人工智能 数据挖掘(人工智能数据挖掘方向)

 

文章导读

2021年12月24日，Digital Twin发表了论文数字孪生中的人工智能：现状、挑战和未来研究主题。本文由乌普萨拉大学艺术学院游戏设计系和青岛大学计算机科学与技术学院投稿，对数字孪生中的人工智能进行了总结和展望，讨论了数字孪生在航空航天、生产车间智能制造、无人驾驶车辆和智能城市交通领域的应用，分析了数字孪生与人工智能结合的挑战和未来的发展方向。数字孪生结合人工智能应用于航空航天飞行探测模拟、故障警告、飞机装配、无人驾驶飞行都效果显著；应用于汽车自主驾驶虚拟仿真试验能够显著的节省时间和成本，应用于生产车间的智能制造能够提供及时的故障报警，延长设备的使用寿命，提高车间运行的安全性；应用于智能城市交通中能够模拟道路环境，快速准确地进行城市交通管理。数字孪生和人工智能的结合可以应用于航空航天、车间制造、无人驾驶和城市交通等众多领域，具有广阔的应用前景。

文章信息

文章发表于《Digital Twin》期刊，2021年12月24日

DOI：10.12688/digitaltwin.17524.1

论文链接：

https://digitaltwin1.org/articles/1-12

引用本文：: Lv Z and Xie S. Artificial intelligence in the digital twins: State of the art, challenges, and future research topics. Digital Twin 2021, 1:12doi.org/10.12688/digitaltwin.17524.1

译 文

数字孪生中的人工智能：

现状、挑战和未来展望研究

摘要

随着数字化的发展，大数据、人工智能（AI）、云计算、数字孪生和边缘计算等先进计算机技术已应用于各个领域。为了研究数字孪生与人工智能结合的应用现状，本文通过研究当前已发表文献的研究成果，对人工智能在数字孪生中的应用和前景进行了论述。我们讨论了数字孪生在航空航天、生产车间智能制造、无人驾驶车辆和智能城市交通四个领域的应用现状，并回顾了当前的挑战和未来需要展望的方向。研究发现，数字孪生和人工智能的结合在航空航天飞行探测模拟、故障警告、飞机装配，甚至无人驾驶飞行方面都有显著的效果；在汽车自主驾驶虚拟仿真试验中，可以节省80%的时间和成本，相同的路况降低了实际车辆动力学模型的参数规模，大大提高了试验精度；在生产车间的智能制造中，虚拟车间环境的建立可以提供及时的故障报警，延长设备的使用寿命，保证车间整体运行安全；在智能城市交通中，模拟真实的道路环境，恢复交通事故，使交通状况清晰高效，能够快速准确地进行城市交通管理。最后，我们对数字孪生和人工智能的未来进行了展望，希望能为今后相关领域的研究提供参考。

关键词：数字孪生；人工智能制造；自动驾驶；智能城市

导言

数字孪生（DTs）最重要的灵感来自真实物理系统和数字网络空间模型之间的反馈需求。人们试图在数字空间中再现物质世界中发生的事情。只有使用循环反馈的全生命周期跟踪才是整个生命周期的真正概念。这样，在整个生命周期中，可以真正确保与物质世界的数字一致性。基于数字模型的各种模拟、分析、数据积累、挖掘，甚至人工智能应用都可以确保它适用于真实的物理系统。智能系统的智能必须首先被观察、建模、评估和推理。如果数字孪生对实际生产系统没有准确的建模描述，智能制造系统就无法实现。

