基于数字孪生的城市轨道交通主动安全保障系统架构与关键技术

Architecture of Digital Twin-Based Active Safety Assurance System for Urban Rail Transit and Key Technologies Involved

摘要

在当前城市轨道交通安全保障策略中，传统方法多依赖事后应对，缺乏高效的预防和实时响应机制。针对这一问题，在分析国内外城市轨道交通安全保障体系演变和安全管理现状的基础上，总结城市轨道交通主动安全保障内涵，创新性地提出一种基于数字孪生的城市轨道交通主动安全保障系统新型架构及其运行机制。该架构通过集成“人、机、环、管”四要素，结合物理系统实时感知与数字孪生系统数据处理和仿真推演，实现对风险隐患的辨识评估和主动防控，能够支撑风险点日常管理、隐患点排查治理、风险事件传播预测、事故救援策略优化等业务服务，涉及的关键技术包括城轨系统风险防控知识提取技术、城轨主动安全保障图谱构建和应用技术、城轨系统风险防控仿真优化技术等，为推动城轨系统安全保障模式从被动安全向主动安全转型提供新的发展路径与技术支撑。

Abstract

Regarding the current safety assurance strategies for urban rail transit, traditional methods mostly rely on post-event response and lack efficient prevention and real-time response mechanisms. To address this problem, based on the analysis of the evolution of safety assurance systems for urban rail transit and the current status of safety management at home and abroad, the connotation of active safety assurance for urban rail transit was clarified, and a new architecture of an active safety assurance system for urban rail transit along with its operational mechanism was proposed based on digital twins. By integrating the four elements of “people, machines, environment, and management,” and combining real-time identification on the physical side with data processing and simulation deduction on the digital twin side, this architecture achieves the identification, evaluation, and active prevention and control of risk hazards. It can support business services such as routine management of risk points, identification and mitigation of potential hazards, prediction of risk event propagation, and optimization of accident rescue strategies. The key technologies involved include knowledge extraction for risk prevention and control in urban rail systems, construction and application of active safety assurance maps for urban rail transit, and simulation optimization of urban rail risk prevention and control. The proposed method provides new development paths and technical support for promoting the transformation of the urban rail safety assurance model from passive to active safety.

Graphical abstract

关键词

城市轨道交通 / 主动安全保障 / 数字孪生 / 架构 / 安全管理

Key words

Urban Rail Transit / Active Safety Assurance / Digital Twin / Architecture / Safety Management

1　城市轨道交通安全保障现状

1.1　城市轨道交通安全保障背景

截至2023年底，全国(不含港澳台)共有55个城市开通运营城市轨道交通(以下简称“城轨”)线路306条，运营总里程达11 232.65 km，年客运量294.4亿人次，城市轨道交通已成为推动城市发展和满足乘客出行需求的必然选择。然而，高运行密度、高技术复杂度、多要素强耦合及复杂多变的运行环境给城轨安全保障造成巨大挑战^[1-2]。目前，城市轨道交通安全保障主要采取事前初步感知预警和事后应急响应处理的模式，缺乏高效的实时防控能力。随着城轨系统的快速发展和技术环境的复杂性增加，小故障也可能迅速演变成重大事故，严重威胁乘客安全和系统运行。因此，全面推动安全保障模式从事件事故管理向风险隐患管理转变，实现安全关口前移，已成为城轨主动安全保障发展的必然趋势，对相关系统架构及其支撑技术进行研究具有重要意义。

1.2　国内城轨安全保障现状

我国高度重视城轨运营安全。2018年，国务院办公厅出台《关于保障城市轨道交通安全运行的意见》(国办发〔2018〕13号)，交通运输部发布《城市轨道交通运营管理规定》(交通运输部令2018年第8号)，对城轨安全保障提出相关要求。2019年交通运输部印发的《城市轨道交通运营安全风险分级管控和隐患排查治理管理办法》(交运规〔2019〕7号)对城轨风险管控和隐患排查工作进行进一步规范和要求。

