CN112258094A - 一种基于数字孪生的地铁列车性能评估系统构建方法 - Google Patents

Abstract

本发明公开了一种基于数字孪生的地铁列车性能评估系统构建方法，系统从虚实映射的角度出发，通过模型映射、行为映射和状态映射三个维度来构建，并以云边协同模式来实现应用服务；其中模型映射通过层级网络划分，建立路网、列车、部件层级的数字模型；行为映射将列车运行过程抽象为行为，通过视景仿真、多层级监控来可视化展示；状态映射集成计算环境、算法模型和工程软件，为列车深层次状态分析提供服务；云边协同模式建立车载与地面中心协作机制，完成不同时效、不同精度以及个性化的监控服务。本发明能充分还原地铁列车实际运行状态，提高对列车监控的透明性、时效性、全面性，也能提高对列车数据的共享，便于从全路网的角度做出运行调度策略。

Description

一种基于数字孪生的地铁列车性能评估系统构建方法

技术领域

本发明属于地铁列车的运维领域，尤其涉及一种基于数字孪生的地铁列车性能评估系统构建方法。

背景技术

数字孪生(Digital Twin)是实现物理对象在虚拟空间中真实数字镜像的一种手段，通过建立物理空间与虚拟空间的双向映射，能够从虚拟空间中对物理实体的行为进行同步的感知、监控、分析和预测，并最终反馈回物理实体对象，对其实现改造优化。数字孪生的应用具有全面、系统、直观、实时和高效等特点。

地铁作为现代城市出行的重要交通工具，对其进行性能评估、监控其实时运行状态、保障其安全运营具有重要意义。随着物联网、大数据、人工智能等信息技术的兴起，传统的列车运营正从被动安全向主动安全转型，对在途列车的管理也从车载级逐渐向车站级、中央级发展，如何实现对地铁列车高效、实时、智能化的评估是建设轨道交通强国的关键问题。

目前对地铁列车的性能状态的把握方法或系统多集中于对车站各设备的监控、对运行列车基本数据的监控以及对设备简单数据信息的挖掘。如中国专利文献CN108040081A公开了一种地铁车站数字孪生运维系统构建方法，该方法中的系统包括车站SCADA子系统、传感器网络、摄像头监控单元及服务器等，通过车站各系统、设备采集的数据来驱动建立的地铁车站数字孪生模型，真实地反映地铁车站的实际运行状态，从而提高信息共享和数据分析的效率，但该系统的关注对象主要是车站设备和系统，没有关注在途运行的列车。再如中国专利文献CN108282540A公开了一种地铁监控系统及其监控方法，该方法在线路上部署至少一个服务单元，用于车站运行数据获取，通过交换机与云端分布式服务器建立连接，并从云端返回该车站服务单元的工作策略，从而达到监控服务的目的，但该方法在于如何将地铁监控系统中央级设备和车站级设备相关联起来，使站点之间、线路之间有所支援，并未真正聚焦于对运行列车进行评估的内容。

由于地铁列车自身结构复杂、地铁网络系统层级交互，总结目前对在途列车的性能评估主要存在以下三方面的问题：

(1)列车运维向中央级综合监控发展，缺乏从全路网的角度对各线路列车的模型、数据进行有效组织和融合，不利于对任意地铁进行监控、分析和评估，也不利于上层系统统一指挥调度和监控管理；

(2)对列车的性能评估多从单一角度出发，基于监测数据，对部件进行单方面的状态分析和数据挖掘，然后以图表、文档等形式呈现其基础信息，缺乏对列车及其上组织部件在几何、物理、运动等多方面信息的融合，也即评估缺乏深度，不利于透明、直观地展现列车全方位、多角度的运行信息和状态性能；

(3)车载智能设备向多样化、复杂化发展，各类数据呈海量增长，传统的车载传感网络和车地数据传输模式容易形成通讯信道资源浪费、传输带宽不足、评估时效低、不稳定等问题，需要新的架构模式来适应多样化、个性化的监控和评估需求。

