欧洲铁路数字孪生战略实施计划与应用现状

1 推动铁路行业数字化转型的意义

目前，对欧盟（EU）来说，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，这被认为是开启欧洲未来经济增长的关键一环。随着数字技术培育的业务、产品和服务日益成熟，所有行业都在经历快速发展。交通运输行业也不例外，铁路基础设施的升级迭代将在欧洲实现“数字飞跃”的进程中扮演重要角色。

作为欧盟委员会（EC）打造迎合数字时代竞争的欧洲计划的一部分，决策者需要大胆制定数字技术发展战略，利用这些创新技术应对气候变化等棘手问题，并塑造欧洲的数字化未来。毫无疑问，绿色和数字化转型的双重挑战是相辅相成的。欧盟明确表示，技术创新的目的之一是践行高效、经济的资源利用方式，建立可持续发展模式。在这方面，数字化将是实现欧洲绿色、可持续发展目标的关键。

欧洲铁路的供应行业应充分认识到，数字技术将有力推动社会的经济与文化向具有整体可持续性的社会模式方向过渡。这一愿景已载入欧洲铁路工业联盟（UNIFE）发表的《适应数字时代的铁路（2020）》报告。数字孪生是该报告所提及的众多技术路线发展趋势之一，明确反映数字化对增强铁路相关资产可持续性（能源效率、可循环性和容量）的重要意义。

2 铁路业界中的数字孪生技术机遇

数字孪生技术具备通过技术革新改进设计，显著增强协作性，进而提高基础设施性能和可靠性的潜质，是近年来交通运输领域最受瞩目的话题之一。包括铁路行业，许多行业领域已开始关注该技术。从医疗保健到智慧城市管理，数字孪生正成为整个制造业产品创新和价值链优化的重要工具。

为从根本上改善和减缓气候变化，适应新的发展战略并改善危机管理能力，在EU 层面，EC 明确强调数字孪生在绿色框架协议内的重要地位并一直将《目的地 地球》倡议（DestinE）作为其数字脱碳计划的一个重要应用领域。

另一方面，欧洲铁路制造商将数字孪生视为铁路运输技术进步的巨大推动力，其地位与大数据、人工智能（AI）和区块链同等。数字孪生技术的真正优势之一在于，它能够预测铁路系统和其子系统的关键发展动向，预测相关铁路设施未来的性能变化，并在实际运用前通过试运行找到最佳解决方案。

数字孪生技术可以运用到铁路设施的整个生命周期，铁路基础设施和机车车辆便是其潜在的主要应用领域之一，尤其是在预测性状态维护方面。事实上，在设施老化模拟中使用数字孪生技术有助于预测和识别出轨道和车辆中存在的具有故障风险的部件。这一数字化解决方案可以指导人们根据运营要求进行设计改进，并将改进的成果应用在未来的产品和系统中。此外，在新的铁路线路或机车车辆规划、建造或是更新、升级改造过程中，数字孪生技术可用于预测项目执行过程中发生的变化，以及施工质量潜在问题所带来的风险。因此，应用数字孪生技术可以实现基础设施和机车车辆投资价值最大化，避免拖期引起的成本增加。

此外，数字孪生生态系统涵盖范围比铁路相关核心系统及其子系统更广泛。大型铁路基础设施项目，例如“大巴黎快线”（Le Grand Paris Express）计划中，这些生态系统可以扩展到建筑和土木工程行业领域，应用成果惠及基础设施规划和房地产管理人员。这一数字技术也有助于提升资源使用效率。通过跟踪铁路设施从设计阶段到报废回收阶段的生命周期，可以提高流程效率和产品可持续性。因此，数字孪生技术的应用有助于铁路行业实现绿色欧洲协议规定的循环经济要求。