各城市结合自身轨道交通运营的特点与需求，建立了城轨运营安全风险分级管控与隐患排查治理双重预防机制。上海地铁优化管理流程，提升作业效率，引入信息化技术建设双重预防信息化管理系统^[3]。北京地铁结合多年运营实践经验，强化矩阵式安全控制体系，从“治、控、救”3道防线、“人、机、环、管”4大要素入手，分阶段做好双重预防机制工作^[4]。南京地铁形成了一套“防、治、控、救”安全管理体系，推动建设安全管理一体化信息系统^[5]。深圳地铁构建了集“风险、隐患、盾构施工等”为一体的地铁建设安全管理平台，有效推进双重预防机制的规范化、标准化和信息化^[6]。广州地铁结合国内现行双重预防机制基本架构，根据运营实际建设了安全风险管理和隐患排查治理组织体系^[7]。以风险隐患双重预防机制为指导，北京、上海、广州、深圳、南京、武汉^[8]、西安^[9]、青岛^[10]等城市均采用信息化手段，建设高效的安全信息管理系统，全面有效提升城轨系统的风险辨识、评估和管理水平。此外，在“安全至上”方针的指导下，香港地铁制定安全策略，建立安全管理系统并推行安全管理计划，充分消除安全隐患，降低危险性，营造安全的环境，确保乘客及工作人员安全。

1.3　国外城轨安全保障现状

国外大多数发达国家已建立复杂且成熟的城轨安全管理体系，涵盖从电子监测到实时响应的多层级策略，重视预防措施和快速响应。

美国城轨系统采用集中化安全管理，纽约地铁实施SSC安全认证体系规范运营步骤和流程，通过联邦政府统一指挥与州及地方的协作，实施2级应急管理机制。巴黎实行1个“网络”和2个“制度”城轨安全管理体系，1个“网络”指巴黎地铁的电子监测网络，当电子监测网络发出警告后，地铁工作人员会立即采取措施；2个制度为“三级巡逻”和“定期消防演习”制度，定期巡逻检查可疑人员物品，定期进行防火、防爆、防毒气演习。伦敦地铁拥有完善的健康安全环境管理体系(Health，Safety，Environment，HSE)，该体系包含定量风险评估(Quantitative Risk Analysis，QRA)、特定地点乘客风险评估(Crowd Risk Assessment，CRA)和工作场所风险评估(Workplace Risk Assessment，WRA)等工具，用于分析和预测有害因素可能对乘客和工作人员造成的伤害^[11]。新加坡地铁融合HSE业务管理体系与挪威船级社和质量健康安全环境(Quality Health Safety Environment，QHSE)综合管理信息系统，借助信息化手段对城轨系统进行安全管理^[12]，构建一体化社会应急处置联动体系以应对突发事件，并通过多种救援方式相结合以最大程度降低损失。莫斯科地铁采用分级管理模式，一般情况下各线路由线路控制指挥中心管理，紧急情况下由线网控制指挥中心统一管控^[13]，其公共安全管理由地铁公司、地铁警察部门和私人保安公司共同负责，由地铁控制部统一协调，并成立应急指挥中心处理异常信息。东京地铁实行高技术型安全管理模式，同时建立了从中央、地方政府到企业的多层次事故灾害预防计划方案，极大程度上消除了人为安全隐患^[14]。

综上，国内外对城轨安全保障十分重视。我国城轨系统广泛建立了双重预防机制，但现有的安全管理体系仍面临风险识别不精准、安全信息更新不及时、应急响应不够迅速等问题。国外一些较早建设城轨系统的国家通过长期实践已形成较为成熟的安全管理体系。然而，全面实现城轨系统的动态、精准风险评估和管理，确保各部门间有效协作和信息流通，建立全人员、全过程、全方位的循环管理体系，仍是亟需解决的问题。由此可见，各国均开始建立城轨主动安全保障机制，但是目前还未形成完整的城轨主动安全保障定义和架构体系，支撑城轨主动安全保障机制运行的知识体系也不够健全。为此，提出一种基于数字孪生的城轨主动安全保障系统架构及其关键技术。该系统架构强调事前风险感知和隐患辨识，应用基于数字孪生的知识体系实现对突发事件的预防和控制，通过构建物理系统和数字孪生系统的联动运行机制提高安全管理的实时性和精准性，为城轨安全保障提供新的发展路径和技术支持。

