高速铁路（简称：高铁）是铁路现代化的重要标志，我国高铁的迅速发展是中国智慧和中国方案在全球化背景下的有力展示 ^[1]。当前，人工智能（AI，Artificial Intelligence）、大数据、地理信息系统（GIS，Geographic Information System）、BIM（Building Information Modeling）、北斗卫星导航系统（简称：北斗）等技术融合发展已成为主流趋势，多个行业领域已逐步开展了模型数据一体化（简称：模数一体化）应用建设，形成了功能丰富的软件产品，有效推动各行业领域的数字化、智能化高质量发展。数字化、智能化已成为铁路发展的重要方向。虽然德国、美国、英国和日本等国尚未明确提出模数一体化概念，但在数字孪生领域的探索已推动了其数字化、智能化的发展^[2]。2017年以来，围绕铁路信息化总体规划中的一体化信息集成平台，中国国家铁路集团有限公司（简称：国铁集团）和铁路局集团公司陆续建设了北斗应用服务平台、地理信息平台和数据服务平台等。但是由于各平台采用分期分批建设的技术路径，导致GIS模型、BIM模型和业务数据分布在不同平台，仅在各自领域实现了特定的数据汇聚与服务共享，缺乏有效的跨域信息融合分析，难以全面、精准地为高铁的数字化转型与智能化升级提供数据支持和决策依据。因此，亟需进行模型和数据的跨平台整合，促进数据资源共享。随着铁路运营里程的增长，新增设的业务系统和信息化平台积累了大量运营数据^[3-4]，传统云计算架构难以满足实时性要求高的运营数据的需求，网络时延、网络拥塞等问题易导致云端分析无法及时响应，尤其在多个设备同时传输数据时，更会对网络带宽造成负担^[5]。

综上，本文拟基于现有一体化信息集成平台建设成果，以运营期智能铁路业务场景对铁路全生命周期信息数字化深入需求为导向，开展GIS模型、BIM模型及动静态数据一体化集成关键技术研究，设计提出基于云边协同的智能高铁模数一体化平台（简称：本文平台）总体架构、技术架构、功能等，形成本文平台总体方案，为本文平台的建设工作提供顶层设计参考。

1   平台架构

本文结合高铁智能化、数字化发展需求，基于云边协同技术，提出本文平台架构。

1.1   总体架构

在数据汇聚基础上，结合智能化应用的模型和数据共享需求，建设统一的模型库和数据湖，构建本文平台。该平台实现了动静态数据、BIM模型、GIS模型、北斗数据的分域存储，通过模型—数据关联向智能化应用提供统一的数据服务、BIM服务、GIS服务和北斗服务等公共服务，提升各专业业务处理能力，其总体架构如图1所示。

图  1  智能高铁模数一体化平台总体架构

下载: 全尺寸图片 幻灯片

1.1.1   数据源

数据源为本文平台提供数据支撑。数据主要分为外部系统数据和内部业务系统数据。其中，内部业务系统包括工务管理信息系统、工务安全生产管理系统、供电监测检测综合管理系统等专业系统；外部系统包括综合交通、气象等系统。本文平台依据各系统具体情况，采用多种接口方式实现数据的统一接入。

1.1.2   数据湖

数据湖根据业务数据特点分成不同类型的数据域，包括智能检测监测数据域、智能客运数据域、智能综合调度数据域、基础设施智能运营维护（简称：运维）数据域、智能施工数据域和经营开发数据域等。

1.1.3   模型库

模型库主要分为3D模型、北斗数据和数据分析模型。其中， 3D模型包括GIS模型和BIM模型；北斗数据主要包括北斗位置信息、实时监测数据及短报文等数据；数据分析模型包括回归统计模型、聚类分析模型、关联分析模型、时序分析模型、目标检测模型等。