发明内容

针对上述存在的问题，本发明提供一种基于数字孪生的地铁列车性能评估系统构建方法。

本发明的一种基于数字孪生的地铁列车性能评估系统构建方法从数字孪生虚实映射的角度来构建，包括模型映射、行为映射、状态映射以及云边协同模式下的应用服务。具体为：

S1、模型映射：从全路网的角度出发，划分地铁网络层次结构，根据列车性能评估需求，建立路网、线路和站点关键属性的数据模型；构建列车、关键部件等在几何、物理和规则等方面的数字化模型，全方位地在虚拟空间中表达与列车运行相关的信息，形成全路网下的列车及其零部件的数字模型管理，为后续评估服务提供基础信息支撑。

S2、行为映射：将物理空间中的列车运行过程抽象为列车行为，把采集的运行数据关联到具体的列车或部件模型上，驱动模型以三维可视化的方式来直观展现列车在途过程中的动态过程，实现由静到动的转变，进一步促进虚实空间的关联，更加真实地反映列车运行情况。其中映射的内容包括两部分：

(1)帧动画驱动的列车运行动作可视化：在数据驱动下，利用连续切换的帧图片序列来模拟列车的运行，达到列车同步到站、同步开关门、同步启动的效果。

(2)多层级多维度的信息监控：把获取的各层级车载数据、运行信息关联至建立的多层级模型上，结合模型来直观展现数据信息。

S3、状态映射：系统集成高性能运算环境或工程软件，根据需求建立列车各类评估模型、智能算法及知识推理机等，集成后形成智慧服务模块，建立外部访问接口。通过模型映射中的模型信息和行为映射中的数据来共同驱动对列车深层次的状态分析、故障定位、性能预测，并结合三维模型进行透视化展示、定位，以图文报表的形式推送至相关部门，形成运维决策。

S4、云边协同模式下的应用服务：将对列车的评估划分为车载边缘侧和地面中心侧(云端)，通过两侧协作机制来完成不同时效、不同精度的评估、分析需求，以满足个性化的监控应用服务，在车地两侧均可通过模型映射、行为映射和状态映射三方面来实现评估内容。

进一步的，所述模型映射构建方法具体为：首先分析全路网的信息结构，包括路网、线路和站点，确定建模时需要包含的数据内容，然后利用XML语言来建立路网的数据描述模型，之后分析列车组成结构，结合产品BOM建立列车模型结构树，形成各层级模型的命名和编码规范，再之后利用CATIA、3DMAX等工具定制化建立列车各层级虚拟模型，并形成装配关系。最后，将建立的虚拟模型关联到模型结构树中，再与XML建立的全路网信息相关联，形成全路网下的列车及其部件模型信息管理。

进一步的，S2中所述的帧动画驱动的列车运行可视化构建步骤为：

S211：通过动画制作或视景仿真的形式获取列车在线路上运行的完整动画，该动画包括进站、出站、隧道行驶、开门、关门等；

S212：对动画逐帧进行图像抽取，形成列车运行帧图片序列，其中要保证图片的顺序不变；

S213：根据列车运行场景，将列车帧图片序列划分为至少5部分，包括列车进站、列车停车开门、列车关门启动、列车出站以及列车隧道行驶等，各部分的图片序列连续播放即可形成完整的场景变化动画；

S214：初始化场景，在数据驱动下，某一场景的图片序列开始播放，通过控制动画播放速度来达到加减速的效果；

S215：图片序列形成动画的过程中不断检测实时数据信号，当检测到诸如停车(速度变为0)、开门等的信号时即切换至下一场景的图片序列并进行播放，若未检测到，则继续当前序列的播放，而种情况下都会继续进行数据信号的检测。

进一步的，S2中所述的多层级多维度的信息监控构建具体方法为：首先将感知的车载动态数据关联到模型映射建立的静态模型上，结合模型来透视化展示动态数据，并将超出阈值或出现警报的部位在模型上高亮显示。然后，以相同的方式建立系统级、车辆级信息监控，将不同层级获取的数据关联到各自模型上，并建立信息共享机制，当部件级发生警报时，其余层级也当出现警报。最后，在帧动画驱动的列车运行可视化基础上建立列车级信息监控，展示列车运行信息。

进一步的，所述状态映射构建方法具体为：首先集成Matlab计算环境MCR以及动力学分析、有限元分析等软件，然后建立评估模型或算法，并集成到系统中，将算法以动态库的形式按规范存入数据库中，形成算法库，最后在静态模型和动态数据的驱动下，调用模型或算法完成评估服务，将结果结合三维模型进行可视化展示，并以图形报表形式推送至相关部门。