2　基于数字孪生的城轨主动安全保障系统架构

2.1　城轨主动安全保障内涵

2.1.1　城轨主动安全保障概念

城轨主动安全保障是指通过引入先进的感知体系和综合的知识体系，主动管理和控制潜在的风险隐患，实现安全关口前移。该保障模式强调通过事前感知和知识体系整合，进行风险和隐患的预测、预判、预警和预控。通过在城轨运营过程中对系统物理状态进行实时监测与对潜在风险隐患进行辨识评估相结合，主动安全保障机制能够在风险隐患演变为事故前进行有效干预和控制，从而遏制风险隐患的发展，避免安全事故的发生，确保乘客、工作人员和设施设备的安全，实现城轨系统持续稳定运行。

2.1.2　城轨主动安全保障特征

城轨主动安全保障具有主动性、适应性、协同性、智能化和闭环性5个特征。主动性指城轨系统通过实时数据监测、分析和响应机制，提前感知和预防安全风险。适应性指系统能够灵活适应环境和条件的变化，做出实时响应和有效指令，确保决策策略与当前系统状态相契合。协同性指主动安全保障体系强调部门间的联防联控和系统间的互联互通，提升整体安全管理效率。智能化指利用人工智能、大数据等先进技术，增强安全管理系统的预测和决策能力，实现动态调整防控策略。闭环性指系统从风险感知、风险评估、决策制定到实际控制和应急响应实现完整闭环管理过程。

2.1.3　城轨主动安全保障模式

城轨主动安全保障模式通过集成“人、机、环、管”要素并实施“知、辨、治、控、救”策略，全面监控和管理系统潜在风险和隐患。首先，物理系统通过各种传感器和检测设备对人员、设施、环境、管理4个方面数据进行采集，实现系统内所有风险点位的实时监控和状态感知(知)。其次，数字孪生系统应用人工智能算法和知识图谱技术对感知数据进行“数据-信息-知识”转换，实现风险隐患的辨识评估及防控策略的管理更新，并基于城轨系统数字模型和推演模型对城轨系统状态进行推演分析(辨)。最后，数字孪生系统结合城轨系统实时状态数据和仿真推演数据分析结果输出系统最优控制策略，并反馈至物理系统实施实时策略控制(治、控、救)，实现从预防、控制到救援的全面安全管理闭环。

2.2　基于数字孪生的城轨主动安全保障架构

基于数字孪生的城轨主动安全保障系统分为物理系统和数字孪生系统，物理系统对城轨系统内的物理对象状态变化进行感知，并将感知数据传输至数字孪生系统；数字孪生系统对感知数据进行逐层数据处理和状态仿真推演，做出决策响应后反馈至物理系统，实现对物理对象状态的有效控制，基于数字孪生的城轨主动安全保障架构图如图1所示。

2.2.1　物理系统

物理系统包括城轨系统内的物理感知对象、感知设备以及数据交互硬件设备。感知设备实时感知物理对象的关键风险指标，并将数据实时传输至数字孪生系统，用于进一步数据分析和风险隐患评估，确保任何异常都可以立即被识别和处理。

城轨系统内的物理感知对象和感知设备按照运营管理业务分为“人、机、环、管”4个方面。

“人”指员工队伍和乘客，主要感知系统内个体不安全行为和群体异常状态^[15]。感知对象包括车站内客流情况、人员异常行为、乘客的移动轨迹、换乘时间、换乘费用等^[16]；感知设备包括AFC检票机、摄像头、WiFi探针、乘客终端设备等。

“机”指设备设施，主要感知城轨系统内设备设施的服役状态和故障情况，感知对象包括车站内的通信设备、排水设备等；区间内的信号设备、道岔转辙设备等；车辆内的牵引设备、消防设备等。感知设备包括压力传感器、电流电压传感器、摄像头、轨道几何测量系统等^[17]。

