对网站做综合搜索引擎优化分析/珠海seo推广

物联网（IoT）的发展提出了许多新颖的技术，其中的应用场景不仅限于用户级别（例如，个人消费者或私有公司），而且还可以应用于系统级别（例如，商业或工业领域）。数字孪生是物联网的新兴代表，最近引起了越来越多的关注。数字孪生被评为2019年十大战略技术趋势之一，其中包括自动驾驶事物（例如，自动驾驶汽车），沉浸式技术（例如，虚拟现实和增强现实）以及量子计算。

*本文来自本实验室李王睿的研究成果和学习笔记

尽管数字孪生的定义在不同的研究中有所不同，但基本思想非常相似：数字孪生是物理域中实体的数字域中的数字副本。数字孪生技术得益于物理网络连接和网络物理系统（CPS）元素，为实时监控和与虚拟对等实体同步实时活动开辟了道路。数字孪生概念最早是在航空领域诞生的，当时美国国家航空航天局（NASA）将其作为其2010年技术路线图的关键要素。在过去十年中，随着其在不同领域的快速发展，包括航空和航天，机器人技术，制造业和信息学，数字孪生在运输领域也具有巨大潜力。自从在过去的十年中出现以来，数字孪生概念已经在汽车行业中被松散地定义和采用，部分原因是它与CPS和IoT等其他技术的相似性和联系。

在本文中，我们提出了一种使用车辆到云（V2C）通信的互联车辆的数字孪生框架。针对高级驾驶员辅助系统（ADAS）开发了一种数字孪生模型，比如由云计算的参考速度显示在车辆车载驾驶员接口（DVI）设备上，因此驾驶员可以在驾驶中更智慧地控制车辆。此外，还进行了协作式匝道并线的案例研究，其中在三辆乘用车上的真实交通中的现场实施验证了所提出的数字孪生框架的有效性。

 

 

智能网联汽车的数字孪生系统的总体框架

 

从上图可以看出，我们为具有两层框架的互联车辆开发了数字孪生系统。下层代表物理域，而上层代表数字域。此外，通信模块在此系统框架中起着至关重要的作用，它是将两层紧密连接在一起的纽带。

数字孪生框架的物理层随时间在世界坐标上定义，可能包含所有物理实体及其相互作用，包括车辆和零部件，驾驶员和乘客，道路基础设施，气象学，其他道路使用者等。该层中的两个关键模块是传感器和执行器。传感器可以检测物理实体的动态状态，操作过程中的变化或事件发生（例如车速，驾驶员的视线和交通灯状态），并以不同的解决方案汇总测量结果。信息通过通信模块传输到数字域，以进行进一步处理。

另一方面，（再次通过通信模块）接收到来自数字域的处理结果，并将其用作物理域中实体或过程的驾驶指示。物理域中的智能网联车辆可以是部分或完全自动化的（即联网和自动化的车辆），也可以由具有某些ADAS功能的人类驾驶员来驾驶。数字域发送的驾驶指示将建议智能网联车辆的自动控制器或人工驾驶员进行协作/智能操作，进而在安全性，机动性和环境可持续性方面受益于运输系统。

数字孪生框架内的数字域处理了此两层框架中的所有计算工作。它不仅包含物理域的摘要（即物理实体和过程的数字副本），而且还执行一些关键功能。首先，对来自物理域的感知数据进行清理（例如异常检测和删除，丢失数据归因）并进行融合（包括时间同步）。然后，预处理的数据可以存储在数据库中（例如，用于数字可追溯性）或发送到数据挖掘和知识发现模块以进行进一步探索

使用先进的计算技术（例如机器学习），从数据挖掘和知识发现模块中提取的信息可用于为知识库做出贡献或构建物理域的模型。出于可视化目的，可以将模拟工具（例如车辆模拟器，驾驶模拟器和交通模拟器）集成到建模模块中。知识库位于数字域的中心，建立在历史信息之上，并随着新信息的涌入而不断更新。可以提取知识以进行预测分析（与建模/仿真工具结合使用）并找到最佳信息支持决策过程的策略。混合动作（通过通信模块）传输回物理域中的执行器，以提高整体系统性能。

基于V2C的ADAS架构

在本节中，我们在数字孪生框架内开发了基于V2C通信的ADAS，其目的是为驾驶员提供参考速度信息。下图中显示了专门用于此ADAS的系统架构图。下面将讨论此基于V2C的ADAS中不同组件的特征。

 

 

1. 物理域

在现实世界中，联网车辆由蜂窝热点（可选），全球导航卫星系统（GNSS），DVI设备和人类驾驶员组成。由于计算得出的速度指南是通过V2C通信从数字域发送的，因此在物理域中不需要车载计算机。

1）蜂窝热点：此模块提供对DVI设备的蜂窝访问，因此可以在此数字孪生模型中进行V2C通信。Wi-Fi热点可能配备有4G LTE（可能是5G）sim卡，并具有“共享热点”功能。但是，如果DVI设备（例如手机或平板电脑）已经配备了SIM卡，则此蜂窝热点不是必需的。

