铁路信号室外设备BIM关键数据结构分析

摘 要：建筑信息模型（building information modeling，BIM）技术在我国建筑等领域已基本成熟，但在铁路领域，尤其是铁路信号室外设备中应用较少。针对该问题，本文提出了基于IFC的BIM关键数据结构构建方案。综合考虑了设备的几何、空间和电气等属性，定义了关键数据结构，通过编码和熵权法确定数据间的权重。再运用Prim算法优化高速铁路标准站的铁路信号室外设备BIM数据构建。该方案不仅为铁路信号设备的BIM建模提供了新方法，也为BIM技术在铁路信号中的创新应用开辟了新的道路。

关键词：铁路信号；BIM技术；数据结构；IFC；Prim算法

中图分类号：U 284" " " 文献标志码：A

随着建筑信息模型（BIM）持续发展，其在铁路信号领域的应用受到广泛关注。尽管BIM技术在建筑行业中的应用较成熟，但在铁路信号领域，尤其是室外设备的应用研究基本为空白。

以往研究多聚焦于BIM管理系统和三维可视化系统，但晨等[1]提出了一种利用Revit软件建立桥梁标准构件库的方法；谢先当等[2]采用构件装配和面向对象的设计思路，创建了基于Bentley平台的铁路路基参数化构件库；刘苗苗等[3]根据装配式部品部件分类，建立了装配式构件BIM模型数据库和管理系统。这些研究为BIM技术在铁路信号领域的应用奠定了坚实基础。鉴于铁路信号室外设备在铁路运输安全中的关键作用、本身的复杂性和特殊性，需要对其进行更精细化的研究。

本文分析了铁路信号室外设备特点，提出了一种BIM关键数据结构，采用熵权法确定各个数据间的权重关系，为铁路信号室外设备的智能化设计、高效施工和精准维护提供基础支持。并提出Prim算法，构建高速铁路标准站的铁路信号室外设备BIM关键数据。

1 铁路信号室外设备的组成与特点

1.1 铁路信号室外设备的组成

铁路信号室外设备主要组成通常包括信号机、转辙设备、轨道电路以及箱盒、电缆等。信号机是铁路信号系统中用于显示信号的设备，通常安装在铁路线路的旁边或者上方。转辙设备用于控制铁路道岔的转向，确保列车能够按照预定路径行驶。轨道电路是铁路信号系统中的重要组成部分，用于检测列车位置。除此之外，跟随设备配备的电缆线路、箱盒也是重点之一[4-5]。

1.2 面向铁路信号室外设备BIM数据格式的特点

数据格式需要存储设备的几何形状和非几何信息[6]。铁路信号系统具有层次化特点，数据格式应能体现这种结构。数据格式应支持设备间的关联性，当一个设备的位置或属性发生变化时，与之相关的设备应能自动更新。

2 关键数据结构分析

通过上述分析，本文提出一种基于工业基础类（Industry Foundation Classes，IFC）的数据结构。IFC主要定义了建筑、结构和设备等多个专业领域的实体、属性和关系，所有信息分成几何信息与非几何信息2类。

2.1 轨道交通BIM构件标准库

通用数据标准IFC是目前国际通用的数据底库，也是一个公开的标准，由buildingSMART开发，为BIM应用软件输入数据通用格式和一致性验证提供依据[7]。整体构架分为资源层、核心层、交互层和专业领域层。考虑BIM构件模型在上传构件库、构件库管理和项目应用等方面的需求，轨道交通BIM构件标准库总体框架可分为4个层次，具体如图1所示。

本文主要研究目标为数据库的专业应用层，因此数据类型、数据约束和编码尤为重要。《建筑工程信息模型存储标准》（GB/T51447—2021）中规定IFC的数据结构通常由以下3个元素构成。1）实体。研究目标本身，作为铁路铁路信号室外设备，包括信号机、转辙设备、轨道电路和箱盒。2）属性。研究目标本身对系统产生影响的因素，例如所处位置、老化程度等。3）关系。研究目标间的关系。

2.2 铁路信号室外设备的IFC约束属性

根据铁路信号室外设备所处环境和室外设备运维管理的关键点，本文提出空间属性、电气属性、环境属性、维护属性、其他属性以及连接关系6个维度的约束，比之前的研究多了电气属性、维护属性2个维度，用以描述铁路信号室外设备的IFC数据。

2.2.1 空间属性（ϕki）

借助国铁集团标准站工程庐山站的图纸资料，可对二维平面属性进行约束。其关键信息包括公里标、距钢轨边沿距离、距栅栏距离和位置（位于路肩，还是位于坡脚）。

空间中重要信息为设备基础高程、设备基础距离轨面的高度，可以确定垂直方向位置，并结合铁路信号系统性质，在线路的左侧/右侧补充设备。对于信号机，应补充信号机的高柱/矮型属性。

