管劍波，唐華棟，姚 宸，李偲偲

（寧波市軌道交通集團有限公司 數字運營事業(yè)部，寧波 315100）

近年來，隨著全球氣侯變暖，暴雨洪澇、高溫熱浪、干旱、臺風等氣象災害強發(fā)頻發(fā)，屢破記錄[1]。氣候變化已對城市軌道交通安全運營工作提出了新的挑戰(zhàn)，如應急處置不及時，會造成乘客傷亡，對社會和人民生命財產安全造成重大影響，防臺防汛工作已然成為地鐵安全運營的重中之重。

為切實提高監(jiān)測預警和防災減災能力，有效提升防臺防汛應急響應的效率和處置能力，亟需搭建“可感知、可分析、可協同 ”的地鐵防臺防汛數字化系統，以減少臺風、暴雨災害導致的經濟損失，保障公眾生命財產安全，維護社會穩(wěn)定[2-3]。目前，廣州地鐵采用數據驅動架構體系，構建智慧地鐵[4]；無錫地鐵已在防汛防澇預警應急安全平臺建設中取得了一定的成果[5]。上述的智慧地鐵及防汛防澇預警應急安全平臺中，并未對應急響應及各應急場景進行細化。

基于以上研究，本文設計地鐵防臺防汛數字化系統，針對現有軌道交通應急管理信息化建設存在的數據感知不全、研判分析不足、處置協同不暢等問題[6-7]，設計了改進方案。引入數字孿生、人工智能（AI，Artificial Intelligence）、大數據、BIM（Building Information Modeling）、地理信息系統（GIS，Geographic Information System）等技術，以數據驅動多源信息融合，優(yōu)化應急響應協同聯動技術，增強現有應急管理體系信息化、數智化、實戰(zhàn)化水平，實現智慧感知信息健全、智慧分析能力提升、智慧應用業(yè)務協同的目標。

1 系統架構

基于現有應急管理平臺信息化工作基礎，搭建地鐵防臺防汛數字化系統，其架構如圖1所示[8]。

圖1 地鐵防臺防汛數字化系統架構

1.1 感知層

包括水位檢測設備、小型氣象站、室內定位設備、射頻識別（RFID，Radio Frequency Identification）設備等物聯網設備，從而獲取現場實時監(jiān)測數據，拓展數據來源，改善目前數據感知不全的問題。

由于第三方的氣象水文數據監(jiān)測點位比較分散，數據更新周期較長，且離重點部位、風險點位比較遠，無法滿足實時監(jiān)測的需求，本系統接入小型氣象站，積水監(jiān)測等物聯網設備，提升對風力、水利等氣象數據來源的精準性、及時性和有效性，最大限度發(fā)揮數據價值，反哺軌道交通防災能力；增加室內跟蹤定位設備，實現救援人員實時位置的精準展示；增加RFID設備，對應急物資進行自動有效的管理，實現應急物資實時高效的出入庫登記。

1.2 資源層

該層對接自動售檢票系統（AFC，Auto Fare Collection）、監(jiān)控視頻（CCTV，Closed Circuit Television）、火災報警系統（FAS，Fire Alarm System）、樓宇自控系統（BAS，Building Automation System）、乘客信息系統（PIS，Passenger Information System）、綜合監(jiān)控系統（ISCS，Integrated Supervisory Control System），以及政府氣象水文數據平臺，獲取其數據，為應急數據分析和預測提供數據支撐。

1.3 數據底座層

使用數據湖架構對感知層和資源層的多源異構數據進行存儲和計算，包括結構化數據、半結構化數據和非結構化數據。與傳統的數據倉庫相比，數據湖更加靈活，能夠接收不同來源的數據，不需要對其進行預處理或結構化，保留數據的原始格式和完整性，更有利于數據分析、挖掘和機器學習智能決策。

將內部各系統各端多源異構數據進行匯聚，將數據按照面向主題域的數據組織方式重新組織連結，最終關聯形成客流數據、物資數據、全球定位系統（GPS，Global Positioning System）數據、氣象數據、水位數據等主題數據，建設數字孿生數據底座，提供全面、綜合的數據給各業(yè)務子系統使用，創(chuàng)建更完整的數據模型，支持更準確的數據驅動決策。

1.4 支撐層

包括統一身份認證、地理信息平臺、衛(wèi)星定位系統、應急數據分析引擎、預測分析引擎，為上層的業(yè)務邏輯提供了必要的支持和服務。

通過提供統一的身份驗證和授權機制，管理和驗證用戶身份信息，保障數據和本系統的安全；地理信息平臺支持地圖數據、位置信息和空間分析，為本系統提供了空間視角和地理信息智能分析的能力；衛(wèi)星定位系統通過衛(wèi)星技術實現對目標位置的精準定位，為應急響應、導航和定位服務提供支持；應急數據分析引擎通過對收集到的數據進行實時分析，提供預警信息和決策支持；預測分析引擎基于歷史數據和模型進行預測和分析，為未來事件的預測和規(guī)劃提供參考，如水位預測、救援逃生路徑規(guī)劃等。