但需要注意的是，应当仔细研究数字孪生技术和大数据技术之间的关系。数字孪生系列技术利用真实的信息系统，生产和处理大量的数据，这将带来数据访问的权限和所有权问题。UNIFE 强调，必须在铁路部门（包括城市轨道交通）建立有效的数据共享框架，以解决与数据访问和其所有权相关的问题。在《数据治理法案》背景下，“公共移动数据空间”的建立也已经提上日程。

3 欧洲铁路主要研究与创新项目

研究与创新（R&I）在推动铁路数字化转型方面发挥着关键作用。执行董事卡洛·博基尼（Carlo Borghini）领导的“构建未来铁路系统联合行动计划”（Shift2Rail）联合项目的目的在于将整个行业的创新生态系统整合到一起，确保行业前进道路具有前瞻性和长期性。Shift2Rail研究数字孪生相关应用在各种子系统中的潜力，具体项目有：调控命令和信号X2Rail 项目、机车车辆Pivot项目、基础设施In2Track 项目和能源In2Stempo 项目。Shift2Rail 内部开展的数字孪生的研究与创新活动有助于更高效地预测和控制铁路设施当下和未来的发展趋势与效益。

Shift2Rail 的继任者“欧洲地平线”（欧洲铁路联合事业部）将继续数字孪生技术的相关研究工作。在欧洲铁路研究咨询委员会（ERRAC）发布的“战略研究与创新议程”（SRIA）中，拟商议的转型项目之一是“铁路数字孪生、仿真和虚拟化”。改造项目将应用于对铁路业务绩效影响较大的几个领域，处理相关子系统的所有模块，即车辆、基础设施、供电、信号，以及它们相互之间的接口。目标是基于Shift2Rail 的要求，真正开发一个涵盖整个铁路部门和系统的“铁路数字孪生技术”框架。

数字孪生不仅有助于了解资产历史和当前情况，还能模拟场景，并预测使用和维护演变/变化的备选方案。通过这些改造项目，数字孪生的应用方法将在预测其能产生积极影响的领域持续不断地改进。该技术将引发设计革命，由此造就铁路系统的重大演化，并使铁路行业从中获得巨大的发展优势和影响力。

4 数字孪生技术在法国铁路网的发展和机遇

4.1 数字孪生技术应用面临的问题

目前铁路行业工业体系面临的问题是如何通过创新，切实确定新的性能目标并构建数字孪生模型。长期以来，数字孪生技术一直被认为是一种尽可能逼真地复制物体的3D 模型。在铁路系统中，由于铁路沿线周围环境会随着季节的变化而变化，对铁路线附近区域进行建模时需要获取和管理可以随着时间的推移在超过50 000 km 的铁路网中演变的数字模型推演的能力。然而，这种纯粹的空间推演没有考虑到铁路网的动态机能，例如列车运行周期、管理规则或运营流程。因此，每天、每周和每月都需要获取额外的数据来转化和调整网络运行的周期。系统需要添加不同的信源，借此还原出由于各个系统或子系统因潜在事件影响网络而产生的各种复杂程度不同的事件。

国家铁路系统在本质上是高度复杂的。因此，数字孪生技术必须能够在空间和时间上以不同的维度反映这些多样的复杂事件，如列车到站的延迟时间、架空接触网的几何结构管理、工作人员维护操作记录的保存、新项目的财务规划等。所面临挑战的一方面是需要构建一套能在未来进化中被整合的、具备包容性和全球系统性的愿景；另一方面，这一系统还可以通过引入经济杠杆以及通过线网数字化转型提高性能，为基础设施管理者带来现实的收益。

因此，自2018年以来，法国国家铁路网（SNCF）基于这2 个方向进行数字孪生建模：在全球范围内，通过概念化当前和未来的使用场景，导入名为阿丽亚娜（ARIANE）的新系统数据模型，使得历史上存储在不同计算机信息系统中的工作数据具备横向性。此外，在另一个层面，开发具体的应用程序，以方便地评估通过数字方法创建的新流程的价值，助力系统性能的提高。