2.2.2 电气属性（ϕdqi）

铁路信号系统的电气属性不仅是实现联锁关系、发挥信号系统作用的重要属性，还对全系统的生命周期管理有重要意义。通常设备老化，电气属性就会产生偏差。

在电气属性中，通用属性为设备电流、电压、电流波形、电压波形、对地电流和接地电阻。对于转辙设备，其启动、动作电流为重要属性；对于25Hz相敏轨道电路，其相位角、电码化的低频信息与高频载频为重要属性；对于一体化轨道电路，其低频信息、高频载频等为重要属性。

2.2.3 环境属性（ϕhi）

铁路信号室外设备面对的环境条件比室内设备更复杂，常用的设备使用时间、温度和湿度不能满足室外设备全生命周期管理需求。

考虑设备老化的影响因素[8]，本文将设备发热量、海拔、全年温差、当日温差、年平均降水量、年最大降水量、日照时间以及风沙强度作为环境属性的特点补充，以满足BIM系统对设备使用生命的预测。

2.2.4 维护属性（ϕwhi）

维护属性的特点是人为因素对设备带来的影响，定期维护对设备生命周期具有较大影响，例如转辙设备注油周期、信号机光源更换周期等。

2.2.5 其他属性（ϕqti）

本文所述的其他属性是设备管理必须的属性，但这些属性对设备的状态预测、运行状态和连接关系等均无直接影响，具体重点属性为设备名称、生产厂家和设备颜色等。

2.2.6 连接关系（ψj）

铁路信号室外设备的连接关系有以下3种：对于转辙设备、信号机、轨道电路，其连接关系可以归纳为对上连接、对下连接；对于终端盒、方向盒等专用于接线的室外箱盒，其连接关系除了对上连接、对下连接，还有共连接这一属性。由于目前铁路信号系统内连接关系的媒介为电缆，因此加入电缆相关信息，即电缆数量及类型、电缆备用情况、电缆埋深、标桩号和标桩位置。铁路信号室外设备的BIM关键数据归纳见表1。

因此，对于任一室外设备，可用公式（1）进行描述。

Sij=ij{ϕki，ϕhi，ϕdqi，ϕwhi，ϕqti，ψj} （1）

式中：Sij为任一室外设备；ϕki、ϕhi、ϕdqi、ϕwhi、ϕqti和ψj分别为该设备的空间属性、环境属性、电气属性、维护属性、其他属性和连接关系，对于任一室外设备，均可由这些属性和关系进行描述。

2.3 铁路信号室外设备数据的权重

熵权法是一种客观赋权法，根据不同指标的变异程度确定不同的权值，即利用信息熵计算出不同数据的熵权，再使用熵权修改各个数据的权值，使所得权值较客观，具体步骤如下。

计算第i层中第j个因素的比重pij，如公式（2）所示。

（2）

式中：rij代表第i层中第j个因素。

计算第j个因素的熵，如公式（3）所示。

（3）

式中：k=1/lnm；ej为第j个因素的熵

计算第j个因素的熵权，如公式（4）所示。

（4）

式中：w'j为第j个因素的熵权。

遍历j个因素后，最终熵权法的权值向量为w'=（w'1，w'2，...，w'n）。

本文将铁路信号室外设备各属性的使用频率作为输入因素，进行两两对比，因此熵权法的比较矩阵为45×45的矩阵，最终得出各数据的权值。

对于任一室外设备，其加权后的数据结构可用公式（5）进行描述。

S'ij=ij{w'kϕki，w'hϕhi，w'dqϕdqi，w'whϕwhi，w'qtϕqti，w'jψj} （5）

式中：w'为各类数据结构的权值向量。

以上关键数据结构可用于铁路信号系统BIM构建，对于不同设备的特殊分析，可增强所构建的BIM系统或者平台的可用性、可靠性，以提高其生命力。

3 高速铁路标准站的应用

以高速铁路标准站的应用为例。首先，采用Prim算法，对第2节中提出的信号室外设备数据结构模型进行精简，剔除其中不必要的数据。其次，采用熵权法进行权值计算，将高速铁路信号室外设备各属性的使用频率作为输入因素。最后，得出可以用于BIM系统构建的高速铁路标准站室外设备加权数据模型。

Prim算法是用于找出无向加权图中最小生成树的经典算法。Prim算法最初设计的目的是解决通信网络中的网络连通性问题，进而其应用范围扩展到图论的更广泛问题。对于本文提出的BIM系统数据结构，数据间的关系是图关系的一种。因此，采用Prim算法是一种可以识别出高速铁路标准站数据结构的有效途径[7]。