“环”指环境，主要感知车站、区间、车辆内的环境变化状态，感知对象包括温度、湿度、风速风向、噪声、光照度、空气质量数据等，感知设备包括各类传感器以及雨量计、辐射检测器等。

“管”指管理，主要感知系统内各项操作的准确性，感知对象包括列车运行控制系统、地铁调度指挥系统、地铁运营管理指挥中心、地铁运行控制中心，需要对其编制的行车组织规则、列车运行计划以及运营指标进行感知，贯穿安全管理全过程和“人、机、环”全要素。

2.2.2　数字孪生系统

数字孪生系统由数据-信息-知识管理层、数字孪生-仿真推演层和策略层构成。数字孪生系统对物理系统的多源感知数据进行深度分析和集成处理，将数据加工为信息、知识，并应用所构建的物理模型和算法对各种操作场景和应急情况进行仿真推演，评估系统潜在的风险隐患，并制定相应控制策略作用于物理系统。

（1）数据-信息-知识管理层。数据-信息-知识管理层由数据中心、信息平台和知识平台构成，其原始数据转化为有用的信息和可操作的知识，从而支持高级决策制定和策略实施。

数据中心是本层数据汇聚和存储的重要基础设施，用于存储、处理和管理城轨系统的大量数据。数据中心存储的数据分为4类：基础数据、历史数据、仿真推演数据和实时感知数据。其中，基础数据包括维修手册、政策法规、系统配置等，为系统维护和运行提供标准和参考；历史数据包括事故报告、检修记录、操作日志等，记录系统历史性能与事件；仿真推演数据包括模型验证数据、预测模拟数据、优化测试结果等，支持系统仿真推演模型优化；实时感知数据包括物理系统上传的设备运行状态、实时视频图像、环境监测数据等。数据中心对各类数据进行预处理，为后续数据处理分析奠定基础。

信息平台作为本层数据处理的核心部分，负责整合与处理分析数据中心上传的各类数据，将原始数据转换为有用信息，并对系统潜在的风险隐患数据进行辨识评估，生成设备与运营管理数据、乘客与环境分析数据、安全与风险管理3类数据，为知识平台的知识创建提供数据基础。此外，信息平台提供数据查询和自动化报表生成功能，方便决策者快速获取关键信息，实现对系统状态的实时监控和风险评估。

知识平台是本层的智慧决策大脑，用于问题诊断与决策优化，具备知识和决策能力。知识平台将信息平台提供的加工信息转换为风险、隐患、防控3类知识。其中，风险知识包括风险点集、风险清单和风险链路，隐患知识包括隐患点集、隐患清单和隐患类型，防控措施包括风险分级管控策略、隐患排查治理策略和事故应急救援策略。知识平台基于风险知识构建安全保障知识图谱，并能够根据系统的风险隐患动态数据进行及时自动更新和修正，不断完善知识网络，强化图谱的推理应用能力。

（2）数字孪生-仿真推演层。数字孪生-仿真推演层接收数据-信息-知识管理层上传的风险隐患实时感知数据及防控知识，综合运用数字模型和推演模型，实现精确的系统行为预测、性能评估与决策优化，提升系统的应急响应能力。

数字模型是数字孪生-仿真推演层的核心组成部分，其通过模拟城轨系统的几何特征、物理行为、操作行为和规则约束来构建系统的全面视图。其中，几何模型包括车辆外形、轨道布局等物理空间限制和设计参数，物理模型包括动力学行为模拟、热力学特性分析等，行为模型包括列车运行模拟、乘客流动行为等，规则模型则涵盖安全规则和运维标准等。

推演模型基于所构建的城轨系统数字模型进行深入分析和预测。机理分析推演模型基于轮轨作用机理、车辆故障机理等基本原理，模拟系统多因素间作用关系，对系统内的潜在风险隐患进行辨识。数据驱动推演模型基于机器学习、数理统计等方法对数据-信息-知识管理层上传的历史和实时数据进行分析，预测乘客流量、设备故障率、环境条件变化及其对运营的影响等未来变化趋势，为基于事前预防的风险管理提供决策支持数据。

