數字孿生的發(fā)展背景

　　“孿生”的概念起源于美國國家航空航天局的“阿波羅計劃”。2003 年前后， 關于數字孿生（Digital Twin） 的設想首次出現于Grieves 教授在美國密歇根大學的產品全生命周期管理課程上。直到2010 年，“Digital Twin”一詞在NASA 的技術報告中被正式提出，并被定義為“集成了多物理量、多尺度、多概率的系統或飛行器仿真過程”。近年來，數字孿生得到越來越廣泛的傳播。許多著名企業(yè)（如空客、洛克希德馬丁、西門子等）與組織（如Gartner、德勤、中國科協智能制造協會）對數字孿生給予了高度重視。2018年《河北雄安新區(qū)規(guī)劃綱要》中指出：堅持數字城市與現實城市同步規(guī)劃、同步建設，打造具有深度學習能力、全球領先的數字城市。率先推進數字孿生城市建設。如今在雄安，數字孿生已經開始逐步運用到智慧城市各個領域，本文將帶您了解數字孿生在雄安智慧交通中的技術應用。

　   數字孿生介紹

　　數字孿生的定義

　　數字孿生是以數字化化方式創(chuàng)建物理實體的虛擬實體，借助歷史數據、實時數據以及算法模型等，模擬、驗證、預測、控制物理實體全生命周期過程的技術手段。

　　在道路交通中應用，數字孿生技術不僅可實現物理實體的虛擬化映射，利用多種傳感器和網絡通信技術，實現道路基礎設施生命周期的動態(tài)監(jiān)測，以及路面上交通參與者的精準還原，并依據交通行為判斷和預測可能存在的交通事件和事故風險，依據交通狀態(tài)分析道路交通通行狀況，為道路通行診斷和交通管理決策提供精確依據。

　　數字孿生與交通仿真的區(qū)別與聯系

　　交通仿真作為研究交通微觀和宏觀行為最重要的工具，通過搭建模型環(huán)境和運行完整的信息參數，反應現實世界交通狀況特性。但交通仿真軟件數據的精確匹配和實時性都存在偏差，同時只能依托歷史數據去做分析和推測，而無法準確的和物理世界相關聯進行及時的研判分析。而數字孿生體系通過與物理世界建立底層關聯，將物理世界動態(tài)實時的映射到虛擬世界當中，并依據當前的交通態(tài)勢和行為做預測。

　　智慧交通中數字孿生的構建

　　在智慧交通的實際構建當中，以基礎設施和多源異構物理感知的數字化為底座，通過以多種低延時的網絡組合作為通道，將數據上傳到具備孿生功能的計算平臺進行建模重構和精確感知，從而將數字化結構化的數據應用到交通的各項業(yè)務當中，即時數據可通過邊緣計算迅速實現交通行為還原和檢測，利用大數據實現交通狀態(tài)推演和自動分析預測功能。

　　在感知層，基于高精地圖采集的三維模型將路網、道路、標志標線、建筑物、桿件等數字化，并匹配相應的特征信息，如地理位置信息、物理屬性等。多源異構的交通檢測傳感器可以識別各類交通參與者的精準位置、輪廓、大小、速度、航向角等信息和交通事件、交通行為。結合諸多物聯網傳感器，將路面、路基、設備等狀態(tài)和生命周期等數據通過多種網絡組合方式提供盡可能低時延的方式同步到計算層，實現物理世界和虛擬世界的時間空間同步。

　　數據層則將不同途徑采集到的數據按照業(yè)務需求進行不同分發(fā)、存儲以及管理。

　　運算層則運用計算資源將物理生命周期數據同動態(tài)采集數據進行融合和精準匹配，將物理量轉化為機器可識別語言，構建有機的數字孿生體。

　　功能層面向業(yè)務體系，在機器語言自動識別處理的基礎上，實現交通場景的孿生重現，交通參與者的目標識別跟蹤和還原，智能化的分析目標行為和交通狀態(tài)，從而根據目標進行態(tài)勢分析和交通事件預測。

　　數字孿生在交通中的應用價值

　　數字孿生的核心在于將物理道路、基礎設施和交通目標全部轉化為帶有特征信息的數字，從而轉化成供機器自動讀取和識別的語言。在該基礎前提下，我們可以獲取道路和設備全生命周期狀態(tài)過程，并將含有位置、速度、角度、輪廓、類型的交通參與目標直接提供給計算單元讀取，自動判別目標行為。

　　區(qū)別于傳統視頻監(jiān)控，數字孿生的在立體多維呈現不受光線條件的影響，可最為直觀全面的了解實時交通狀態(tài)，靈活切換任意視角，迅速查看交通事件發(fā)生情況，從路網的交通態(tài)勢到微觀車輛的行為，都可一目了然。

　　城市管理當中依托機器自動識別讀取，可以極大提高交通管理效率，識別到交通異常自動報警并評估對道路通行的影響規(guī)模，通過分析交通態(tài)勢自動下發(fā)應急預案，人工只需要二次確認事故并確認處置方案，較傳統交通管理模式更為便利高效。

　　另一方面帶來的價值，依托極低時延網絡，對于微觀交通行為的預測，依據交通參與者的空間位置、速度、方向等判定碰撞可能性并為車輛或行人提供預警。長期的精準數據分析，也可為交通管理策略、交通應急處置預案優(yōu)化提供更精準的依據，可不斷優(yōu)化和支撐數據分析。