进一步的，所述云边协同模式下的应用服务的构建具体分为三部分：首先是车载边缘侧，将短周期、时延敏感、数据易处理的应用服务下沉到边缘侧，在车载端建立分布式评估系统，从车载数据中心直接获取数据，对列车各大系统的评估，评估的结果直接推送至驾驶室显示。然后是地面中心侧，负责完成长周期、长时延、数据量大的应用服务，主要包括模型训练、数据挖掘、信息决策、指挥调度等。最后是车地通信系统，完成车载侧与地面的通信交互，车载侧的采集数据和分析数据通过车地通信系统传送至地面中心，而地面中心则将训练的模型下发至车载侧进行部署。

本发明的有益技术效果是：

(1)本发明从全路网的角度来构建地铁列车性能评估系统，对路网、列车及其部件进行了信息建模，根据层次结构建立了模型间的关联关系，能方便地实现全路网下的模型组织管理，以实现对任意列车或部件的监控；

(2)本发明将数字孪生理念应用其中，对列车实体进行了全方面的数字镜像，在此基础上结合运行数据对列车进行深层次的状态分析，实现了虚拟空间由静到动、性能评估由浅到深的转变，且评估分析可根据搭建的具体环境可实现包括物理、运动、结构等多方面的分析，能更加全面、直观、深层次地展现列车运行情况；

(3)本发明在车载侧和地面监控中心侧应用了云边协同模式，通过将不同需求度的应用服务分离，配以高效的车地无线通信网络，以缓解在车载侧的计算、存储资源不足和地面中心侧服务时延长、通信信道浪费等缺点，从而达到一个更加高效、稳定的地铁列车监控模式。

附图说明

图1为本发明系统架构示意图。

图2为本发明中地铁列车模型映射构建方法示意图。

图3为本发明中地铁列车行为映射构建方法示意图。

图4为本发明中地铁列车状态映射构建方法示意图。

图5为本发明中云边协同理念下的应用服务模式示意图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步说明。

本发明的一种基于数字孪生的地铁列车性能评估系统构建方法如图1所示，包括模型映射、行为映射、状态映射以及云边协同模式下的应用服务。每个模块呈逐次递进关系，进行数据的传递和交互，并最终完成服务，形成决策反馈的闭环。

图2为模型映射的实施步骤，首先分析全路网的信息结构，包括路网、线路和站点，其中路网包含名称、描述等信息，线路包含名称、编号、站点数等信息，站点包含名称、下一站、是否换乘等信息，它们之间是层次递进的包含关系，且呈非结构化，为便于建模的易扩展、易修改、通用性，采用XML语言建立路网数据描述模型。然后，分析列车组成结构，结合列车产品BOM，设计模型管理结构树，将列车组成划分为零部件-系统-车辆-列车的基本层级结构，并制定命名和编码规范，形成模型管理结构树。在此基础上，利用CATIA、3DMAX等建模工具从几何、物理、规则方面建立各层级的虚拟模型，并形成装配关系，关联到对应的树节点上。最后，将路网数据信息与列车模型树结合起来，形成全路网下所有列车及其部件的模型信息管理。

图3为行为映射的实施步骤，总体上可以分为两部分。其中右边流程图是通过OSG帧动画的形式来展现列车运行动作，实现可视化效果；左边是建立多层级多维度的体系来监控列车运行过程中的车载传感数据和运行信息。具体实施过程如下：

(1)列车运行动作可视化实施步骤如下：

步骤1：获取列车在线路上运行的完整动画；

步骤2：将动画逐帧进行抽取，形成列车运行帧图片序列；

步骤3：根据列车运行场景，将列车帧图片序列划分为5部分，包括司机视角的列车进站、列车停车开门、列车关门启动、乘客视角的列车出站以及列车隧道行驶；

步骤4：以隧道形式初始化场景，在数据驱动下，隧道场景的图片序列开始顺序播放，并通过OSG帧动画速度回调方式来控制播放速度，达到加减速的效果；

步骤5：图片序列形成动画的过程中检测实时数据信号，进站信号为公里标达到指定的值，停车信号为速度为0，开门关门信号为0、1标志，重启行驶为有速度值，进入隧道则是公里标达到规定的值。当检测到场景切换信号时，则开始下一个场景的图片序列动画，并以此重复，否则保持当前的场景。