1.5 應用層

包括場景駕駛艙和應用子系統。場景駕駛艙針對防臺防汛場景劃分了資源儲備、水文氣象、人員值守、人員疏散等6個可視化場景，使指揮中心對當前線網運營狀態(tài)一目了然。應用子系統包括應急協同、物資實時調度等子系統，協同完成防臺防汛數字化系統建設。

2 系統功能

針對應急管理體系不完善，自動化、智能化不足，跨部門、跨層級協作效率低下且難以溯源等情況，本文結合防臺防汛應急響應流程，對處置場景劃分了概覽、資源儲備、水文氣象、人員值守、人員疏散、搶險救災等6個可視化場景駕駛艙，可貫穿整個應急響應部署的全流程。各場景駕駛艙在應急響應全流程中的應用，如圖2所示，實現信息上報、通知下發(fā)、預警發(fā)布、險情通知、應急物資情況更新等功能，簡化業(yè)務流程，減少制度鏈路上的人工干預，有效保障各部門的空間與時間協同性。

圖2 各場景駕駛艙在應急響應全流程中的應用

2.1 概覽駕駛艙

在應急響應啟動時，領導小組需要進行會商部署。在概覽駕駛倉中提供“一鍵點檢”功能，點檢內容包括物資準備、救援隊準備、氣象水文、線網運行、站內客流等情況，使指揮人員快速了解線網級、站點級運營現狀和應急準備情況。此外，概覽駕駛倉中顯示防范措施任務發(fā)布情況及各施工標段加固、拆除、封堵等防范措施的落實情況匯總，使指揮中心在落實防范措施環(huán)節(jié)掌控全局。

2.2 水文氣象駕駛艙

在水文氣象駕駛艙中，可展示各站點氣象監(jiān)測、水位監(jiān)測等信息，領導小組在會商部署階段可根據預警信息和程度下發(fā)決策指令。氣象監(jiān)測功能可查看風力、雨量的氣象數據；水位監(jiān)測功能顯示各水位監(jiān)測點（如河道水位、站點出入口、U型槽等）的水位預警信息和歷史水位曲線圖，結合BIM模型和水位預測AI引擎，可以顯示未來一段時間內該站點區(qū)間的淹沒預測三維仿真結果；設備監(jiān)測功能展示設備具體預警信息。

2.3 資源儲備駕駛艙

資源儲備駕駛艙顯示了各種應急物資及救援力量的數量及分布，方便領導小組會商部署統籌調度。當物資存儲點物資出現缺額時，發(fā)出缺額預警，并根據總體物資存儲情況，推薦附近調配物資的存儲點。同時，展示救援隊和救援車輛定位信息，可直接與救援隊進行實時視頻聯系、指揮。

2.4 人員值守駕駛艙

在人員值守駕駛艙中，指揮中心可實時掌握值班人員和值守人員到崗的實時信息，在核查值班人員到崗環(huán)節(jié)和全面蹲點值守環(huán)節(jié)中發(fā)揮作用。如果大屏預警人員未到崗，可通過本系統查看未到崗人員詳細信息及聯系方式，并直接進行呼叫。值班人員利用手持移動端設備接收應急處置任務，及時上報任務進展和結果，使任務可溯源。

2.5 人員疏散駕駛艙

人員疏散駕駛艙在調整運營環(huán)節(jié)幫助領導小組掌握關閉站點人員疏散和施工標段人員疏散安置的實時信息，分為以下3部分功能。

（1）站點人員疏散詳情，提供公交接駁車輛調配情況及預測人員疏散完畢時間，并可點擊攝像頭查看現場情況。

（2）施工標段人員疏散安置詳情，顯示當前標段人員疏散的情況，系統智能推薦附近的安置點信息。

（3）預警匯總信息，包括關閉站點疑似人員預警、關閉站點疑似設備運行預警，以及未停運區(qū)段終端站乘客滯留預警等，可將預警信息一鍵發(fā)布到管轄區(qū)域值班人員移動端App上處理跟進。

2.6 搶險救災駕駛艙

搶險救災駕駛艙幫助指揮中心在開展搶險救災環(huán)節(jié)中實時掌握救援隊、救援車輛、險情信息、物資信息等匯總信息。可展示發(fā)生險情和附近救援隊的定位信息，根據險情發(fā)生的位置推薦附近的救援隊和物資存儲點；根據路面積水情況，規(guī)劃最優(yōu)路線，并通過移動端推送到救援隊；還可通過單兵裝備與現場救援隊聯系，并查看現場救援情況。