基于机器学习（ML）的人工智能应用通常被认为是制造业中一项很有前途的技术。然而，ML方法需要大量高质量的训练数据集。对于受监督的ML，通常需要手动输入来标记这些数据集。这种方法成本高、容易出错且耗时，尤其是在复杂且动态的制造环境中。Alexopoulo等人（2020）指出，数字孪生模型可以通过生成适当的训练数据集并通过模拟工具链自动标记来加速ML训练阶段，从而减少用户对训练过程的参与。这些合成数据集可以使用大量真实数据进行扩展和交叉验证。Fan等人（2021）研究并提出了灾难城市数字孪生概念的愿景，该概念可以实现信息和通信技术（ICT）在危机信息学和灾难应对中的跨学科整合。这包括整合人工智能算法和方法，以增强不同利益相关者之间的态势评估、决策和协调，从而提高对复杂灾害的应对和人道主义援助动态的可见性。根据Rasheed等人（2019）的研究，数字孪生是复杂系统的自适应模型。计算管道、多物理解算器、人工智能、大数据控制论、数据处理和管理工具的最新发展使数字孪生的前景及其对社会的影响更接近现实。数字孪生目前广泛应用，是一个显著的上升趋势。也称为计算巨人模型、设备阴影、镜像系统、化身或同步虚拟原型。因此，数字孪生不仅在我们如何构建和管理网络物理智能系统方面发挥作用，而且在我们如何促进多学科系统的模块化以解决根本性障碍方面发挥着转型作用。

本文旨在综述数字孪生技术与人工智能技术在各个领域的应用现状，以及当前面临的挑战和未来需要研究的课题。希望能为数字孪生在各个行业的应用研究提供理论依据，并起到一定的启发作用。

数字孪生中人工智能技术的研究现状

密歇根大学教授米迦勒博士在2003首次提出数字孪生的概念。它也被称为数字镜像和数字地图。它是一个物理到物理世界或数字表达的系统。理解它在虚拟世界中是简单而直接的。在现实世界中复制真实事物是一个超越现实的概念。这是一个数字模拟过程，使用物理模型、传感器设备和历史操作数据，集成了多个学科、物理量、尺度和概率。据Gartner称，数字孪生是2019年十大关键技术之一。据估计，到2020年，将连接200多亿个传感器和终端，数字孪生将连接数十亿个物理设备，试图在虚拟世界中尽可能多地模拟物理世界的实际情况。这一预测得到了验证，作者认为在2021中该技术将使用更多的传感器和终端设备。由于数字孪生的优势越来越突出，数字孪生的研究领域也越来越多样化，主要集中在计算机集成制造领域，开发过程经历了许多阶段，如图1所示。

图1 数字孪生的发展历史

数据采集、数据建模和数据应用是数字孪生的三个主要方面。数据收集是指充分利用卫星遥感、倾斜航空摄影测量、激光雷达测量、摄像机等技术，从完整的物理空间场景中获取三维数据。传感器的功能是获取现实世界中的各种真实数据。数据采集的技术难点和关键是数据采集的高精度和高效率，这决定了数据采集的质量、效率和成本。在获得大量原始物理世界数据后，进行数据建模，并使用自动建模工具进行进一步处理，生成物理世界实际恢复的三维模型。除了环境的高精度虚拟重建外，数字孪生数据在支持各种操作过程方面更为有效。数据建模可分为两部分：可视化三维建模和语义建模。可视化三维建模是对物理世界的三维再现。数字孪生的语义建模包括对收集的数据进行结构化，并识别车辆、道路、人和内部对象等对象。映射概念如图2所示。

图2 数字孪生的概念

人工智能作为计算机科学的一门学科，不仅改变了我们的生活，也改变了许多行业。它试图理解智能的基础，以便创造一种新的智能机器，能够以类似于人类智能的方式作出反应。机器人技术、语言识别、图像识别、自然语言处理和专家系统都是本学科的研究领域。计算机、机器人、经济和政治决策、控制系统和模拟系统都采用人工智能。如图3所示，它正在悄悄地改变我们的生活方式。我们可以使用地图软件来避免开车时的拥堵；我们戴的智能手表可以帮助我们监测和预测健康风险；我们家里的机器人可以用父母的声音给我们的孩子讲故事；我们的清扫机器人可以很容易地清扫一个大型复式房屋。人工智能与数字孪生的结合将在我们生活的方方面面产生难以想象的变化。

