歐洲鐵路數字孿生戰略實施計劃與應用現狀

1 推動鐵路行業數字化轉型的意義

目前，對歐盟（EU）來說，推動鐵路數字化轉型是一個比以往任何時候都更迫切的議程，這被認為是開啟歐洲未來經濟增長的關鍵一環。隨著數字技術培育的業務、產品和服務日益成熟，所有行業都在經歷快速發展。交通運輸行業也不例外，鐵路基礎設施的升級迭代將在歐洲實現“數字飛躍”的進程中扮演重要角色。

作為歐盟委員會（EC）打造迎合數字時代競爭的歐洲計劃的一部分，決策者需要大膽制定數字技術發展戰略，利用這些創新技術應對氣候變化等棘手問題，并塑造歐洲的數字化未來。毫無疑問，綠色和數字化轉型的雙重挑戰是相輔相成的。歐盟明確表示，技術創新的目的之一是踐行高效、經濟的資源利用方式，建立可持續發展模式。在這方面，數字化將是實現歐洲綠色、可持續發展目標的關鍵。

歐洲鐵路的供應行業應充分認識到，數字技術將有力推動社會的經濟與文化向具有整體可持續性的社會模式方向過渡。這一愿景已載入歐洲鐵路工業聯盟（UNIFE）發表的《適應數字時代的鐵路（2020）》報告。數字孿生是該報告所提及的眾多技術路線發展趨勢之一，明確反映數字化對增強鐵路相關資產可持續性（能源效率、可循環性和容量）的重要意義。

2 鐵路業界中的數字孿生技術機遇

數字孿生技術具備通過技術革新改進設計，顯著增強協作性，進而提高基礎設施性能和可靠性的潛質，是近年來交通運輸領域最受矚目的話題之一。包括鐵路行業，許多行業領域已開始關注該技術。從醫療保健到智慧城市管理，數字孿生正成為整個制造業產品創新和價值鏈優化的重要工具。

為從根本上改善和減緩氣候變化，適應新的發展戰略并改善危機管理能力，在EU 層面，EC 明確強調數字孿生在綠色框架協議內的重要地位并一直將《目的地 地球》倡議（DestinE）作為其數字脫碳計劃的一個重要應用領域。

另一方面，歐洲鐵路制造商將數字孿生視為鐵路運輸技術進步的巨大推動力，其地位與大數據、人工智能（AI）和區塊鏈同等。數字孿生技術的真正優勢之一在于，它能夠預測鐵路系統和其子系統的關鍵發展動向，預測相關鐵路設施未來的性能變化，并在實際運用前通過試運行找到最佳解決方案。

數字孿生技術可以運用到鐵路設施的整個生命周期，鐵路基礎設施和機車車輛便是其潛在的主要應用領域之一，尤其是在預測性狀態維護方面。事實上，在設施老化模擬中使用數字孿生技術有助于預測和識別出軌道和車輛中存在的具有故障風險的部件。這一數字化解決方案可以指導人們根據運營要求進行設計改進，并將改進的成果應用在未來的產品和系統中。此外，在新的鐵路線路或機車車輛規劃、建造或是更新、升級改造過程中，數字孿生技術可用于預測項目執行過程中發生的變化，以及施工質量潛在問題所帶來的風險。因此，應用數字孿生技術可以實現基礎設施和機車車輛投資價值最大化，避免拖期引起的成本增加。

此外，數字孿生生態系統涵蓋范圍比鐵路相關核心系統及其子系統更廣泛。大型鐵路基礎設施項目，例如“大巴黎快線”（Le Grand Paris Express）計劃中，這些生態系統可以擴展到建筑和土木工程行業領域，應用成果惠及基礎設施規劃和房地產管理人員。這一數字技術也有助于提升資源使用效率。通過跟蹤鐵路設施從設計階段到報廢回收階段的生命周期，可以提高流程效率和產品可持續性。因此，數字孿生技術的應用有助于鐵路行業實現綠色歐洲協議規定的循環經濟要求。

