智慧交通中的数字孪生应用

数字孪生的发展背景

“孪生”的概念起源于美国国家航空航天局的“阿波罗计划”。2003 年前后， 关于数字孪生（Digital Twin） 的设想首次出现于Grieves 教授在美国密歇根大学的产品全生命周期管理课程上。直到2010 年，“Digital Twin”一词在NASA 的技术报告中被正式提出，并被定义为“集成了多物理量、多尺度、多概率的系统或飞行器仿真过程”。近年来，数字孪生得到越来越广泛的传播。许多著名企业（如空客、洛克希德马丁、西门子等）与组织（如Gartner、德勤、中国科协智能制造协会）对数字孪生给予了高度重视。2018年《河北雄安新区规划纲要》中指出：坚持数字城市与现实城市同步规划、同步建设，打造具有深度学习能力、全球领先的数字城市。率先推进数字孪生城市建设。如今在雄安，数字孪生已经开始逐步运用到智慧城市各个领域，本文将带您了解数字孪生在雄安智慧交通中的技术应用。

数字孪生介绍

数字孪生的定义

数字孪生是以数字化化方式创建物理实体的虚拟实体，借助历史数据、实时数据以及算法模型等，模拟、验证、预测、控制物理实体全生命周期过程的技术手段。

在道路交通中应用，数字孪生技术不仅可实现物理实体的虚拟化映射，利用多种传感器和网络通信技术，实现道路基础设施生命周期的动态监测，以及路面上交通参与者的精准还原，并依据交通行为判断和预测可能存在的交通事件和事故风险，依据交通状态分析道路交通通行状况，为道路通行诊断和交通管理决策提供精确依据。

数字孪生与交通仿真的区别与联系

交通仿真作为研究交通微观和宏观行为最重要的工具，通过搭建模型环境和运行完整的信息参数，反应现实世界交通状况特性。但交通仿真软件数据的精确匹配和实时性都存在偏差，同时只能依托历史数据去做分析和推测，而无法准确的和物理世界相关联进行及时的研判分析。而数字孪生体系通过与物理世界建立底层关联，将物理世界动态实时的映射到虚拟世界当中，并依据当前的交通态势和行为做预测。

智慧交通中数字孪生的构建

在智慧交通的实际构建当中，以基础设施和多源异构物理感知的数字化为底座，通过以多种低延时的网络组合作为通道，将数据上传到具备孪生功能的计算平台进行建模重构和精确感知，从而将数字化结构化的数据应用到交通的各项业务当中，即时数据可通过边缘计算迅速实现交通行为还原和检测，利用大数据实现交通状态推演和自动分析预测功能。

在感知层，基于高精地图采集的三维模型将路网、道路、标志标线、建筑物、杆件等数字化，并匹配相应的特征信息，如地理位置信息、物理属性等。多源异构的交通检测传感器可以识别各类交通参与者的精准位置、轮廓、大小、速度、航向角等信息和交通事件、交通行为。结合诸多物联网传感器，将路面、路基、设备等状态和生命周期等数据通过多种网络组合方式提供尽可能低时延的方式同步到计算层，实现物理世界和虚拟世界的时间空间同步。

数据层则将不同途径采集到的数据按照业务需求进行不同分发、存储以及管理。

运算层则运用计算资源将物理生命周期数据同动态采集数据进行融合和精准匹配，将物理量转化为机器可识别语言，构建有机的数字孪生体。

功能层面向业务体系，在机器语言自动识别处理的基础上，实现交通场景的孪生重现，交通参与者的目标识别跟踪和还原，智能化的分析目标行为和交通状态，从而根据目标进行态势分析和交通事件预测。

数字孪生在交通中的应用价值

数字孪生的核心在于将物理道路、基础设施和交通目标全部转化为带有特征信息的数字，从而转化成供机器自动读取和识别的语言。在该基础前提下，我们可以获取道路和设备全生命周期状态过程，并将含有位置、速度、角度、轮廓、类型的交通参与目标直接提供给计算单元读取，自动判别目标行为。

区别于传统视频监控，数字孪生的在立体多维呈现不受光线条件的影响，可最为直观全面的了解实时交通状态，灵活切换任意视角，迅速查看交通事件发生情况，从路网的交通态势到微观车辆的行为，都可一目了然。

城市管理当中依托机器自动识别读取，可以极大提高交通管理效率，识别到交通异常自动报警并评估对道路通行的影响规模，通过分析交通态势自动下发应急预案，人工只需要二次确认事故并确认处置方案，较传统交通管理模式更为便利高效。

另一方面带来的价值，依托极低时延网络，对于微观交通行为的预测，依据交通参与者的空间位置、速度、方向等判定碰撞可能性并为车辆或行人提供预警。长期的精准数据分析，也可为交通管理策略、交通应急处置预案优化提供更精准的依据，可不断优化和支撑数据分析。