图3 人工智能在数字孪生生态模拟分析中的应用

基于数字技术的人工智能技术应用现状

数字孪生中的人工智能是一个普遍适用的理论和技术体系，具有许多应用，如产品设计、设备制造、医学分析、航空航天等领域。目前，我国在工程建设领域的应用最为深入，智能制造在该领域的研究最具吸引力。应用领域的分类图如图4。

图4 数字电视中人工智能应用领域的分类

数字孪生在航空航天领域的应用

数字孪生的概念最初是为了在航空航天领域使用而提出的。例如，数字孪生用于飞行模拟和航空航天飞行机器的维护和质量保证过程。在数字空间中建立真实的飞机模型，然后使用传感器对数字空间进行集成。飞机的状态与实际飞行飞机的状态同步。这样，每架飞机的起飞和着陆过程都被模拟并存储在数字空间中。通过对数字空间的数据分析，可以清楚地了解飞机是否需要维修以及是否可以进行下一次飞行。

Yurkevich等人（2021）的研究目的是开发用于数字空中交通管制的神经模型。该方法采用分布式组织和技术系统的物理自组织社会网络的概念，其组件连接到无线4G和5G网络。这种方法的优点是分析和管理的原理非常有前途，并且它与混合人工智能有着复杂的集成。Dai等人（2021）表明，自动驾驶无人机（UAV）系统作为一个安全关键系统，需要不断提高其可靠性和安全性。另一方面，测试复杂的自动飞行员控制系统是一个时间和资金密集型项目，需要在项目增长期进行几次外部飞行测试。因此，为了提高无人机开发的效率和安全性，提出了自动驾驶平台的内部自动测试系统。随着无人机技术的发展，无人机的应用越来越多，被视为未来智能城市基础设施的重要组成部分。同时，与无人机应用相关的安全和隐私威胁需要适当的测试和监视技术。Grigoropoulos等人（2020）提供了一个模拟环境和数字孪生支持平台，用于促进基于普通无人机架构的无人机应用程序的管理和性能。首先，仿真环境可以对平台本身和平台上运行的应用程序的功能进行深入测试，然后将其部署到实际世界中。部署后，数字孪生用于发现应用程序之间的差距和预期行为，而当执行模拟测试或未发现故障时，这些差距和预期行为又可以用作错误指示器。维修已从事后维修和预防性维修演变为预测性维修，使其成为航空最关键的组成部分之一。精确维修是未来的发展道路，目的是确保运行安全，降低协同优化目标和运行成本。为了提高发动机预测维修的效果，Xiong等人（2020）研究了数字双驱动飞机发动机预测维修框架，发现了隐式数字双IDT（隐式数字双）模型。通过评估虚拟和实际数据资产的一致性来确定模型的有效性。通过将数据驱动的深度学习（DL）方法与LSTM（长-短期记忆）模型相结合，并以航空发动机为例，证明了该方法的有效性。

图5 基于数字孪生模型的飞行寿命预测

如图5所示，与其他行业相比，飞机总成具有结构复杂、零部件数量庞大、对产品气动外形要求极为严格的特点。因此，必须使用专业的装配架，以确保零件在安装过程中不会受到人为因素的影响，从而导致变形和装配错误。仅以传统的工程图纸为工艺设计和生产装配依据，难以保证严格的精度要求。数字孪生技术的出现为飞机装配过程和现场信息反馈控制之间的及时有效交互提供了可能性。Liang等人（2020）指出，飞机核心部件和数字孪生体的全场位移感知在精密生产（如航空制造）中起着至关重要的作用。在他们的研究中，还提出了在线多点位移监测与矩阵完备理论相结合的实时全场位移传感方法，并建立了基于多点观测信息的全场位移传感概念模型。HPP（高精度产品）是一种多学科耦合的高精度产品，经常用于航空航天、海洋、化工和其他行业。这正是因为HPP的内核复杂且紧凑，并且集成了跨学科耦合的装配过程要求极高的精度。传统的手工装配方法效率低下，质量不稳定。针对上述问题，Sun等人（2020）研究并提出了数字双驱动HPP组装和调试方法。它提供了数字孪生驱动装配和调试的理论架构，以及基于数字孪生技术构建装配和调试全要素信息模型的方法。

