-\mathrm{1}}\right)}⒀

式中：T表示机车车辆、列车完成v_Q至v_Z径路的总时间，min；t_{\left(v_i，v_{i-\mathrm{1}}\right)}表示调车作业在v_i至v_{i-\mathrm{1}}之间的耗时，min。

3　铁路客运站数字孪生建模实例分析

为验证模型在复杂行车系统下的有效性和抗干扰性，本研究选择某大型铁路客运站为例进行数字孪生建模工作，该车站到发场有高铁、普速2座车场，共20条股道，衔接车辆段、机务段等5个方向，单日接发列车在300对以上。

3.1　数字孪生模型数据传输

为了精简数据传输的过程，提升计算效率，保障信息数据传输安全，方便未来对不同车站的二次开发，本研究将技术作业仿真模型与车站现有的调车作业计划编制系统放在同一处理系统下进行数据关联，利用文本文件作为两者数据传输的介质，结合仿真模型触发器，通过处理命令文件的版本号来不断反馈更新当前作业数据，完成系统间的数据实时传输、数据共享。

在计划编制系统中拟获取现车表、列车到发计划、车号表、调机位置，以及系统中编制完成的调车作业通知单的信息，这些信息生成以utf-8语言编写的文本文件，将以1 s的时间步长在特定文件夹中进行更新。上述模型所获取的基础数据有各自的格式，需要解决数据交互时的“多源异构”问题，采用Java语言自定义建立相关数据的Java类管理数据，以统一模型数据的处理规则。

3.2　车站技术作业仿真模型建立

本研究依托Anylogic仿真平台进行建模，采用Train、Rail Car智能体定义机车车辆的组合关系与调机、本务机、列车之间的通信关系。用Train智能体来表达一个具备动力的车组或列车，用Rail Car智能体表达Train中的具体车辆。综上关系，就可结合动态文本、3D立体图形与2D平面简易图形自定义程序实现机车车辆在站型图中运行的直观表达，其中，各项技术作业的作业停止时间和各机车车辆之间的基本的“停止”和“让行”控制由Process Modeling Library流程库中Delay模块或智能体的setSpeed()函数来控制，实现车辆模型在股道网络中的精确调度。

4　仿真模型实验

模型完成多次迭代校验后，仿真模型基本具备运行条件，为判定模型是否具备反映真实世界系统变化的能力，本研究进行模型有效性验证实验，并针对特殊突发事件场景进行实例实验。

4.1　模型有效性验证实验

在实际的运输生产中，各类作业时间是描述车站技术作业效率的关键指标，因此将不同类别机车车辆在车场的运动时间、技术作业等待时间作为验证内容。经过不断校正，随机选取一个4 h的阶段计划进行推演，设置实验随机种子，在CPU 2.5 GHz和8 G RAM的个人计算机上仿真模拟实际早间(6：00—10：00)运行100次，实验平均耗时0.1 min。得到模型中不同类别机车车辆在车场运动时间的误差表如表1所示、模型中不同类别技术等待时间的误差表如表2所示。

根据车站的经验与建议，当实际观测值与实验值误差比值在5%以内认为模型结果可靠，否则需要继续迭代调整模型。几项指标在4 h内的误差均小于5%，说明模型可基本体现真实场景的车站技术作业过程。

4.2　特殊突发事件场景仿真实验

4.2.1　突发列车大面积晚点实验

实验情景设置：某日受强降雨天气影响，上行区间发生晃车，6：00预计C2702次、G96次、C2712次、G6722次、G552次分别晚点20 min，15 min，20 min，10 min，12 min。列车调度员指示标准站调度员：及时组织列车接发、入库作业，尽最大可能降低晚点传播的影响。数字孪生车站模型突发列车大面积晚点实验6：00状态如图4所示，到发场空线，左侧计划窗口5趟列车晚点，在技术作业图表中拖动调整列车占线程序图直至无作业干扰报警，启动未来阶段计划(6：00—12：00)推演。突发列车大面积晚点实验阶段计划(6：00—12：00)推演结果如图5所示。

从实验结果中可以看出，进路冲突等待记录共18项，晚点列车新增4列，上下行晚点总计64 min，设置的重点工作可执行度为88.2%，在可接受的水平范围内，本阶段计划晚点影响率5.3%，5趟晚点列车对图定计划的影响程度高。

4.2.2　图定列车突发故障启用热备车

实验情景设置：8：30站内15道担当G6714次出站的CRH380AL2022动车组突发设备故障，车载信号失表，车站临时启动热备车。计划将热备车从库内出发停至站内其他空线，故障动车组由调车机车牵引入库。面对可能发生的列车晚点情况，列车调度员指示车站指挥中心：及时组织热备车，降低晚点传播影响；及时组织旅客换乘，减少旅客等待时间。

从列车到发计划中判断8：30后站内存在可用的空线，选择最近的一条空线组织热备车，以便旅客换乘。在左侧计划栏中新增G6714次热备车计划后，导致G6718次列车晚点，在实验中新增G6714次热备车如图6所示。

调整晚点列车的占线程序，直至列车无冲突，启动本阶段计划(8：15—12：00)推演，图定列车突发故障启用热备车实验阶段计划(8：15—12：00)推演结果如图7所示。

本次调整后股道占用率方差水平适中，进路冲突等待记录共15项，晚点列车新增1列，上下行晚点总计43 min，设置的重点工作可执行度为76.7%，重点计划的实施将有阻力，本阶段计划晚点影响率1.3%，虽然G307次故障未对图定计划造成大面积晚点，但对后续G6718次影响较大。

5　结论

研究构建的数字孪生车站技术作业仿真模型的4 h阶段计划运行时间均值为0.1 min，模型有效性实验误差区间为[0，5%]，在界面交互、实际使用等方面符合行车作业的人机工效，具备作业现场应用的条件。模型的技术作业图形化演示、最优进路的选择、调机动态、作业冲突和建议计划的生成等反馈信息可支撑车站进行计划的调整与部署。在接下来的研究中，将依托现有的数字孪生车站仿真平台，结合车站作业需求，对不同作业场景的应用展开进一步研究，增强模型多场景的应用性。

参考文献

[1] 孙鹏举，刘　俊，李　博. 高速铁路列车调度员应急场景处置仿真系统设计研究[J]. 铁道运输与经济，2019，41(5)：77-82.