（3）策略层。策略层是数字孪生系统决策和指令输出的部分。其通过分析实时风险隐患辨识评估分析结果以及未来风险隐患预测结果，制定并实施针对物理系统的安全管理与运营优化策略。策略层包括风险分级管控、隐患排查治理以及事故应急救援3个模块。其中，风险分级管控模块基于风险评估结果制定不同级别的风险应对措施，确保系统运行安全；隐患排查治理模块针对识别的潜在隐患，制定有效预防和纠正措施，持续跟踪隐患状态，确保隐患被及时处理；事故应急救援模块根据事故应急预案，快速部署救援资源和措施，最小化事故影响，并根据事故救援结果优化应急预案。

2.2.3　运行机制

基于数字孪生的城轨主动安全保障系统的运行过程实质上是物理系统运行、数字孪生系统运行、物理系统与数字孪生系统交互运行的过程。物理系统对城轨系统内部防控对象的多源数据进行实时监测和采集，并将感知数据上传至数字孪生系统。数据中心接收实时感知数据并对数据进行预处理。信息平台对预处理数据进行集成和高级处理，对系统潜在的风险隐患进行辨识评估，将数据转换为有用信息，并提供结构化数据查询和可视化功能。知识平台基于信息平台的风险隐患信息构建城轨主动安全保障知识图谱，存储风险、隐患及防控知识并支持知识推理。数字孪生-仿真推演层接收数据-信息-知识管理层上传的实时风险隐患感知数据和防控策略，调用所构建的城轨系统数字模型，应用基于机理分析和数据驱动的推演模型预测系统状态未来变化趋势。策略层根据城轨系统实时状态及未来预测状态输出相应的治控救策略并反馈至物理系统，物理系统执行对物理对象的控制策略，从而实现感知、辨识到治理、控制、救援的全过程。

2.2.4　应用服务

基于数字孪生的城轨主动安全保障系统能够支撑风险点日常管理、隐患点排查治理、应急预案日常管理、风险事件传播预测、站-线-网安全评估、事故救援策略优化等多项应用服务。系统能够持续监控和更新风险隐患知识库，提前识别处理潜在风险、排查治理存在隐患、更新完善应急预案。此外，系统能够结合实时感知数据和仿真推演数据，应用城轨主动安全保障知识图谱对风险链进行知识推理，实现风险事件传播路径预测，支持不同事故场景下救援策略的评估优化，以最大限度降低事故影响，提升城轨整体安全水平和服务质量。

3　基于数字孪生的城轨主动安全保障系统关键技术

城轨主动安全保障核心包括感知体系和知识体系，感知体系涉及传感器网络、实时数据分析、数据采集系统和监控技术，确保对城轨运行环境和状态的实时感知。知识体系是城轨主动安全保障系统的智慧大脑，主要涉及自然语言处理技术、知识图谱技术和基于数字孪生的仿真推演技术。自然语言处理技术从多种文本数据源中提取关键的安全信息，知识图谱技术整合和存储风险隐患与防控措施信息以支持复杂的风险分析，基于数字孪生的仿真推演技术则通过动态模拟进行风险预测和管理，3大关键技术相互协作，共同支撑知识体系构建，实现高效精准的城轨安全管理。

3.1　基于自然语言处理的城轨系统风险防控知识提取技术

自然语言处理技术能够从“人、机、环、管”4个方面对物理对象采集的各种文本数据源进行处理，提取城轨网络安全关键信息和风险要素。系统通过对新闻报道、运维报告、事故文档等文本数据的分析，能够自动识别并提取与城轨网络安全相关的事件、问题和异常情况等信息。随后通过各种自然语言处理方法对这些信息进行精细化处理，其中，文本分类技术对事故报告、设备故障等文本信息进行有效分类和归纳；文本纠错技术自动检测和修正文档错误，提升安全评估准确性；指代消解技术利用语义分析和上下文理解技术，自动识别文本中的代词所指代的对象，如车辆、信号、乘客，确保文本理解的准确性和一致性；文本摘要技术能够快速提取文档内容的关键信息和要点，提升信息理解效率与决策制定速度。经过自然语言技术处理后的数据将成为城轨主动安全保障知识图谱的主要数据基础，为系统的风险评估和决策支持提供重要数据支撑。基于自然语言处理的城轨网络风险要素提取技术如图2所示。