关于民用飞机质量偏差控制系统的问题，质量偏差控制数据分散在众多管理系统中，使得无法从相关飞机的整个生命周期收集质量数据相关信息；缺乏用于质量数据分析和质量偏差控制融合系统的闭环网络物理。因此，定位质量偏差问题非常困难，处理这些问题需要很长时间。Cai等人（2021）研究并提出了一种基于数字孪生的质量偏差控制模型。利用基于资产管理技术的数字孪生模型，可以检索和合并多源异构质量偏差数据，构建质量偏差系统。本系统使用FP-growth关联规则算法评估飞机质量偏差数据，系统可提供调查结果，以协助装配现场，并最大限度地提高在现实世界中纠正质量问题的性能和正确性。

根据上述讨论，数字孪生在航空航天行业有着广泛的用途，包括飞机飞行路线的数字模拟、故障和维修的及时报告以及无人机性能的测试。这些领域取得了重大突破和进展。

数字孪生在自动智能驾驶中的应用

随着深度学习和大数据分析技术的进步，人工智能应用正在迅速发展。其中，利用人工智能算法开发自主驾驶系统势在必行。在现实生活中，自主驾驶技术可以减少交通事故，实现时空等资源的高效利用，甚至为残疾人的驾驶过程提供极大的便利。然而，由于自主驾驶的高技术要求，数字孪生在虚拟仿真环境中模拟驾驶已经成为不可或缺的一步。

在自动驾驶汽车真正进入道路之前，它们必须经过严格的虚拟模拟测试，以确保安全。在传统的虚拟仿真测试环境中，HTL（高阈值逻辑）设备通常用于安全和主动性能测试。但在这种测试中，只有控制器是真实的，其他因素，如驾驶员、变速箱、动力、道路环境和其他控制器相关内容都是在虚拟环境中模拟的。由于目前计算机水平有限，仿真环境不能设置得太复杂，因此被测汽车对象的性能不太准确，测试精度有一定偏差。当然，在真实环境中测试无疑是最佳选择，但由于物理条件的各种限制，不可能每次都保持统一的测试场景。因此，应实施基于数字孪生技术的自动驾驶模拟测试与实际道路环境相结合的测试评估系统。数字双测试架构图如图6所示。

图6 自动驾驶数字双虚拟场景测试的总体架构

Larin等人（2019）指出，基于物联网（IoT）技术的自动驾驶汽车的目标是集成链接的汽车，并使其成为能够自动移动的对象。这项技术面临的重要挑战之一是确保各种组件和物联网系统的兼容性，例如为车辆和道路设备及传感器提供服务。采用的解决方案是在物联网领域使用国际标准化组织的物联网联合平台和oneM2M互操作性平台，以确保所有组件之间的通信没有障碍。Almeaibed等人（2021）指出，数字转型时代带来的新工业革命使得在制造和运输过程中使用越来越多的人工智能和自动化技术成为可能。数字孪生概念在自动驾驶汽车中的应用得益于数字时代所带来的成果。此外，确保汽车行驶安全可以有效减少交通事故的发生。在驾驶过程中，保持驾驶员和行人之间的安全距离也具有显著优势。为了实现智能制造安全运输系统，实现端到端运输模式，本研究建议采用新的安全设计，以增强整个自动驾驶系统的灵活性和安全性。Yun等人（2021）的研究指出，基于数字孪生的计算机模拟是自动驾驶汽车设计中不可或缺的一步。然而，设计一个与真实路况完全相同的模拟环境需要花费大量精力，而且成本效益非常低，因为许多事情都必须实现。在本研究中，提出了一种使用在线游戏GTA5（侠盗猎车手V）作为自动驾驶车辆仿真基础的方法。GTA5在线游戏可以用作适当的模拟工具，因为它有一系列理想的物品、行人和高速公路。通过使用OpenCV捕获GTA5游戏屏幕，并使用Python的YOLO（You Only Once）和TensorFlow对其进行分析，通过设计避免对象碰撞和不同车道识别的算法，可以建立高度准确的对象识别系统。

