地铁防台防汛数字化系统设计与实现

管剑波，唐华栋，姚 宸，李偲偲

（宁波市轨道交通集团有限公司 数字运营事业部，宁波 315100）

近年来，随着全球气侯变暖，暴雨洪涝、高温热浪、干旱、台风等气象灾害强发频发，屡破记录[1]。气候变化已对城市轨道交通安全运营工作提出了新的挑战，如应急处置不及时，会造成乘客伤亡，对社会和人民生命财产安全造成重大影响，防台防汛工作已然成为地铁安全运营的重中之重。

为切实提高监测预警和防灾减灾能力，有效提升防台防汛应急响应的效率和处置能力，亟需搭建“可感知、可分析、可协同 ”的地铁防台防汛数字化系统，以减少台风、暴雨灾害导致的经济损失，保障公众生命财产安全，维护社会稳定[2-3]。目前，广州地铁采用数据驱动架构体系，构建智慧地铁[4]；无锡地铁已在防汛防涝预警应急安全平台建设中取得了一定的成果[5]。上述的智慧地铁及防汛防涝预警应急安全平台中，并未对应急响应及各应急场景进行细化。

基于以上研究，本文设计地铁防台防汛数字化系统，针对现有轨道交通应急管理信息化建设存在的数据感知不全、研判分析不足、处置协同不畅等问题[6-7]，设计了改进方案。引入数字孪生、人工智能（AI，Artificial Intelligence）、大数据、BIM（Building Information Modeling）、地理信息系统（GIS，Geographic Information System）等技术，以数据驱动多源信息融合，优化应急响应协同联动技术，增强现有应急管理体系信息化、数智化、实战化水平，实现智慧感知信息健全、智慧分析能力提升、智慧应用业务协同的目标。

1 系统架构

基于现有应急管理平台信息化工作基础，搭建地铁防台防汛数字化系统，其架构如图1所示[8]。

图1 地铁防台防汛数字化系统架构

1.1 感知层

包括水位检测设备、小型气象站、室内定位设备、射频识别（RFID，Radio Frequency Identification）设备等物联网设备，从而获取现场实时监测数据，拓展数据来源，改善目前数据感知不全的问题。

由于第三方的气象水文数据监测点位比较分散，数据更新周期较长，且离重点部位、风险点位比较远，无法满足实时监测的需求，本系统接入小型气象站，积水监测等物联网设备，提升对风力、水利等气象数据来源的精准性、及时性和有效性，最大限度发挥数据价值，反哺轨道交通防灾能力；增加室内跟踪定位设备，实现救援人员实时位置的精准展示；增加RFID设备，对应急物资进行自动有效的管理，实现应急物资实时高效的出入库登记。

1.2 资源层

该层对接自动售检票系统（AFC，Auto Fare Collection）、监控视频（CCTV，Closed Circuit Television）、火灾报警系统（FAS，Fire Alarm System）、楼宇自控系统（BAS，Building Automation System）、乘客信息系统（PIS，Passenger Information System）、综合监控系统（ISCS，Integrated Supervisory Control System），以及政府气象水文数据平台，获取其数据，为应急数据分析和预测提供数据支撑。

1.3 数据底座层

使用数据湖架构对感知层和资源层的多源异构数据进行存储和计算，包括结构化数据、半结构化数据和非结构化数据。与传统的数据仓库相比，数据湖更加灵活，能够接收不同来源的数据，不需要对其进行预处理或结构化，保留数据的原始格式和完整性，更有利于数据分析、挖掘和机器学习智能决策。

将内部各系统各端多源异构数据进行汇聚，将数据按照面向主题域的数据组织方式重新组织连结，最终关联形成客流数据、物资数据、全球定位系统（GPS，Global Positioning System）数据、气象数据、水位数据等主题数据，建设数字孪生数据底座，提供全面、综合的数据给各业务子系统使用，创建更完整的数据模型，支持更准确的数据驱动决策。

1.4 支撑层

包括统一身份认证、地理信息平台、卫星定位系统、应急数据分析引擎、预测分析引擎，为上层的业务逻辑提供了必要的支持和服务。

通过提供统一的身份验证和授权机制，管理和验证用户身份信息，保障数据和本系统的安全；地理信息平台支持地图数据、位置信息和空间分析，为本系统提供了空间视角和地理信息智能分析的能力；卫星定位系统通过卫星技术实现对目标位置的精准定位，为应急响应、导航和定位服务提供支持；应急数据分析引擎通过对收集到的数据进行实时分析，提供预警信息和决策支持；预测分析引擎基于历史数据和模型进行预测和分析，为未来事件的预测和规划提供参考，如水位预测、救援逃生路径规划等。