4.2 数字孪生技术应用现状

SNCF 的数字孪生模型当前必须依赖公司内部目前正在进行的各种数字应用计划之间的互联互通才能运行。主要应用形式之一是在计算机系统中借助数据管理系统在产品的整个生命周期中，对其使用历史和变化过程进行数字化处理。虽然从业者正在努力确定和推广可为推进新项目提供思路的数字孪生模型新用途，但数字孪生技术目前在SNCF 的普及速度尚未达到预期。以下是目前正在进行的5 个项目，这些项目有可能通过数字孪生建模的方法获得更好的绩效。

4.2.1 持续不断的信息流助力维保反应提速

在Shift2Rail 项目的背景下，SNCF 正在与其他行业合作，采用内部的工程养护机械在网络中进行线路翻新维保等工作，设立包含更多实用信息的维修记录。目标是确保在施工阶段和随后的运行和维保阶段之间所收集的信息的数字连续性。系统将向所有员工提供完全数字化的易于访问的结构化数据，员工将可在该铁路系统生命周期内访问这些数据。

4.2.2 AI用于整个网络的列车限界管理

详细了解铁路设施（站台、桥梁、中轴线等）的限界是确保铁路安全的基本要素。为提高性能和安全性，SNCF 正在开发一种基于激光3D 雷达点云数据的将基础设施完全数字化的方法，通过开发能够处理数据的复杂算法，实现对设备装配合规性的整体验证过程数字化。Omega2N 项目是其中的代表。此外，SNCF 还为英国基础设施管理的英国国营铁路公司（Network Rail）实施该方法，该公司也在调查点云数据处理的潜力，以更新其内部的限界数据库。

4.2.3 通过自动计算监测柔性架空接触网的几何形状

接触网高度测控以及超差监测是防止接触网张力出现问题，导致性能异常的关键控制点。通过对激光雷达点云数据的连续自动算法分析，可以在1 cm 的精度上实现几何测量，实现在几个小时内测量几百公里线路的效果。接触网支柱的检测机能还可以在很大的距离范围内为工作人员自动生成定位信息。

4.2.4 通过计算转移多砟或少砟区域的道砟

识别道碴外形是道砟清筛过程中的关键环节。SNCF根据激光雷达的数据计算真实的道砟剖面，将其与参考的剖面形状进行比对，以确定多砟或少砟的具体区域。相关区域将被标注上地理位置参考信息，便于工务管理人员及时赶到现场回收多余道砟或是将多余道砟载往少砟区域。这将在发展内部循环经济的同时获得更好的经济收益。

4.2.5 铁路侵限障碍物检测

SNCF 正在努力通过监测铁路线上的障碍物以提高网络安全。工务维修后可能会有工具等物体被无意遗留在轨道上。对这些物体的检测可以通过比较相隔几周采集的2 组点云数据集之间的差异来进行。通过这种方式，还可在过滤后识别并表征对象物体的类型。然后，将物体的类型和位置信息发送给现场工作人员，以便他们清除或重新固定好相应的物体。快速自动检测可以在更短的时间内作出反应，以降低此类事件导致的安全风险和列车延误的可能性。

4.3 小结

SNCF 在数字孪生技术上投入大量资金进行研发，以便对铁路网进行建模，同时也将其用作不同计算机系统间的互连互通工具，以确保计算、模拟、预测所需数据畅行无阻，同时可以便捷地向所有相关工作人员发布这些信息，以便开发针对特定案例的解决方案，使得基础设施管理者可通过全新的数字作业系统创造更多价值。

5 数字孪生技术提升荷兰铁路系统数据使用效率

5.1 存在的问题与改进方向

荷兰的铁路系统是世界上最繁忙、最准时的铁路网络之一。为方便乘客及时获取列车到站信息，需要对新铁路和欧洲铁路交通管理系统（ERTMS）进行大量投资，并对现有设施进行更智能的管理。在客流量增加的情况下，维持并进一步改进安全性、可用性和性能是荷兰铁路系统面临的巨大挑战。