将数字孪生应用于自动驾驶领域，城市或城市级数字孪生数据可以用作高精度地图，即汽车运行的基本环境数据。作者认为，汽车制造商、自动驾驶仪设备制造商和综合解决方案提供商都需要推广该技术。一方面，由于自动驾驶的测试环境非常有限且成本高昂，数字孪生可以为客户提供自动驾驶模拟系统作为解决方案。采用虚拟仿真的自动驾驶系统可以验证传感器性能和车辆算法的可靠性。另一方面，它可以作为实际自主驾驶环境中的映射数据之一。汽车制造商可以使用数字测试场对车辆性能进行虚拟测试，如车辆动力学、舒适性和耐久性。虚拟测试跑道是在地面上进行测试的道路。要求虚拟环境和真实场景尽可能逼真，包括固定车辆、路标、行人、斑马线、障碍物、移动车辆以及场景中的车道数。当然，随着自主驾驶领域技术的不断提高，对虚拟测试场景的技术复杂度要求越来越高，因此需要开发更完整的体系结构。

因此，通过数字双自动驾驶测试，至少可以节省80%的时间成本，并且可以重复测试相同的路况，减少实际车辆动力学模型的参数规模，并大大提高测试结果的准确性。作者认为，在虚拟场景中操作的过程可以避免在真实交通条件下发生事故的可能性，还可以减少不必要的物质损失，从而降低企业成本。因此，在自动驾驶领域使用数字孪生为汽车制造和性能测试开辟了新思路。

数字孪生在智能制造中的应用

随着世界各国智能制造技术的不断发展，制造业的信息化水平正在逐步提高。为了提高产品生产率，及时应对生产过程中的突发事件，企业必须加强对生产车间各模块的管控措施，提高公司对生产过程的控制能力。此外，消费者对产品更高的个性化要求导致公司在生产过程中面临大量数据、数据需求和数据结构，这使得公司难以管理和分析数据。因此，在制造过程中，如何有效、及时地反馈生产车间设备的使用状态和故障预警，已成为当前智能制造行业的一大难题。

大数据、人工智能、物联网、边缘计算等现代先进信息技术的发展，推动了传统制造向智能制造的转型。智能制造最重要的特征是其自主性和主动自优化性。Zhou，et al.（2020）研究并提出了一个知识驱动的系统框架，用于数字化双制造单元的智能制造转型，该框架能够智能地感知、模拟、理解、预测、优化和控制。它不仅可以最大限度地提高产品质量，还可以降低生产成本。智能制造与其说是传统制造业面临的挑战，不如说是机遇。智能制造的可持续性特征更加明显。Li，et al.（2020）研究了如何为智能制造项目构建可持续发展评估数字双驱动系统，并在经典数字双映射系统的基础上开发了数字双驱动系统。信息架构是智能制造项目可持续发展的关键解决方案。随着传感器技术和数据处理技术的进步，基于网络物理系统的智能制造已成为制造业发展的主要趋势。考虑到离散生产车间的多样性和波动性，控制制造车间的碳排放存在某些问题。Zhang等人（2019）研究并提出了一种智能制造车间数字孪生驱动碳排放预测控制模型，该模型结合了最新的计算机技术和低碳控制技术，在虚拟车间中对模型进行验证和优化。

数字化双车间是智能制造的核心组成部分。它们由物理车间、虚拟车间、车间服务系统和车间孪生数据组成，其中虚拟车间是最重要的组成部分。虚拟车间的构建从三个方向开始，由几个要素组成：使用虚拟数字几何模型来表示车间的环境要素，包括车间员工、机器、产品、，等行为要素包括生产要素，如车间内设备的速度轨迹和不同的生产指令，模拟车间内设备的运行状态。规则元素利用车间现有的物理环境对生产过程进行评估、分析、预测和优化，实现虚拟车间的建立。如图7所示。在实际生产过程中，设备故障时有发生，影响生产进度和成本。如果在故障发生后进行维修，通常很困难，需要大量人力和物力进行故障筛查。因此，对设备的故障和使用寿命进行预警尤为重要。