1.5 应用层

包括场景驾驶舱和应用子系统。场景驾驶舱针对防台防汛场景划分了资源储备、水文气象、人员值守、人员疏散等6个可视化场景，使指挥中心对当前线网运营状态一目了然。应用子系统包括应急协同、物资实时调度等子系统，协同完成防台防汛数字化系统建设。

2 系统功能

针对应急管理体系不完善，自动化、智能化不足，跨部门、跨层级协作效率低下且难以溯源等情况，本文结合防台防汛应急响应流程，对处置场景划分了概览、资源储备、水文气象、人员值守、人员疏散、抢险救灾等6个可视化场景驾驶舱，可贯穿整个应急响应部署的全流程。各场景驾驶舱在应急响应全流程中的应用，如图2所示，实现信息上报、通知下发、预警发布、险情通知、应急物资情况更新等功能，简化业务流程，减少制度链路上的人工干预，有效保障各部门的空间与时间协同性。

图2 各场景驾驶舱在应急响应全流程中的应用

2.1 概览驾驶舱

在应急响应启动时，领导小组需要进行会商部署。在概览驾驶仓中提供“一键点检”功能，点检内容包括物资准备、救援队准备、气象水文、线网运行、站内客流等情况，使指挥人员快速了解线网级、站点级运营现状和应急准备情况。此外，概览驾驶仓中显示防范措施任务发布情况及各施工标段加固、拆除、封堵等防范措施的落实情况汇总，使指挥中心在落实防范措施环节掌控全局。

2.2 水文气象驾驶舱

在水文气象驾驶舱中，可展示各站点气象监测、水位监测等信息，领导小组在会商部署阶段可根据预警信息和程度下发决策指令。气象监测功能可查看风力、雨量的气象数据；水位监测功能显示各水位监测点（如河道水位、站点出入口、U型槽等）的水位预警信息和历史水位曲线图，结合BIM模型和水位预测AI引擎，可以显示未来一段时间内该站点区间的淹没预测三维仿真结果；设备监测功能展示设备具体预警信息。

2.3 资源储备驾驶舱

资源储备驾驶舱显示了各种应急物资及救援力量的数量及分布，方便领导小组会商部署统筹调度。当物资存储点物资出现缺额时，发出缺额预警，并根据总体物资存储情况，推荐附近调配物资的存储点。同时，展示救援队和救援车辆定位信息，可直接与救援队进行实时视频联系、指挥。

2.4 人员值守驾驶舱

在人员值守驾驶舱中，指挥中心可实时掌握值班人员和值守人员到岗的实时信息，在核查值班人员到岗环节和全面蹲点值守环节中发挥作用。如果大屏预警人员未到岗，可通过本系统查看未到岗人员详细信息及联系方式，并直接进行呼叫。值班人员利用手持移动端设备接收应急处置任务，及时上报任务进展和结果，使任务可溯源。

2.5 人员疏散驾驶舱

人员疏散驾驶舱在调整运营环节帮助领导小组掌握关闭站点人员疏散和施工标段人员疏散安置的实时信息，分为以下3部分功能。

（1）站点人员疏散详情，提供公交接驳车辆调配情况及预测人员疏散完毕时间，并可点击摄像头查看现场情况。

（2）施工标段人员疏散安置详情，显示当前标段人员疏散的情况，系统智能推荐附近的安置点信息。

（3）预警汇总信息，包括关闭站点疑似人员预警、关闭站点疑似设备运行预警，以及未停运区段终端站乘客滞留预警等，可将预警信息一键发布到管辖区域值班人员移动端App上处理跟进。

2.6 抢险救灾驾驶舱

抢险救灾驾驶舱帮助指挥中心在开展抢险救灾环节中实时掌握救援队、救援车辆、险情信息、物资信息等汇总信息。可展示发生险情和附近救援队的定位信息，根据险情发生的位置推荐附近的救援队和物资存储点；根据路面积水情况，规划最优路线，并通过移动端推送到救援队；还可通过单兵装备与现场救援队联系，并查看现场救援情况。