2）GNSS：车辆上装有此模块，用于测量其实时原始位置（纬度和经度）和速度信息，并通过微型USB电缆将其发送到DVI设备。

3）DVI设备：此模块向驾驶员显示建议信息（通过V2C通讯）以进行协作/智能操作。在DVI上显示的信息（图中显示了一个示例）可能包括当前速度（左侧数字），参考速度（右侧数字）和其他一些其他消息（例如，语言指导，纬度和经度，IP地址） 。

4）驾驶员：配备的车辆的驾驶员可以通过踩下加速/制动踏板，根据DVI来调整车速。由于驾驶员不可能完美地保持参考速度，因此在云服务器上运行了人类行为模型来预测加速/制动错误并实时补偿指导以提高系统性能。

1. 数字域

该基于V2C的ADAS的所有计算都在云服务器上进行，在云服务器中，在数字域中创建物理实体（例如，车辆，驾驶员，道路）和相关功能模块的数字副本。以下列出了ADAS的主要数字模块的细分：

1）地图匹配：对于地图匹配模块，云服务器上提供了测试场的预制地图，其中包含诸如道路类型，道路长度，道路ID和方向，道路速度限制，合并区域和影响区。地图匹配模块的主要功能是位置同步和地理围栏。为了进行位置同步，可以通过建议的地图匹配算法将从GNSS接收到的车辆坐标（即经度，纬度和高度）与预先构建的地图进行匹配，以更新其在数字域中的当前位置。对于地理围栏，定义标志以检查每个时间戳中车辆的位置和状况，因此可以相应地执行相关的操作。

2）驾驶计划和运动控制：此模块生成本车辆的参考速度。该模块的输入是所有相关车辆的速度和车道高度位置，其中驾驶计划器生成本车辆的预计驾驶轨迹，而运动控制器计算参考速度以实现该期望轨迹。

3）人为行为模型：此模块预测驾驶员产生的速度跟随错误，并实时补偿原始参考速度。该模型的输出是发送到物理域的参考速度，该速度已经考虑了驾驶员产生的速度误差。

4）数字孪生可视化：此模块演示了数字域中车辆的数字复制。它从人类行为模型接收参考速度，并从地图匹配模块接收位置和车辆速度。该界面根据GNSS模块测量的位置在预制地图上显示所有车辆的实时运动。它还显示一些附加信息，例如服务器IP地址，车辆的纬度和经度和所配备车辆中DVI的简化版本。

5）能效评估：能效评估模块实时分析数据。可以在云服务器上分析速度，加速度，能耗，标准污染物排放和许多其他感兴趣的性能指标，并将其结果发送回物理域或显示在DVI上。

案例研究：协作式匝道并线

为了证明根据ADAS的数字孪生框架在现实世界中的有效性，我们进行了协作式匝道并线的案例研究。所提出的方法如图所示，其中每个合并的车辆都假定已启用V2C通信并由驾驶员驾驶。任何两个车辆之间的合并操作都被简化为一个跟车问题，在先前的研究中，我们采用了“虚拟车辆”的想法：将在另一条合并车道上创建真实车辆的虚拟车辆，共享与真实车辆相同的纵向速度和距离。

 

 

基于当前速度和合并距离，可以由云服务器上的驾驶计划器计算合并时间的估计值。然后可以通过对所有估计的合并时间值进行排序来确定所有相关车辆的合并顺序。从图中可以看出，虚拟车辆被投影在另一个合并车道上，因此其后续车辆（具有一个较大的序列ID号）可以基于云服务器上的运动控制器进行跟车操作。

基于我们先前的研究，运动控制器采用了基于查表的共识算法。基本上，本车辆i从云服务器检索其（虚拟）领先车辆j（j = i − 1）的信息，包括其长度，纵向速度和横向合并距离。然后，共识算法将这些输入以及来自本车辆i的车辆动力学数据，并通过以下算法计算本车辆i的参考加速度：

 

性能测试

下图显示了网络世界中数字孪生的可视化，其中所有三辆汽车的数字副本都在虚拟地图中移动，并实时从物理域进行更新。在此处还显示了在数字域中计算出的参考速度，并通过V2C通信将其发送给物理世界中的所有三辆车。

这三辆车的匝道并线过程通过下图的四个快照显示。在（a）中，两辆主干道车辆以相对较短的间隙从桥上驶下，而匝道车辆刚开始在匝道上加速。在（b）中，以下主干道车辆已经从云服务器接收到“合并警告”，并且正在为匝道车辆合并产生间隙。在（c）中，主干道车辆与匝道车辆已经调整了纵向速度和位置（通过驾驶员跟踪参考速度），匝道车辆无需进行进一步调整即可进行简单的车道变更。在（d）中，所有三辆车均成功进行了协作匝道合并操作。

 

​

这项研究的未来主要方向是将该数字孪生模型应用于其他车辆用例，例如并非所有车辆都具有V2C连接的混合交通场景，并验证所提出的数字孪生框架的有效性。此外，与其他通信方法相比，需要在此数字孪生框架内提出和实现更多服务模块，以最大程度地发挥V2C通信的优势。