图7 虚拟车间设备故障预警示意图

赵等（2019）的研究针对数字孪生车间的实时视觉监控，提出了一种基于车间实时数据的三维视觉监控方法。研究了数字孪生工作场所与三维可视化实时监控的交互作用。提出了一种多层次的三维可视化监控模式和实时数据驱动的虚拟车间运行模式。详细阐述了车间几何建模、车间实时数据管理、车间多级三维可视化监控、车间状态板的构建方法。通过实例分析，验证了该方法的有效性。Wu，et al.（2019）的研究指出，车间生产线在智能车间设备的基础上结物理实体数字仿真的超现实虚拟实时。车间中的项目可根据实际应用进行开发，内部可建立智能车间的虚拟模型。作业车间调度在生产过程中始终至关重要，是影响生产效率的最关键因素之一。在实际生产调度过程中，存在着一些未知事件、信息不对称、异常干扰等，这些事件会产生执行偏差，影响调度执行的效率和质量。传统的调度策略不足以有效地解决这些问题。Fang，et al.（2019）提出，由于具有虚拟现实交互、实时映射和共生进化等特点的数字孪生的兴起，提出了一种基于数字孪生的作业车间调度新方法，以减少调度偏差。

通过以上研究可以看出，数字孪生在智能制造领域取得了突破，特别是虚拟车间的使用，可以大大降低设备故障的概率，并帮助员工及时调整车间的整体调度，提高设备生产效率。数字孪生技术可以在智能制造领域实现产品、制造过程乃至整个工厂的虚拟仿真，从而提高制造企业产品开发和制造的生产效率。此外，它还可以在虚拟三维空间中创建产品。通过修改不同尺寸的部件和产品以及装配关系，可以大大简化产品几何验证工作、装配可行性验证工作和工艺实施。同时，大大减少了迭代过程中物理样机的制造时间、时间和成本。

数字孪生在智能城市中的应用

数字孪生的概念就是将现实世界中的人、对象、关系和过程映射到虚拟世界，通过观察和分析虚拟空间中的数字孪生，实现对真实对象的研究和控制。将这一概念应用于城市交通领域无疑是智慧城市建设的福音，如图8所示。城市主要功能区管理是以空间控制为主要目标，促进城市和区域发展的空间组织和战略。Gao等人（2017）的研究表明：基于大数据和GIS（地理信息系统），对城市功能区建设方案进行了优化分析。城市功能区管理的首要目标是限制或规范土地合理利用，为城市区域的有效利用奠定基础。城市规划的主要依据包括相关指标，如该地区的资源和环境承载力、现有区域发展的密度数据以及未来区域增长的可能性。借助GIS技术，建筑师可以更好地优化城市场所的功能定位。智能交通是利用视频监控、毫米波雷达融合、机动车、非机动车、行人等交通要素的全息感知，实现数字空间真实交通系统地图模型的构建。通过实时分析和跟踪，可以有效解决交通资源浪费、信号系统功能僵化、交通事件不可预测、交通问题快速反应等问题。数字孪生在智能交通中的应用可分为三个方向：提高无人驾驶培训的效率、协助交通事故分析和协助交通控制。

互联网小常识：基于网络的信息系统主要包括以下几个部分：网络运行环境、网络系统、网络操作系统、网络应用软件开发与运行环境、网络应用系统、网络安全系统和网络管理系统。

图8 数字孪生智能城市示意图（物联网试验）

数字孪生提高了无人驾驶驾驶训练的效率。目前，智能研究中心正在开展智能无人驾驶虚拟训练系统的研究，为道路驾驶安全和无人驾驶汽车驾驶算法的智能驾驶能力提供一个开放的虚拟测试和训练平台。此类项目的目标是在数字空间再现真实交通场景，通过广义衍生技术为无人驾驶车辆创造极端环境和关键高风险场景，并大大提高无人驾驶驾驶培训的有效性。