3 关键技术

借助数字孪生技术以数据驱动多源信息融合，管理数据应用，实现数据要素安全流通，并联动GIS/BIM模型，构建动静一体、二三维一体、全空间可计算数字孪生数据底座[9]；引入AI技术搭建预测分析引擎和应急数据分析引擎，实现水位、客流的预测预警和逃生救援路线的规划，辅助有效决策。

3.1 WebGL轻量化GIS+BIM融合引擎技术

使用BIM+GIS技术整合地铁地上地下、室内室外等多维信息和城市感知数据，构建三维数字空间的地铁及地铁站周边信息的数字模型底座。数字模型底座可分为地上、地下两部分，地上部分由站点周围倾斜模型和站点地上模型组成，对两种模型进行融合轻量化与模型切片，在GIS引擎Cesium中加载交互；地下部分用Threejs加载3D Max建立的地下室内模型，进行动画展示、漫游、交互等操作，为应急资源的排布提供更清晰的点位规划，为应急资源合理化调度和重大决策问题提供支持。借助WebGL的高性能图形渲染能力，可直接在浏览器中流畅展示地图预警信息、站点水位预测3D效果等。

3.2 AI深度学习技术

引入AI深度学习技术，搭建预测分析引擎，帮助应急平台提高智能决策的可靠性。如在预警阶段，根据站点周边的河道水位、实时降雨量、站点内各易涝点历史积水等数据建立积水水位预测模型，预测未来的积水情况，提前预警，开展应急部署。根据站点客流历史数据及天气情况建立客流预测模型，预测未来站点内客流情况，提前准备大客流疏散应预案。在站内人员疏散阶段和救援车辆抢险救灾阶段，引入强化学习动态环境路径规划算法，根据实际积水程度和人员点位动态变化，动态规划应急逃生及救援路径，提高疏散速度及救援效率。

3.3 数字孪生技术

融合无人机倾斜摄影数据、GIS数据、物联网数据及其他业务数据，搭建全域、站点及关键区域的数字孪生数据底座，实现物理空间与数字空间的分层映射。实时监测水文、气象、物资、客流等数据，将数据的变化动态展示在虚拟数字空间中，基于大数据分析和深度学习预测分析引擎，在虚拟空间中支持决策者做出更明智的决策。如根据积水水位预测模型预测结果可以得到站点内外实时积水可视化结果及未来积水淹没仿真结果，决策者根据数字空间的模拟结果对物理空间进行提前干预，提高应急服务能力。

4 应用场景

地铁防台防汛数字化系统已在宁波轨道交通部分站点进行了试点建设。对宁波市已开通运营的4条线路69个地下站点及28个重点监测防汛场所进行全面梳理，具体梳理项目及数据如表1所示。建立不同降雨期地铁车站各个出入口的最大水深及地表径流情况模型，合理设置防洪涝预警水位。针对不同的安全场景，设计编制应急预案116项，形成针对不同车站、场段的“一站一预案，一区间一预案”的应急预案体系。

表1 预警标高数据及资源储备数据梳理情况

地铁防台防汛数字化系统主界面显示6个主题场景驾驶舱。其中，概览驾驶舱以热力图形式展示线网级防洪危险区域实时预警情况；水文气象驾驶舱展示各站点气象监测、水位监测和设备监测等信息，结合BIM模型，可实现水位预警可视化展示，同时显示未来一段时间内该站点区间的淹没预测结果，如图3所示；人员值守驾驶舱可实时掌握值班人员和值守人员到岗的实时信息及人员详情；抢险救灾驾驶舱显示抢险救灾的实时信息，包括救援队、救援车辆、险情信息、物资信息等的汇总展示。

图3 站点水位监测

5 结束语

本文针对沿海城市轨道交通防台防汛的需求，设计实现地铁防台防汛数字化系统，在现有应急保障平台的基础上，打破数据壁垒，实现多源数据融合；引入AI技术进行预测分析，充分考虑多部门协同反馈的及时性，形成了包含感知层、资源层、数据底座层、支撑层和应用层的系统架构，并在应用层按业务需求场景划分了概览、资源储备、水文气象、人员值守、人员疏散、抢险救灾等6个可视化场景驾驶舱，贯穿应急响应全流程，保障防汛防台应急处置工作高效进行。下一步，将继续优化扩展本系统，优化多部门协同流程，增加模拟演练、灾后理赔重建等业务逻辑。