但需要注意的是，應當仔細研究數字孿生技術和大數據技術之間的關系。數字孿生系列技術利用真實的信息系統，生產和處理大量的數據，這將帶來數據訪問的權限和所有權問題。UNIFE 強調，必須在鐵路部門（包括城市軌道交通）建立有效的數據共享框架，以解決與數據訪問和其所有權相關的問題。在《數據治理法案》背景下，“公共移動數據空間”的建立也已經提上日程。

3 歐洲鐵路主要研究與創新項目

研究與創新（R&I）在推動鐵路數字化轉型方面發揮著關鍵作用。執行董事卡洛·博基尼（Carlo Borghini）領導的“構建未來鐵路系統聯合行動計劃”（Shift2Rail）聯合項目的目的在于將整個行業的創新生態系統整合到一起，確保行業前進道路具有前瞻性和長期性。Shift2Rail研究數字孿生相關應用在各種子系統中的潛力，具體項目有：調控命令和信號X2Rail 項目、機車車輛Pivot項目、基礎設施In2Track 項目和能源In2Stempo 項目。Shift2Rail 內部開展的數字孿生的研究與創新活動有助于更高效地預測和控制鐵路設施當下和未來的發展趨勢與效益。

Shift2Rail 的繼任者“歐洲地平線”（歐洲鐵路聯合事業部）將繼續數字孿生技術的相關研究工作。在歐洲鐵路研究咨詢委員會（ERRAC）發布的“戰略研究與創新議程”（SRIA）中，擬商議的轉型項目之一是“鐵路數字孿生、仿真和虛擬化”。改造項目將應用于對鐵路業務績效影響較大的幾個領域，處理相關子系統的所有模塊，即車輛、基礎設施、供電、信號，以及它們相互之間的接口。目標是基于Shift2Rail 的要求，真正開發一個涵蓋整個鐵路部門和系統的“鐵路數字孿生技術”框架。

數字孿生不僅有助于了解資產歷史和當前情況，還能模擬場景，并預測使用和維護演變/變化的備選方案。通過這些改造項目，數字孿生的應用方法將在預測其能產生積極影響的領域持續不斷地改進。該技術將引發設計革命，由此造就鐵路系統的重大演化，并使鐵路行業從中獲得巨大的發展優勢和影響力。

4 數字孿生技術在法國鐵路網的發展和機遇

4.1 數字孿生技術應用面臨的問題

目前鐵路行業工業體系面臨的問題是如何通過創新，切實確定新的性能目標并構建數字孿生模型。長期以來，數字孿生技術一直被認為是一種盡可能逼真地復制物體的3D 模型。在鐵路系統中，由于鐵路沿線周圍環境會隨著季節的變化而變化，對鐵路線附近區域進行建模時需要獲取和管理可以隨著時間的推移在超過50 000 km 的鐵路網中演變的數字模型推演的能力。然而，這種純粹的空間推演沒有考慮到鐵路網的動態機能，例如列車運行周期、管理規則或運營流程。因此，每天、每周和每月都需要獲取額外的數據來轉化和調整網絡運行的周期。系統需要添加不同的信源，借此還原出由于各個系統或子系統因潛在事件影響網絡而產生的各種復雜程度不同的事件。

國家鐵路系統在本質上是高度復雜的。因此，數字孿生技術必須能夠在空間和時間上以不同的維度反映這些多樣的復雜事件，如列車到站的延遲時間、架空接觸網的幾何結構管理、工作人員維護操作記錄的保存、新項目的財務規劃等。所面臨挑戰的一方面是需要構建一套能在未來進化中被整合的、具備包容性和全球系統性的愿景；另一方面，這一系統還可以通過引入經濟杠桿以及通過線網數字化轉型提高性能，為基礎設施管理者帶來現實的收益。

因此，自2018年以來，法國國家鐵路網（SNCF）基于這2 個方向進行數字孿生建模：在全球范圍內，通過概念化當前和未來的使用場景，導入名為阿麗亞娜（ARIANE）的新系統數據模型，使得歷史上存儲在不同計算機信息系統中的工作數據具備橫向性。此外，在另一個層面，開發具體的應用程序，以方便地評估通過數字方法創建的新流程的價值，助力系統性能的提高。