(2)多层级多维度的信息监控按照地铁结构划分来建立监控结构树，首先是建立部件级可视化信息监控，将零部件上采集、感知的动态数据关联到建立的静态模型上，如温度、振动、应力等，结合模型来透视化展示动态数据，并将超出监控阈值或出现警报的部位在模型上高亮显示，具体数值以列表形式展示出来，这一过程可从监控结构树的零部件级进入查看。然后，以相同的方法建立系统级、车辆级信息监控，将不同层级获取的数据关联到各自层级的模型上，由于列车各层级模型是包含关系，因此要建立层级之间的信息联动，当部件级发生警报时，其余层级也当出现警报。最后，建立列车级可视化信息监控，该部分是与帧动画驱动的列车运行动作可视化相关联的，即在展示列车运行动作的同时，也展示列车运行信息，如当前站点、下一站点、到站时间等。

图4是状态映射的实施过程，其具体步骤如下：

步骤1：集成Matlab的计算环境MCR、Python运算环境，动力学分析软件Simpack；

步骤2：结合相关机理、历史数据等，在集成的环境下建立了动力学模型和基于Matlab的评估算法；

步骤3：将动力学模型以文件的形式存储与系统目录下，并以规范命名，保存其路径，Matlab算法则以一定的规范编译为动态库，存入数据库中形成算法库，设置了输入输出接口，供系统管理和调用；

步骤4：结合模型映射中的静态模型信息和行为映射中的动态运行数据，按需调用相应的动力学模型和评估算法，在MCR环境下进行评估分析；

步骤5：将评估计算结果关联到建立的三维模型上，进行定位展示，提升评估结果的可视化效果，实现由浅到深的评估；

步骤6：将评估结果形成报表，推送至相关部门，以形成运维决策。

图5为云边协同模式下的应用服务，包括车载监控、车地通信系统、地面中心监控。其实施过程根据监控评估需求，对不同需求度的监控服务项进行划分，如短周期与长周期、时延敏感与不敏感等，将前者的相关应用、模型部署至车载一侧，结合各车载部件形成分布式评估系统。由车载传感网络感知的车载监控数据则集成到车载数据中心，并统一分发至各评估子系统完成边缘侧服务，最终评估数据结合基本监测数据一起传输至列车显示终端，供列车驾驶员查看。在地面中心侧，根据车地通信系统上传的数据结合历史数据进行数据分析、挖掘、模型训练等，从而进一步实现运维系统上层统一决策与指挥调度。同时，训练的模型供地面监控中心侧使用，也可下发至车载侧，作为评估子系统代理模型，从而实现车载与地面中心的协作。车载与地面中心的监控服务也都基于模型、行为和状态三个维度来构建，能有效解决地铁监控系统在时效性、直观性、稳定性、信道资源等方面存在的问题。

Claims (6)

1.一种基于数字孪生的地铁列车性能评估系统构建方法，其特征在于，从数字孪生虚实映射的角度来构建，具体为：

S1、模型映射：从全路网的角度出发，划分地铁网络层次结构，根据列车性能评估需求，建立路网、线路和站点关键属性的数据模型；构建列车、关键部件在几何、物理和规则方面的数字化模型，全方位地在虚拟空间中表达与列车运行相关的信息，形成全路网下的列车及关键部件的数字模型管理，为后续评估服务提供基础信息支撑；

S2、行为映射：将物理空间中的列车运行过程抽象为列车行为，把采集的运行数据关联到具体的列车或部件模型上，驱动模型以三维可视化的方式来直观展现列车在途过程中的动态过程，实现由静到动的转变，进一步促进虚实空间的关联，更加真实地反映列车运行情况，其中映射的内容包括两部分：

(1)帧动画驱动的列车运行动作可视化：在数据驱动下，利用连续切换的帧图片序列来模拟列车的运行，达到列车同步到站、同步开关门、同步启动的效果；

(2)多层级多维度的信息监控：把获取的各层级车载数据、运行信息关联至建立的多层级模型上，结合模型来直观展现数据信息；

S3、状态映射：系统集成高性能运算环境或工程软件，根据需求建立列车各类评估模型、智能算法及知识推理机，集成后形成智慧服务模块，建立外部访问接口；通过模型映射中的模型信息和行为映射中的数据来共同驱动对列车深层次的状态分析、故障定位、性能预测，并结合三维模型进行透视化展示、定位，以图文报表的形式推送至相关部门，形成运维决策；