随着铁路运输需求日益旺盛，客运和货运列车的增加将导致铁路设施的磨耗增加，可用于（紧急）维护活动或维保的必要时间将进一步缩短。此外，每次线路的中断都将产生更大的影响，影响更多的乘客和货运代理。ProRail 公司认为，“基于数据驱动的预测方法”是应对这些挑战的最佳解决方案之一。公司正将注意力转移到未来，做出预测并采取新的运作方法。数字孪生技术的概念是这一数字化转型的关键部分，代表着一种新的设施管理方式。

控制、指挥以及交通管理系统中的数据错误将影响车辆的正常行驶。更加智慧地使用数据管理物流流程，调度列车，已经成为迫切的需求。然而，运营商还无法通过数据将诸如铁路、路堤、桥梁、隧道、道岔和架空接触网等设施的信息把握到位。因此，需要通过安装在检测列车上的传感器来监测这些系统的健康状况。在设施上加装物联网（IoT）传感器，并定期进行手动状态评估，再通过升级状态监测的频率和自动化程度，工作人员可以获得更多相关数据和讯息，从而更好地管理整个系统。

5.2 数字孪生与信息处理

目前工作的难点是将来自各种信息系统的基于不同信息模型的大量数据转化为有用的信息。数字孪生技术是 ProRail 公司员工全面掌控自有设施信息的理想渠道。这些信息可以用纷繁复杂的3D 格式完成，也可以用简单的地理地图、示意图或设施列表表示。因此，ProRail使用自己的集成信息模型，使员工便捷地以兼容模式从源头构建资产数据，并使数据更易于处理、链接和集成。

5.2.1 数据高级分析

ProRail 公司专注于数据的高级分析工作，将大数据转化为有用的信息，以洞悉到更深刻、更关键的规律。例如，通过特殊的检测列车获得历史磨损数据，将历史数据推演到未来，在此期间考虑新出现的影响因素，如铁路交通量和火车类型的计划内增长，以及气候的变化等，最终确定荷兰境内的线网中哪些轨道的寿命已经临近、需要更换。这种分析方式让运营商对寿命、风险、预算和预期绩效拥有更深入的了解，更智慧地安排设施维保更新工作。

为便于终端用户深入了解铁路设施老化情况，ProRail 开始研究新的数据收集方法，例如新型的物联网传感器，以及使用普通客运列车上的传感器进行高频数据采集。ProRail 的一个成功案例是对铁轨照片进行自动分析，以发现铁轨和轨枕上的小裂缝，或电气接头附近的侵蚀等病害。创新点在于使用特殊测量列车上的相机拍摄照片并通过新开发的算法年复一年地检测照片中的异常。此外，通过比较多年来的图像还可以发现这些病害的发展趋势与发展趋势的变化。

5.2.2 重视数据质量

在过去的几年中，ProRail 发现，获取的数据质量越高，算法的功能越能有效发挥。因此，数据质量也应该成为一个需要重点关注的问题。除此之外，最终用户希望了解为他们提供数据的模型创建过程，以避免“黑箱算法”。这意味着运营商需要做到从原始数据到解决方案的一切透明、可追溯。如何将算法和平台作为服务一同提供给客户将是行业面临的下一个问题。

5.3 未来趋势预测

数字化转型目前旨在通过将数据转化为相关解决方案来支持最终用户，这些解决方案用于做出正确的决策和行动。算法的发展目标是自动决策，其可用的计算和分析能力可以自动处理越来越多的变量。这使运营商能够凭借算法做出更好的模拟、预测和决策。铁路行业未来的工作方式正在快速发生变化。铁路业界中的人工智能发展趋势无法阻止，并将助力于铁路系统的长远发展。未来几年里，全世界的铁路业界会有很多有意义的工作在数字化领域展开。