4.2 數字孿生技術應用現狀

SNCF 的數字孿生模型當前必須依賴公司內部目前正在進行的各種數字應用計劃之間的互聯互通才能運行。主要應用形式之一是在計算機系統中借助數據管理系統在產品的整個生命周期中，對其使用歷史和變化過程進行數字化處理。雖然從業者正在努力確定和推廣可為推進新項目提供思路的數字孿生模型新用途，但數字孿生技術目前在SNCF 的普及速度尚未達到預期。以下是目前正在進行的5 個項目，這些項目有可能通過數字孿生建模的方法獲得更好的績效。

4.2.1 持續不斷的信息流助力維保反應提速

在Shift2Rail 項目的背景下，SNCF 正在與其他行業合作，采用內部的工程養護機械在網絡中進行線路翻新維保等工作，設立包含更多實用信息的維修記錄。目標是確保在施工階段和隨后的運行和維保階段之間所收集的信息的數字連續性。系統將向所有員工提供完全數字化的易于訪問的結構化數據，員工將可在該鐵路系統生命周期內訪問這些數據。

4.2.2 AI用于整個網絡的列車限界管理

詳細了解鐵路設施（站臺、橋梁、中軸線等）的限界是確保鐵路安全的基本要素。為提高性能和安全性，SNCF 正在開發一種基于激光3D 雷達點云數據的將基礎設施完全數字化的方法，通過開發能夠處理數據的復雜算法，實現對設備裝配合規性的整體驗證過程數字化。Omega2N 項目是其中的代表。此外，SNCF 還為英國基礎設施管理的英國國營鐵路公司（Network Rail）實施該方法，該公司也在調查點云數據處理的潛力，以更新其內部的限界數據庫。

4.2.3 通過自動計算監測柔性架空接觸網的幾何形狀

接觸網高度測控以及超差監測是防止接觸網張力出現問題，導致性能異常的關鍵控制點。通過對激光雷達點云數據的連續自動算法分析，可以在1 cm 的精度上實現幾何測量，實現在幾個小時內測量幾百公里線路的效果。接觸網支柱的檢測機能還可以在很大的距離范圍內為工作人員自動生成定位信息。

4.2.4 通過計算轉移多砟或少砟區域的道砟

識別道碴外形是道砟清篩過程中的關鍵環節。SNCF根據激光雷達的數據計算真實的道砟剖面，將其與參考的剖面形狀進行比對，以確定多砟或少砟的具體區域。相關區域將被標注上地理位置參考信息，便于工務管理人員及時趕到現場回收多余道砟或是將多余道砟載往少砟區域。這將在發展內部循環經濟的同時獲得更好的經濟收益。

4.2.5 鐵路侵限障礙物檢測

SNCF 正在努力通過監測鐵路線上的障礙物以提高網絡安全。工務維修后可能會有工具等物體被無意遺留在軌道上。對這些物體的檢測可以通過比較相隔幾周采集的2 組點云數據集之間的差異來進行。通過這種方式，還可在過濾后識別并表征對象物體的類型。然后，將物體的類型和位置信息發送給現場工作人員，以便他們清除或重新固定好相應的物體。快速自動檢測可以在更短的時間內作出反應，以降低此類事件導致的安全風險和列車延誤的可能性。

4.3 小結

SNCF 在數字孿生技術上投入大量資金進行研發，以便對鐵路網進行建模，同時也將其用作不同計算機系統間的互連互通工具，以確保計算、模擬、預測所需數據暢行無阻，同時可以便捷地向所有相關工作人員發布這些信息，以便開發針對特定案例的解決方案，使得基礎設施管理者可通過全新的數字作業系統創造更多價值。

5 數字孿生技術提升荷蘭鐵路系統數據使用效率

5.1 存在的問題與改進方向

荷蘭的鐵路系統是世界上最繁忙、最準時的鐵路網絡之一。為方便乘客及時獲取列車到站信息，需要對新鐵路和歐洲鐵路交通管理系統（ERTMS）進行大量投資，并對現有設施進行更智能的管理。在客流量增加的情況下，維持并進一步改進安全性、可用性和性能是荷蘭鐵路系統面臨的巨大挑戰。

