“孪生”这一概念源于NASA的“阿波罗计划”。2003年左右，数字孪生（Twin）这一概念首次出现在密歇根大学一位教授的产品生命周期管理课程中。直到2010年，“孪生”一词才在NASA的技术报告中正式提出，并定义为“集成多种物理量、多种尺度、多种概率的系统或飞行器仿真过程”。近年来，数字孪生越来越广泛地传播，许多知名企业（如空客、洛克希德马丁、西门子等）和组织（如德勤、中国科协智能制造协会）都高度重视数字孪生。2018年《河北省雄安新区规划纲要》指出：坚持数字城市与现实城市同步规划建设，打造具有深度学习能力、全球领先的数字城市，带头推动数字孪生城市建设。如今在雄安，数字孪生已经开始逐渐应用到智慧城市的各个领域，本文就带大家了解数字孪生在雄安智慧交通中的技术应用。
数字孪生简介
数字孪生的定义
数字孪生是以数字化方式创建物理实体的虚拟实体的技术手段，利用历史数据、实时数据和算法模型来模拟、验证、预测和控制物理实体的全生命周期。
数字孪生技术应用于道路交通，不仅能够实现物理实体的虚拟映射，还可以利用多种传感器和网络通信技术，实现道路基础设施全生命周期的动态监测、道路交通参与者的精准还原，还能根据交通行为判断和预测可能发生的交通事件和事故风险，结合交通现状分析道路交通状况，为道路交通诊断、交通管理决策提供精准依据。
数字孪生与交通仿真的区别与联系
交通仿真是研究交通微观与宏观行为最重要的工具，通过搭建模型环境、运行完备信息参数来反映真实世界交通状况的特征。但交通仿真软件数据的精准匹配与实时性存在偏差，同时只能依靠历史数据进行分析推测，无法精准关联物理世界进行及时研究分析。数字孪生系统与物理世界建立底层连接，将物理世界实时动态映射到虚拟世界，并根据当前的交通状况和行为进行预测。
智慧交通数字孪生构建
在智慧交通的实际建设中，以基础设施数字化、多源异构物理感知为基础，通过多种低时延网络组合作为通道，将数据上传至具有建模、重构和精准感知双重功能的计算平台，从而将数字化结构化数据应用到各类交通业务中。通过边缘计算，实时数据可以快速还原、检测交通行为，大数据可以实现交通状态推演、自动分析预测等功能。
在感知层，基于高精度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，并匹配相应的地理位置信息、物理属性等特征信息。多源异构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，以及交通事件和交通行为。结合众多物联网传感器，将路面、路基、设备等的状态、生命周期等数据通过多种网络组合以尽可能低的延迟同步到计算层，实现物理世界与虚拟世界的时空同步。
数据层根据业务需求，对不同渠道采集的数据进行分发、存储和管理。
操作层利用计算资源将物理生命周期数据和动态采集数据进行融合和精确匹配，将物理量转换成机器可识别的语言，构建有机的数字孪生。
功能层面向业务系统，基于机器语言的自动识别与处理，实现交通场景的双重再现，交通参与者的目标识别、跟踪与还原，以及目标行为与交通状态的智能分析，从而进行基于目标的态势分析与交通事件预测。
数字孪生在交通运输中的应用价值
数字孪生的核心是将所有物理道路、基础设施和交通目标转化为具有特征信息的数字，进而转化为机器可以自动读取和识别的语言。基于这个基本前提，我们可以获得道路和设备全生命周期的状态过程，并将包含位置、速度、角度、剖面和类型的交通参与者目标直接提供给计算单元读取，并自动识别目标行为。
不同于传统视频监控，数字孪生的立体、多维度呈现，不受光照条件影响，能最直观、全面地了解实时交通状况，灵活切换任意视角，快速查看交通事件发生情况。从路网的交通状况到微观车辆的行为，一目了然。
城市管理中依靠机器自动识读，可以大大提高交通管理效率，发现交通异常时自动报警，评估对道路交通影响程度，通过分析交通状况，自动下达应急预案，事故发生和处置方案仅需人工确认两次，比传统交通管理模式更加便捷高效。
另一方面其带来的价值在于，依托极低时延的网络，可以预测微观的交通行为，根据交通参与者的空间位置、速度、方向等判断碰撞的可能性，为车辆或行人提供预警。长期精准的数据分析也能为优化交通管理策略、交通应急预案提供更精准的依据，并能持续优化和支持数据分析。
欢迎加入智能交通群！添加微信号并标记“加入群”。