1.1.4   智能化应用

智能化应用是本文平台的最终应用领域，为铁路的智能建设、智能装备和智能运营等环节提供智能化的解决方案和服务。例如，在智能建造中，利用 BIM 模型和地理信息进行精准的工程勘察和项目管理；在智能装备中，通过北斗数据和监测技术实现对动车组等装备的实时监测和预警；在智能运营中，借助数据分析和模型服务优化客站管理和运行图安排等，进而提高铁路运输的效率、质量和安全性。

1.2   技术架构

本文平台整体上采用云边协同的理念，将云端的计算资源下沉到网络边缘进行处理，将边缘计算作为云计算的延伸拓展，利用云计算的计算能力，以及通信资源与边缘计算短时传输的响应特性来实现相应的应用请求，其技术架构如图2所示。

图  2  智能高铁模数一体化平台技术架构

下载: 全尺寸图片 幻灯片

1.2.1   云端

（1）数据源层通过多模态数据采集、业务系统接入、外部数据汇聚的方式汇集多源数据。

（2）数据湖集中存储各类数据，包含不同功能节点。结构化数据节点存储固定格式数据，类似数据库表数据；非结构化数据节点存储无固定格式的文档、图片、视频等数据；半结构化数据节点用于存储如 XML、JSON 格式等有一定结构的数据；缓存数据节点用于缓存常被访问的数据，以提升访问效率，减轻底层存储压力。

（3）模型库存储了本文平台中各类模型，以及结构化和非结构化的信息，为智能化分析提供支持，通过模数一体化聚合、分布式存储模式，运用MySQL、PostgreSQL、MongoDB等多元化时空数据库，实现模数按需分域、分类存储。

（4）中间件层的定制化引擎中间件可实现模数服务扩展和集群管理等；定制化数据库中间件可实现模数融合、模数治理、模数缓存与调度等。

（5）时空引擎层基于GIS引擎、BIM引擎和解算软件等，可实现模型服务的发布及北斗高精度数据的实时解算。

（6）微服务层基于微服务架构，对外发布模型服务、数据服务、模数可视化服务、模数查询服务、模数分析计算服务等多个独立的微服务，增强服务扩展能力。

（7）云端通过负载均衡模式响应终端用户（PC端及大屏端）请求。

1.2.2   边端

边端由边端数据采集、边端数据存储、边端计算模块、集成可视化组件组成。

（1）边端数据采集是指在靠近数据源的边缘设备上，通过传感器、数据采集器等设备和技术，收集业务数据。

（2）边端数据存储是指在边端设备上配备一定的存储介质和存储管理系统，用于临时或长期存储采集到的业务数据。

（3）边端边缘计算模块是数据处理、分析的功能单元，在靠近业务数据的地方对采集到的数据进行实时处理和分析，无须将所有数据都传输到云端或中心服务器进行处理，有效缓解云端运算压力。

（4）集成可视化组件是边端设备中用于将采集到的数据、分析结果及系统状态等信息展示给用户，并响应用户请求的功能模块。

1.2.3   云边协同

云边协同主要是基础设施、平台能力和应用能力的协同。云边协同架构如图3所示^[6-8]。

图  3  云边协同架构

下载: 全尺寸图片 幻灯片

（1）云端基础设施涵盖服务器及用于处理数据、提供计算、存储和网络传输的基础设施；边端基础设施主要指小型服务器和边缘节点等，提供类似于云端基础设施的服务。

（2）云端平台能力指的是对上传云端的数据进行管理、建模分析、边缘管理与业务编排等；而边端的平台能力则侧重于对数据的预处理分析及应用部署。

（3）云端应用能力指的是云端在数据处理分析后将应用作为服务提供给用户；边端的应用能力则是将云端服务扩展到距用户更近的边端，最大程度为用户提供服务。

2   平台功能

本文平台对各业务数据集成管理，通过模数集成、模数融合、模数管理及提供模数服务，实现多个子业务数据集中控制管理和对智能高铁模型和数据的管理、发布、展示、分析、开发支撑及访问监控等，从而实现对铁路业务数据生命周期管理全覆盖，其功能架构如图4所示。