3 關鍵技術

借助數字孿生技術以數據驅動多源信息融合，管理數據應用，實現數據要素安全流通，并聯動GIS/BIM模型，構建動靜一體、二三維一體、全空間可計算數字孿生數據底座[9]；引入AI技術搭建預測分析引擎和應急數據分析引擎，實現水位、客流的預測預警和逃生救援路線的規(guī)劃，輔助有效決策。

3.1 WebGL輕量化GIS+BIM融合引擎技術

使用BIM+GIS技術整合地鐵地上地下、室內室外等多維信息和城市感知數據，構建三維數字空間的地鐵及地鐵站周邊信息的數字模型底座。數字模型底座可分為地上、地下兩部分，地上部分由站點周圍傾斜模型和站點地上模型組成，對兩種模型進行融合輕量化與模型切片，在GIS引擎Cesium中加載交互；地下部分用Threejs加載3D Max建立的地下室內模型，進行動畫展示、漫游、交互等操作，為應急資源的排布提供更清晰的點位規(guī)劃，為應急資源合理化調度和重大決策問題提供支持。借助WebGL的高性能圖形渲染能力，可直接在瀏覽器中流暢展示地圖預警信息、站點水位預測3D效果等。

3.2 AI深度學習技術

引入AI深度學習技術，搭建預測分析引擎，幫助應急平臺提高智能決策的可靠性。如在預警階段，根據站點周邊的河道水位、實時降雨量、站點內各易澇點歷史積水等數據建立積水水位預測模型，預測未來的積水情況，提前預警，開展應急部署。根據站點客流歷史數據及天氣情況建立客流預測模型，預測未來站點內客流情況，提前準備大客流疏散應預案。在站內人員疏散階段和救援車輛搶險救災階段，引入強化學習動態(tài)環(huán)境路徑規(guī)劃算法，根據實際積水程度和人員點位動態(tài)變化，動態(tài)規(guī)劃應急逃生及救援路徑，提高疏散速度及救援效率。

3.3 數字孿生技術

融合無人機傾斜攝影數據、GIS數據、物聯網數據及其他業(yè)務數據，搭建全域、站點及關鍵區(qū)域的數字孿生數據底座，實現物理空間與數字空間的分層映射。實時監(jiān)測水文、氣象、物資、客流等數據，將數據的變化動態(tài)展示在虛擬數字空間中，基于大數據分析和深度學習預測分析引擎，在虛擬空間中支持決策者做出更明智的決策。如根據積水水位預測模型預測結果可以得到站點內外實時積水可視化結果及未來積水淹沒仿真結果，決策者根據數字空間的模擬結果對物理空間進行提前干預，提高應急服務能力。

4 應用場景

地鐵防臺防汛數字化系統已在寧波軌道交通部分站點進行了試點建設。對寧波市已開通運營的4條線路69個地下站點及28個重點監(jiān)測防汛場所進行全面梳理，具體梳理項目及數據如表1所示。建立不同降雨期地鐵車站各個出入口的最大水深及地表徑流情況模型，合理設置防洪澇預警水位。針對不同的安全場景，設計編制應急預案116項，形成針對不同車站、場段的“一站一預案，一區(qū)間一預案”的應急預案體系。

表1 預警標高數據及資源儲備數據梳理情況

地鐵防臺防汛數字化系統主界面顯示6個主題場景駕駛艙。其中，概覽駕駛艙以熱力圖形式展示線網級防洪危險區(qū)域實時預警情況；水文氣象駕駛艙展示各站點氣象監(jiān)測、水位監(jiān)測和設備監(jiān)測等信息，結合BIM模型，可實現水位預警可視化展示，同時顯示未來一段時間內該站點區(qū)間的淹沒預測結果，如圖3所示；人員值守駕駛艙可實時掌握值班人員和值守人員到崗的實時信息及人員詳情；搶險救災駕駛艙顯示搶險救災的實時信息，包括救援隊、救援車輛、險情信息、物資信息等的匯總展示。

圖3 站點水位監(jiān)測

5 結束語

本文針對沿海城市軌道交通防臺防汛的需求，設計實現地鐵防臺防汛數字化系統，在現有應急保障平臺的基礎上，打破數據壁壘，實現多源數據融合；引入AI技術進行預測分析，充分考慮多部門協同反饋的及時性，形成了包含感知層、資源層、數據底座層、支撐層和應用層的系統架構，并在應用層按業(yè)務需求場景劃分了概覽、資源儲備、水文氣象、人員值守、人員疏散、搶險救災等6個可視化場景駕駛艙，貫穿應急響應全流程，保障防汛防臺應急處置工作高效進行。下一步，將繼續(xù)優(yōu)化擴展本系統，優(yōu)化多部門協同流程，增加模擬演練、災后理賠重建等業(yè)務邏輯。