隨著鐵路運輸需求日益旺盛，客運和貨運列車的增加將導致鐵路設施的磨耗增加，可用于（緊急）維護活動或維保的必要時間將進一步縮短。此外，每次線路的中斷都將產生更大的影響，影響更多的乘客和貨運代理。ProRail 公司認為，“基于數據驅動的預測方法”是應對這些挑戰的最佳解決方案之一。公司正將注意力轉移到未來，做出預測并采取新的運作方法。數字孿生技術的概念是這一數字化轉型的關鍵部分，代表著一種新的設施管理方式。

控制、指揮以及交通管理系統中的數據錯誤將影響車輛的正常行駛。更加智慧地使用數據管理物流流程，調度列車，已經成為迫切的需求。然而，運營商還無法通過數據將諸如鐵路、路堤、橋梁、隧道、道岔和架空接觸網等設施的信息把握到位。因此，需要通過安裝在檢測列車上的傳感器來監測這些系統的健康狀況。在設施上加裝物聯網（IoT）傳感器，并定期進行手動狀態評估，再通過升級狀態監測的頻率和自動化程度，工作人員可以獲得更多相關數據和訊息，從而更好地管理整個系統。

5.2 數字孿生與信息處理

目前工作的難點是將來自各種信息系統的基于不同信息模型的大量數據轉化為有用的信息。數字孿生技術是 ProRail 公司員工全面掌控自有設施信息的理想渠道。這些信息可以用紛繁復雜的3D 格式完成，也可以用簡單的地理地圖、示意圖或設施列表表示。因此，ProRail使用自己的集成信息模型，使員工便捷地以兼容模式從源頭構建資產數據，并使數據更易于處理、鏈接和集成。

5.2.1 數據高級分析

ProRail 公司專注于數據的高級分析工作，將大數據轉化為有用的信息，以洞悉到更深刻、更關鍵的規律。例如，通過特殊的檢測列車獲得歷史磨損數據，將歷史數據推演到未來，在此期間考慮新出現的影響因素，如鐵路交通量和火車類型的計劃內增長，以及氣候的變化等，最終確定荷蘭境內的線網中哪些軌道的壽命已經臨近、需要更換。這種分析方式讓運營商對壽命、風險、預算和預期績效擁有更深入的了解，更智慧地安排設施維保更新工作。

為便于終端用戶深入了解鐵路設施老化情況，ProRail 開始研究新的數據收集方法，例如新型的物聯網傳感器，以及使用普通客運列車上的傳感器進行高頻數據采集。ProRail 的一個成功案例是對鐵軌照片進行自動分析，以發現鐵軌和軌枕上的小裂縫，或電氣接頭附近的侵蝕等病害。創新點在于使用特殊測量列車上的相機拍攝照片并通過新開發的算法年復一年地檢測照片中的異常。此外，通過比較多年來的圖像還可以發現這些病害的發展趨勢與發展趨勢的變化。

5.2.2 重視數據質量

在過去的幾年中，ProRail 發現，獲取的數據質量越高，算法的功能越能有效發揮。因此，數據質量也應該成為一個需要重點關注的問題。除此之外，最終用戶希望了解為他們提供數據的模型創建過程，以避免“黑箱算法”。這意味著運營商需要做到從原始數據到解決方案的一切透明、可追溯。如何將算法和平臺作為服務一同提供給客戶將是行業面臨的下一個問題。

5.3 未來趨勢預測

數字化轉型目前旨在通過將數據轉化為相關解決方案來支持最終用戶，這些解決方案用于做出正確的決策和行動。算法的發展目標是自動決策，其可用的計算和分析能力可以自動處理越來越多的變量。這使運營商能夠憑借算法做出更好的模擬、預測和決策。鐵路行業未來的工作方式正在快速發生變化。鐵路業界中的人工智能發展趨勢無法阻止，并將助力于鐵路系統的長遠發展。未來幾年里，全世界的鐵路業界會有很多有意義的工作在數字化領域展開。