3.2　城轨主动安全保障图谱构建和应用技术

知识图谱技术根据城轨风险防控与主动安全保障应用场景及领域安全特点，借助知识图谱相关概念和方法构建城轨主动安全保障知识图谱，利用知识图谱有效地整合和存储风险相关知识，为各类风险分析提供较全面的数据支撑，并以可视化图形和表格等多种方式呈现风险分析的过程和结果，实现风险因子识别、风险链路预测以及防控措施制定，为事故防控相关语义搜索和智能问答提供知识支持，同时为安全管理和风险管控提供决策支持。基于知识图谱的城轨主动安全保障技术如图3所示。

3.3　基于数字孪生的城轨系统风险防控仿真推演技术

数字孪生技术可将城轨网络实际运行的物理状态映射至数字空间，对城轨系统内的各种运行状态进行仿真推演以预测可能出现的风险隐患事件和安全事故，并通过与城轨系统实际情况的对比验证分析不断改进优化数字孪生模型。城轨数字孪生模型首先基于动画、虚拟现实手段构建系统内需要被监测的关键设备模型，以三维立体空间形式直观展示设备的动态运行状态信息^[18]。其次，将模型三维空间位置信息数据与设备数据、人员数据、环境数据、业务数据等外部现实数据进行融合，为创建全面、动态、精确的数字孪生模型仿真环境提供数据支撑。最后，基于多源融合数据在三维空间模型内模拟设备的动态作业流程，实现设备物理实体与数字化组分之间的映射和交互。此外，数字孪生技术可与城轨主动安全保障知识图谱协同运作，在为知识图谱输入系统运行状态供其推理输出决策的同时，通过模拟实验来评估不同决策的影响，为管理者制定决策提供充分依据，提升城轨系统的安全性、高效性和可维护性。基于数字孪生的城轨网络仿真优化技术如图4所示。

3.4　应用场景与全局分析

城轨主动安全保障系统3个技术模块的应用在城轨风险主动防控落实中发挥重要作用，以下将通过1个具体应用服务场景，展示系统如何实现城轨全局设计与分析及应对实际操作中的各种挑战。

场景1：风险点日常管理。在日常运营中，城轨系统依赖物理系统传感器网络对关键风险指标进行实时监测，并通过专用通信网络将数据传输至数字孪生系统。数据-信息-知识管理层会对数据进行处理和分析，识别出系统潜在风险点，并制定相应防控策略。数字孪生-仿真推演层会依据不同防控策略模拟效果，优化风险点的日常监控和处理流程。策略层根据仿真结果制定并实施最佳防控策略，并将指令反馈至物理系统执行，保障系统的稳定运营。例如，当安装在轨道上的磨损检测传感器检测到某段轨道的磨损程度超过安全阈值时，会立即将该信息通过列车运营监控系统传输至中央控制室，并标记为风险点，触发警报。该信息也会被传输至数字孪生系统，系统利用仿真模块模拟与评估不同维修方案对列车运营的影响，选择最优的维修方案并通过移动终端或维护管理系统传达至维护团队。维护团队根据推荐方案及时进行现场维修，确保轨道和列车安全。

场景2：风险事件传播预测。当物理系统监测设备感知到潜在风险事件时，会立即将数据传输至数字孪生系统。数据-信息-知识管理层对风险事件数据进行辨识评估，并通过知识平台的知识图谱查找所有潜在的风险链路，识别出可能受影响的区域和设备。这些实时状态数据和风险链路数据会被传输至数字孪生-仿真推演层进行动态模拟，预测风险事件的传播路径和影响范围。策略层会依据仿真结果制定相应的防控措施并反馈至物理系统执行，防止风险事件扩散。当车站的通风系统出现故障时，安装在通风设备上的传感器会立即检测到异常，通过BAS系统发出警报，并将数据实时传输至中央控制室和数字孪生系统。数字孪生系统分析故障对车站各区域的影响，并利用仿真模块模拟不同应对措施，选择最优方案后，通过BAS系统或车站管理系统下达给相关操作人员。操作人员根据指令启动备用设备或在车站引导乘客按照新的路线行走，确保乘客安全。