Prim算法的步骤如下所示。1）初始化。选择一个起始顶点v，将其加入最小生成树MST中。2）维护一个优先队列。该队列用于存储尚未加入MST的顶点和及其到MST边界最小边的权重。3）循环。在所有顶点都被加入MST前，重复以下步骤。①从优先队列中取出权重最小的顶点u。②如果u还没有加入MST，将其加入MST。③遍历u的所有邻接顶点，对于每个邻接顶点v，如果u还没有加入MST，计算u和u间的边的权重，并将这个权重与当前v在优先队列中的权重进行比较。如果u和v间的边权重更小，更新v在优先队列中的权重，并记录u通过u到达MST。4）结束。当优先队列变空即所有顶点都被访问过时，算法结束，此时MST包括图中所有顶点，形成了一棵最小生成树。

本文所用算法的代码如下。

function Prim（GSTLGraph， startVertex）：

MST = empty set

visited = set containing only startVertex

priorityQueue = new PriorityQueue（）

for each vertex in GSTLGraph.adjacentVertices（startVertex）：

priorityQueue.insert（vertex， GSTLGraph.weight（startVertex， vertex））

while priorityQueue is not empty：

vertex = priorityQueue.extractMin（）

if vertex not in visited：

visited.add（vertex）

MST.add（vertex）

for each neighbor of vertex in GSTLGraph：

if neighbor not in visited：

priorityQueue.insert（neighbor，GSTLGraph.weight（vertex，neighbor））

return MST

通过上述过程，最终选取出32个高速铁路信号室外设备的BIM关键数据，见表2，其中“设备名称”相对于其他数据独立，因此权重为 0。

通过本例可以发现，将BIM技术应用于铁路信号系统构建，不仅可以提高设计阶段的效率，还能在系统部署和维护中发挥重要作用。关键数据结构是BIM构建过程中不可或缺的。这些数据结构包括但不限于信号设备的类型、位置、性能参数以及与其他铁路系统的交互关系。通过对这些关键数据进行精确捕捉和组织，BIM模型能够提供一个全面的视角，帮助工程师和决策者更好地理解信号系统的布局和功能。对铁路信号系统中不同设备进行分析是提升BIM系统可用性和可靠性的关键。BIM模型可以模拟这些设备在各种工况下的表现，预测潜在问题，并优化设计，以适应特定的需求。增强BIM系统的生命力，可使其能够适应不断变化的技术和运营环境。随着新技术出现和铁路运营需求的演变，BIM系统需要具备灵活性和可扩展性，以整合新的数据、工具和流程。这不仅涉及软件平台的更新，还包括对用户界面和用户体验的持续改进。

通过持续的技术创新和跨学科合作，使铁路信号系统的BIM构建更智能、高效。集成先进的传感器技术、物联网（IoT）和人工智能（AI）算法，可使BIM系统实现实时监控、预测性维护和自动化控制，从而提高铁路信号系统的安全性和效率。

4 结论

本文通过分析铁路信号室外设备BIM关键数据结构，提出了一种建立铁路信号室外设备BIM关键数据结构的方法，可用于铁路信号系统BIM构建，并提出通过最小生成树构建高速铁路标准站铁路信号室外设备BIM关键数据的应用。还需要进一步研究BIM技术与铁路信号室外设备的深度融合和创新应用模式，关键数据结构也会在引入智能化解决方法（例如深度学习、知识图谱等）后发生变化。

参考文献

[1]但晨，肖春红.基于Revit软件的公路桥梁标准构件库研究[J].土木建筑工程信息技术，2022，14（5）：7-12.

[2]谢先当，刘厚强.基于Bentley平台的铁路路基参数化构件库研究[J].高速铁路技术，2021，12（6）：47-51.

[3]刘苗苗，付亚静，周盼，等.装配式标准部品部件库构件设计及应用[J].四川建筑，2021，41（增刊1）：165-167.

[4]李子龙，贺晓玲，郭芳，等.铁路BIM咨询服务体系架构及标准化工作流程研究[J].铁道技术标准，2023，5（10）：1-7.

[5]王基全.铁路领域BIM研究知识图谱构建与分析[J].铁道工程学报，2023，40（11）：87-93.

[6]白明刚，周刚，赖华辉，等.基于IFC的轨道交通BIM构件标准库研究[J].都市快轨交通，2024，37（2）：23-28，59.

[7]李耀东，苗春艳，高健，等.基于改进Prim算法的路径规划研究[J].现代电子技术，2024，47（4）：176-181.

[8]张黎明，蔡琦，赵新文，等.考虑环境和运行状态影响的设备老化等效龄模型[J].核动力工程，2010，31（5）：14-17，23.