图  4  智能高铁模数一体化平台功能架构

下载: 全尺寸图片 幻灯片

2.1   共享门户

共享门户是用户与平台交互的主要界面，通过模数首页、模数共享和模数主题等，用户可访问和使用平台中的各种功能和资源。用户在模数首页查看数据和模型概览后，可通过模数共享功能申请共享数据或模型服务，或通过模数主题功能进行数据融合和专业协同等操作。同时，开发中心中的开发者示例和 API （Application Programming Interface）文档等内容，为用户提供了开发和集成平台功能的指导，这些内容与模数集成、模数服务等功能紧密相关，提升了本文平台的开放性和扩展性。

2.2   模数集成

模数集成功能是本文平台功能实现的基础。数据集成将各种数据源的数据整合到本文平台中，为数据集市和模数融合等提供了数据基础；机理模型集成和表征模型集成将不同类型的模型引入本文平台，为模型集市和模数一体集市等提供了模型支持。数据集成后的数据源可被数据集市中的数据服务所调用，集成的模型经过验证和部署后，可以在模型集市中提供服务，并参与到模数一体集市的分析和应用中。同时，模数集成的过程和结果也会在平台管理的监控和管理下进行，确保集成的质量和安全。

2.3   模数服务

模数服务功能是本文平台功能的核心。模型集市和数据集市提供的服务可被共享门户中的用户直接使用，也可被模数融合和模数一体集市等功能调用，进行更复杂的业务处理和分析。例如，模型集市中的 GIS 服务可被模数融合中的模数关联模块用于地理信息相关的特征提取和分析；数据集市中的数据服务可为模数一体集市中的各种分析功能提供数据支持。服务共享模块则进一步促进了这些服务在平台内外部的共享和复用，提高服务的价值和效率。

2.4   模数融合

模数融合功能将数据和模型进行深度融合，通过模数关联建立两者之间的联系，为主题管理和模数融合大屏等提供支持。在主题管理中，基于模数关联的结果，可进行专业协同和专家参数化建模等操作，围绕特定主题深入挖掘数据和模型的价值；模数融合大屏则将融合后的结果以直观的方式展示出来，展示内容主要来源于数据集市的数据、模型集市的模型及模数一体集市的分析结果等。同时，模数融合的过程和结果也需要在模数管理中进行数据治理和模型管理，确保融合的准确性和可靠性。

2.5   模数管理

模数管理中的数据治理功能确保了数据的质量和安全性，为数据集市、模数融合等提供可靠的数据基础；模型管理功能可对本文平台中的各种模型进行管理，保障了模型集市和模数一体集市中模型的可用性和规范性；模型发布功能将经过管理和验证的模型发布到本文平台中，供其他模块使用。数据集市中的数据服务需要基于经过数据治理的数据提供，模型集市中的模型服务依赖于经过模型管理和发布的模型。同时，模数管理的各项功能也需要在平台管理的统一框架下进行，与组织机构同步、用户管理、角色管理和权限管理等相互配合，确保本文平台的有序运行和资源的合理分配。

2.6   平台管理

平台管理功能是本文平台的支撑和保障，组织机构同步、用户管理、角色管理和权限管理等功能为平台的用户和资源管理提供了基础，确保只有合法的用户能够访问和使用平台的功能和资源，并且根据用户的角色和权限进行相应的操作。统一身份认证功能为用户提供了便捷的登录和访问方式，保障了本文平台的安全性和用户体验。例如，用户在访问共享门户、使用模数集成、模数服务、模数融合和模数管理等功能时，都需要经过平台管理模块的身份认证和权限控制，确保操作的合法性和安全性。同时，平台管理模块也可对其他部分的运行情况进行监控和管理。