场景3：事故救援策略优化。在事故发生时，物理系统的监测系统会实时收集现场数据，并通过通信网络传输至数字孪生系统。数据-信息-知识管理层快速整合事故信息和应急资源，分析现状并制定救援策略。数字孪生-仿真推演层对不同的救援策略进行模拟评估，优化救援方案。策略层选择最优方案并将指令反馈至物理系统执行，确保救援资源得到合理配置和高效使用。例如，当列车运行中发生电力故障导致全线停电时，列车上的电力监控系统和车载传感器会立即检测到电力中断，并通过列控系统将故障信息传输至中央控制室和数字孪生系统。数字孪生系统接收到故障数据后立即进行分析，并利用仿真推演模块模拟多种应急处理策略^[19]。系统确定最优方案后，策略层将具体的操作指令下达给物理系统的相关设备和人员。此时，司机通过车载人机界面接收详细的故障信息和操作指令，按照指令切换至备用电源或启动紧急照明系统，确保列车内部环境的基本安全。同时，车站的站务员通过运营管理系统接到应急通知，按照系统生成的救援策略，组织乘客有序撤离列车，并通过车站广播和引导标识提供替代疏散方案，确保乘客安全撤离事故现场^[20]。

4　结束语

本研究构建的基于数字孪生的城市轨道交通主动安全保障体系，通过物理系统与数字孪生系统的虚实映射与协同演化，构建“风险感知-知识推理-策略生成-动态调控”的闭环管理机制。该架构创新性地将知识图谱与仿真推演技术嵌入安全管理各环节，实现了风险隐患的多维度动态辨识与主动干预，系统性地重构了传统被动安全模式的事后处置逻辑，为城市轨道交通安全治理从经验驱动向数据智能驱动的转型提供了理论支撑与实践路径。

参考文献

[1] 赵健， 贾平， 陈士维.城市轨道交通列车客流统计分析管理与研究[EB/OL]. (2022-08-01)[2023-11-01] .

[2] 黄　攀. 城市轨道交通网络化运营带来的问题及应对措施[J]. 城市轨道交通研究，2023，26(6)：247-250.

[3] HUANG Pan. Problems Brought by Urban Rail Transit Networking Operation and Countermeasures[J]. Urban Mass Transit，2023，26(6)：247-250.

[4] 吴　强，刘志钢，钟　晓，等. 上海地铁运营安全双重预防机制建设的思考[J]. 中国安全生产科学技术，2020，16(S1)：54-59.

[5] 王光兴，刘寰宇，陈明利. 北京地铁矩阵式安全控制体系发展与实践[J]. 劳动保护，2021(5)：104-107.

[6] 裴　欢，赵　伟. 南京地铁“安全管理一体化”信息系统建设探讨[J]. 中国安全生产科学技术，2019，15(S1)：26-33.

[7] 胡　鹰，段芳敏，吕明宇，等. 深圳地铁安全管理平台设计与应用[J]. 现代城市轨道交通，2020(12)：137-143.

[8] HU Ying， DUAN Fangmin， LV Mingyu，et al. Design and Application of Shenzhen Metro Safety Management Platform[J]. Modern Urban Transit，2020(12)：137-143.

[9] 杨艳金. 广州地铁建设安全双重预防机制应用研究[D]. 广州：华南理工大学，2019.

[10] 范　斌，骆汉宾，周　诚. 武汉地铁工程建设安全预警系统的设计与应用[J]. 华中科技大学学报(城市科学版)，2010，27(1)：79-83.