S4、云边协同模式下的应用服务：将对列车的评估划分为车载边缘侧和地面中心侧，即云端；通过两侧协作机制来完成不同时效、不同精度的评估、分析需求，以满足个性化的监控应用服务，在车地两侧均可通过模型映射、行为映射和状态映射三方面来实现评估内容。

2.根据权利要求1所述的一种基于数字孪生的地铁列车性能评估系统构建方法，其特征在于，所述模型映射的构建方法具体为：首先分析全路网的信息结构，包括路网、线路和站点，确定建模时需要包含的数据内容，然后利用XML语言来建立路网的数据描述模型，之后分析列车组成结构，结合产品BOM建立列车模型结构树，形成各层级模型的命名和编码规范，再之后利用CATIA、3DMAX工具定制化建立列车各层级虚拟模型，并形成装配关系；最后，将建立的虚拟模型关联到模型结构树中，再与XML建立的全路网信息相关联，形成全路网下的列车及其部件模型信息管理。

3.根据权利要求1所述的一种基于数字孪生的地铁列车性能评估系统构建方法，其特征在于，所述步骤S2中的帧动画驱动的列车运行可视化的构建步骤为：

S211：通过动画制作或视景仿真的形式获取列车在线路上运行的完整动画，该动画包括进站、出站、隧道行驶、开门和关门；

S212：对动画逐帧进行图像抽取，形成列车运行帧图片序列，其中要保证图片的顺序不变；

S213：根据列车运行场景，将列车帧图片序列划分为至少5部分，包括列车进站、列车停车开门、列车关门启动、列车出站以及列车隧道行驶，各部分的图片序列连续播放即可形成完整的场景变化动画；

S214：初始化场景，在数据驱动下，某一场景的图片序列开始播放，通过控制动画播放速度来达到加减速的效果；

S215：图片序列形成动画的过程中不断检测实时数据信号，当检测到停车、开门的信号时即切换至下一场景的图片序列并进行播放；若未检测到，则继续当前序列的播放，而种情况下都会继续进行数据信号的检测。

4.根据权利要求1所述的一种基于数字孪生的地铁列车性能评估系统构建方法，其特征在于，所述步骤S2中的多层级多维度的信息监控的构建方法具体为：

首先将感知的车载动态数据关联到模型映射建立的静态模型上，结合模型来透视化展示动态数据，并将超出阈值或出现警报的部位在模型上高亮显示；然后，以相同的方式建立系统级、车辆级信息监控，将不同层级获取的数据关联到各自模型上，并建立信息共享机制，当部件级发生警报时，其余层级也当出现警报；最后，在帧动画驱动的列车运行可视化基础上建立列车级信息监控，展示列车运行信息。

5.根据权利要求1所述的一种基于数字孪生的地铁列车性能评估系统构建方法，其特征在于，所述状态映射的构建方法具体为：

首先集成Matlab计算环境MCR以及动力学分析、有限元分析软件，然后建立评估模型或算法，并集成到系统中，将算法以动态库的形式按规范存入数据库中，形成算法库，最后在静态模型和动态数据的驱动下，调用模型或算法完成评估服务，将结果结合三维模型进行可视化展示，并以图形报表形式推送至相关部门。

6.根据权利要求1所述的一种基于数字孪生的地铁列车性能评估系统构建方法，其特征在于，所述云边协同模式下的应用服务的构建具体为：

首先是车载边缘侧，将短周期、时延敏感、数据易处理的应用服务下沉到边缘侧，在车载端建立分布式评估系统，从车载数据中心直接获取数据，对列车各大系统的评估，评估的结果直接推送至驾驶室显示；然后是地面中心侧，负责完成长周期、长时延、数据量大的应用服务，主要包括模型训练、数据挖掘、信息决策、指挥调度；最后是车地通信系统，完成车载侧与地面的通信交互，车载侧的采集数据和分析数据通过车地通信系统传送至地面中心，而地面中心则将训练的模型下发至车载侧进行部署。

Images