3   关键技术

3.1   铁路全生命周期的数据和模型整合

本文提出的铁路全生命周期的数据和模型整合步骤如下。

（1）通过数据湖存储接入的各个铁路业务数据，通过模型库从各数据源中实时获取铁路设备设施模型，并以文档的形式存储。

（2）通过识别数据的结构和格式，提取得到元数据，并根据使用和更新频率将元数据分区存储。每个元数据分区的重要程度与使用和更新频率呈正相关。

（3）基于铁路全生命周期中各个业务划分得到预设数据域和预设数据场景，再据此划分每个元数据分区中的元数据，得到各个数据场景对应的场景数据集。

（4）用户通过存储的元数据生成格式化的查询请求，进行数据检索，数据库接收请求，得到查询结果，并将数据检索期间产生的元数据存储至元数据存储库中。

在对铁路业务数据进行元数据抽取和数据质量控制时，通过数据清洗、转换、整合等方式，将数据湖模块中的原生态数据转化为预定义的数据结构，面向用户具体的应用请求对原生态数据进行有效整合，使得铁路业务数据能够在不同阶段有机整合，便于数据的跨阶段分析和应用，确保数据准确性、一致性和完整性，提升可读性和可操作性，同时，降低因数据问题导致的决策风险。

3.2   铁路场景驱动的数据和数据模型整合

本文提出了一种铁路场景驱动的数据和数据模型整合方法，其具体步骤如下。

（1）将对象数据与时空编码进行关联。其中，对象数据包括至少一个铁路应用场景对应的模型数据或多源业务数据和设备设施模型，每个对象数据对应一个数据分类编码，数据分类编码表示数据对象的资产类别和资产编号；时空编码用于唯一指示和定位对象数据，包括空间编码和时间编码，空间编码用于指示对象数据对应的空间位置信息，时间编码用于指示对象数据对应的时间信息。通过对象数据当前空间位置信息及时间信息可实现对象数据与时空编码的关联。

（2）将关联后的时空编码和对象数据存入时空编码索引数据库中。可将时空编码中的空间编码作为主键，将时间编码和数据分类编码作为空间编码对应的属性数据的一部分，与对象数据一同存储。以此实现存储、更新或查询对象数据。

（3）基于时空编码索引数据库，可实现各类对象数据的灵活加载，将时空编码作为索引，加载对象数据，同时基于预设空间网格模型的显示切换功能控制切换预设空间网格模型的网格是否显示。预设空间网格模型是对至少一个铁路应用场景进行网格剖分得到的，可以是现有的网格模型，例如北斗网格（GeoSOT或GeoSOT-3D）模型。

（4）在预设网格数据模型中，以网格编码唯一指示各个空间网格，包括指示空间网格的位置信息，将空间网格的属性用以关联对象数据。在将对象数据存储在时空编码索引数据库之后，当模型数据或业务数发生变化的情况下，时空编码索引数据库通过动态同步机制自动关联变化的对象数据，以实现对象数据的实时更新和动态汇聚。

通过建设统一时空基准编码体系，建立各个铁路应用场景下的对象数据与统一时空编码间的映射关系，将各个铁路应用场景中的场景、设备设施模型和业务数据一体化融合，提高铁路模型和数据的管理效率；同时，基于统一的时空编码，实现跨部门、跨系统的数据共享，不同业务部门可实时访问和分析同一对象的数据，提升各个铁路应用场景之间的数据利用率。

4   结束语

本文提出了基于云边协同的智能高铁模数一体化平台总体方案，旨在解决云计算无法匹配海量数据和铁路装备、运营全生命周期管理缺乏一体化共享服务的问题。通过构建本文平台打造了智能高铁数字化底座，实现模数一体化关联和共享共用，为铁路各类智能化应用提供统一的模数一体化服务；同时，采用云边协同的计算架构模型，增强边端数据采集和模数存储能力。下一步，在完成本文平台总体方案基础上，依托京沪（北京—上海）高铁智能化提升工程，开展技术验证，验证模数一体化技术的可行性与有效性，为技术成果的实际推广应用奠定基础。