[11] FAN Bin， LUO Hanbin， ZHOU Cheng. Design and Application of Safety Early-Warning System in Wuhan Metro Construction Project[J]. Journal of Huazhong University of Science and Technology (Urban Science Edition)，2010，27(1)：79-83.

[12] 李芙蓉，刘　煜，杨少选. 西安地铁运营管理信息化建设的探讨[J]. 现代城市轨道交通，2010(6)：53-55.

[13] 颜　函. 青岛地铁智能运维设计实践[J]. 智慧轨道交通，2023，60(3)：7-11.

[14] YAN Han. Design and Practice of Intelligent Operation and Maintenance of Qingdao Metro[J]. Smart Rail Transit，2023，60(3)：7-11.

[15] London Underground Limited. London Underground-Safety Certificate and Safety Authorisation[EB/OL]. (2022-07-31)[2023-11-01].

[16] 李小斌，陈中宁. 信息化在新加坡地铁公司HSE管理中的应用[J]. 都市快轨交通，2016，29(5)：131-133.

[17] LI Xiaobin， CHEN Zhongning. Application of Information Technology in HSE Management for SMRT Company[J]. Urban Rapid Rail Transit，2016，29(5)：131-133.

[18] 唐　锐. 莫斯科地铁应对大规模线网运营的经验启示[J]. 都市快轨交通，2009，22(1)：96-100.

[19] TANG Rui. Inspiration for Running a Large-Scale Network from Moscow Metro[J]. Urban Rapid Rail Transit，2009，22(1)：96-100.

[20] YU H， WANG Y M， QIU P Y，et al. Analysis of Natural and Man-Made Accidents Happened in Subway Stations and Trains：Based on Statistics of Accident Cases[J]. MATEC Web of Conferences，2019，272：01031.

[21] 唐雨昕，郭建媛，秦 勇，等.数据驱动的城轨列车延误下乘客出行时空路径选择模型[J].铁道运输与经济，2023，45(8)：145-153.

[22] TANG Yuxin，GUO Jianyuan，QIN Yong，et al A Data-Driven Model of Passenger Travel Space-Time Path Choice under Delay Condition on Urban Rail Transit[J]. Railway Transport and Economy，2023，45(8)：145-153.

[23] 李得伟，张天宇，周玮腾，等. 轨道交通大数据运用现状及发展趋势研究[J]. 都市快轨交通，2016，29(6)：1-7.

[24] LI Dewei， ZHANG Tianyu， ZHOU Weiteng，et al. State-of-the-Art and Trend Analysis of Big Data Application in Rail Transit[J]. Urban Rapid Rail Transit，2016，29(6)：1-7.

[25] 牛　涛，张　辉. 城市轨道交通智能运维系统方案研究[J]. 铁道运输与经济，2022，44(4)：99-105.

[26] NIU Tao， ZHANG Hui. Research on Intelligent Operation and Maintenance System Scheme of Urban Rail Transit[J]. Railway Transport and Economy，2022，44(4)：99-105.

[27] 蔡宇晶，高　凡，孟宇坤，等. 城市轨道交通设备智能运维系统设计及关键技术研究[J]. 铁路计算机应用，2023，32(7)：79-83.

[28] CAI Yujing， GAO Fan， MENG Yukun，et al. Design of Intelligent Operation and Maintenance System for Urban Rail Transit Equipment and Study on Its Key Technologies[J]. Railway Computer Application，2023，32(7)：79-83.

[29] 刘　洋. 地铁运营管理中突发事故的防范与处理措施[J]. 河北企业，2024(3)：75-77.

[30] 余　亮，陈　峰，王子甲. 城市轨道交通车站运营人员行为对乘客应急疏散路径选择干预的虚拟现实仿真建模方法[J]. 城市轨道交通研究，2024，27(7)：350-355.

[31] YU Liang， CHEN Feng， WANG Zijia. VR Simulation Modeling for Intervention of Urban Rail Transit Station Staff Behavior on Passenger Emergency Evacuation Path Choice[J]. Urban Mass Transit，2024，27(7)：350-355.

基金资助

先进轨道交通自主运行全国重点实验室重点项目(RCS2022ZZ002)