[2] SUN Pengju， LIU Jun， LI Bo. A Design and Research of Emergency Scene Disposal Simulation System for Train Dispatcher of High Speed Railway[J]. Railway Transport and Economy，2019，41(5)：77-82.

[3] 郝孜奇，张文胜. 基于Unity3D的铁路实训虚拟仿真系统开发[J]. 计算机仿真，2020，37(6)：99-103，241.

[4] HAO Ziqi， ZHANG Wensheng. Development of Railway Training Virtual Simulation System Based on Unity3D[J]. Computer Simulation，2020，37(6)：99-103，241.

[5] 彭其渊，李 力，文 超，等.面向协同决策能力培养的轨道交通虚拟仿真实验教学改革[J].高等工程教育研究，2022(4)：81-85，115.

[6] 谢顺丰，胡留洋，鲁工圆，等. 基于能耗评价的摘挂列车调车作业计划仿真分析[J]. 铁道运输与经济，2021，43(7)：72-78.

[7] XIE Shunfeng， HU Liuyang， LU Gongyuan，et al. Simulation Analysis of Shunting Operation Schedule Based on Energy Consumption Evaluation[J]. Railway Transport and Economy，2021，43(7)：72-78.

[8] 杨鹏鑫，崔东亮，代学武，等.基于运控和调度协同仿真的列车阶段调整计划评估[J].计算机集成制造系统，2022，28(11)：3454-3463.

[9] 李崇楠，陈军华，张星臣，等.基于AnyLogic的高速铁路动车组出入段能力利用仿真模型[J].铁道运输与经济，2020，42(S1)：99-104.

[10] LI Chongnan， CHEN Junhua， ZHANG Xingchen，et al. Simulation Model on Transfer Track Capacity Utilization of High Speed EMU Depot based on AnyLogic[J]. Railway Transport and Economy，2020，42(S1)：99-104.

[11] 朱子轩，鲁工圆，何必胜，等. 单线铁路网络列车运行智能调度仿真研究[J]. 计算机仿真，2019，36(5)：194-201.

[12] ZHU Zixuan， LU Gongyuan， HE Bisheng，et al. Simulation Research on Intelligent Dispatching of Train Operation on Single-Track Railway Network[J]. Computer Simulation，2019，36(5)：194-201.

[13] 张　霖，陆　涵. 从建模仿真看数字孪生[J]. 系统仿真学报，2021，33(5)：995-1007.

[14] ZHANG Lin， LU Han. Discussing Digital Twin from of Modeling and Simulation[J]. Journal of System Simulation，2021，33(5)：995-1007.

[15] 欧洲铁路数字孪生战略实施计划与应用现状[J].现代城市轨道交通，2023(1)：99-102.

[16] 钟润阳，徐 旬， EBERHARD K，等.对工业4.0背景下的智能制造的回顾[J].工程，2017，3(5)：96-127.

[17] 臧 钊.基于BIM+GIS的京张高速铁路空地一体“数字孪生”智能化运维技术研究[J].铁道运输与经济，2022，44(9)：139-145.

[18] ZANG Zhao.  Operation and Maintenance Technology of Air-Ground Integrated “Digital Twins” Based on BIM and GIS for Intelligent Beijing-Zhangjiakou High Speed Railway[J].   Railway Transport and Economy，2022，44(9)：139-145.

[19] 高士根，周　敏，郑　伟，等. 基于数字孪生的高端装备智能运维研究现状与展望[J]. 计算机集成制造系统，2022，28(7)：1953-1965.

[20] GAO Shigen， ZHOU Min， ZHENG Wei，et al. Intelligent Operation and Maintenance for Advanced Equipment Based on Digital Twin：Challenges and Future[J]. Computer Integrated Manufacturing Systems，2022，28(7)：1953-1965.

[21] 董少迪，唐 兆，王开云，等.数字孪生在列车曲线通过性能预测中的应用研究[J].机械工程学报，2022，58(18)：240-250.

[22] 乐建炜，潘红芹，王晓强，等. 基于数字孪生的铁路数字编组站智能平台[J]. 铁路计算机应用，2022，31(6)：18-23.

[23] LE Jianwei， PAN Hongqin， WANG Xiaoqiang，et al. Intelligent Platform of Railway Digital Marshalling Station Based on Digital Twin[J]. Railway Computer Application，2022，31(6)：18-23.

[24] 何必胜，陈 鹏，张宏翔，等.基于数字孪生的铁路客运站技术作业实时调度方法[J].系统仿真学报，2022，34(10)：2130-2141.

[25] 李 欣，刘 秀，万欣欣.数字孪生应用及安全发展综述[J].系统仿真学报，2019，31(3)：385-392.

[26] 武 帅，李季涛，张美勇.铁路客运站调车作业计划执行过程仿真平台的研制与开发[J].铁路计算机应用，2021，30(6)：1-5.

[27] WU Shuai， LI Jitao， ZHANG Meiyong. Simulation Platform for Implementation Process of Shunting Operation Plan in Railway Passenger Station[J].Railway Computer Application，2021，30(6)：1-5.