基于对静态和动态数据的感知，我们可以创建一个数字孪生模型，实现基于孪生数据的场景再现，帮助无人机进行虚拟测试和训练。然而，仅为数字孪生提供高保真场景是不够的。更重要的是推导和推广这两个场景，不断丰富无人驾驶车辆的测试场景。Mavromatis等人（2020年）的研究表明，在人工智能彻底改变了推理、预测和判断任务的世界里，数字孪生已经成为影响游戏平衡的工具。一个典型的例子是CITS（协作智能交通系统）的创建和改进，它是网络物理数字基础设施和（半）自动化移动的集成。导数泛化是数字孪生技术的关键。它必须来源于现实，但也必须高于现实，对现实做出一些改变。Bhatti等人（2020）指出，智能电动汽车的普及可以减少高达43%的二氧化碳排放。然而，为了将这些汽车纳入主流，需要一些支持基础设施来长期增强它们。作为一种新兴的体系结构，数字孪生的相关方法基于虚拟地图原理，可以作为扩展的基础，进一步帮助研究虚拟环境中多系统主体的生命周期。在系统开发中，还基于这两个场景对各种情况进行了综合模拟，例如增加天气变化、人类驾驶行为和场景情况的综合。作为情景案例概括的一个示例，假设模拟了一辆大型卡车碾压一个人的事故情景，但在模型完成后，这是一个固定情景。也就是说，车辆在固定时间到达固定位置，缺乏关于实际事故现场原因和后果的信息。此时，您需要进行一些智能处理，例如提高车速，或增加交通参与者等，以便场景案例与真实场景相似但有所不同。在这里，相似性指的是真实事故场景的再现，而差异则反映在虚拟场景中更动态的过程再现中。

在交通事故分析中，以一起卡车交通事故为例。一旦对事故现场环境和交通参与者的轨迹进行跟踪和恢复，就可以从多个角度观察事故过程。Rudskoy等人（2020）指出，所有城市在出现阶段的交通监管问题都非常严重。最初，控制中心负责解决此问题。目前，这些中心已逐步引入一些智能交通管理方法，帮助解决交通网络的关键问题。借助于数字孪生和人工智能，他们可以实现现代交通控制的优化发展。通过定格处理，可以从车辆的角度发现卡车驾驶员实际上看不到任何骑自行车经过的人。道路数字孪生是实现未来智慧城市的重要一步，因此，ElMarai等人（2020）在道路上部署了数字孪生箱，配备了360°摄像头和一组连接到唯一集线器车载计算机的物联网设备。数字孪生通过将实时数据（包括360°实时流、GPS（全球定位系统）位置以及温度和湿度测量）持续传输到边缘或云层，将物理道路转换为数字副本资产。通过头戴式设备或使用360°网络播放器显示实时流。这些数据将用于实时监控交通状况和其他任务，如历史交通数据查询。通过在汽车上安装智能摄像头，还可以监控交通事故的发生。至于智能汽车和驾驶员辅助技术的快速发展，在交通系统中，有不同程度的人类驾驶员参与。在这种情况下，Liu等人（2020）指出，驾驶员的视觉引导对于避免可能的危险至关重要。为了鼓励视觉引导机制的进步，引入了一种创新的传感器合并技术，以整合来自云和数字孪生知识的相机图像。结合目标探测器在车辆上运行的结果和云中的位置信息，绘制并匹配目标车辆的边界框。因此，数字孪生在交通事故分析场景中具有很大的应用价值，它可以帮助跟踪和分析事故的具体原因，找到责任人。

在整体交通控制的方向上，利用数字孪生技术模拟城市交通状况，通过评价和推理来优化交通控制策略。这是数字孪生实现智能交通的一个重要应用场景。它主要涉及三个层次的功能：

首先是监视和发现。通过数字孪生系统，可以创建信息采集和控制的闭环，并对整个过程进行控制。更重要的是，在一个非常大和复杂的场景中，一些关键问题可以及时发现和处理。例如，在秋冬季节，某段高速路段经常出现雾。雾具有能见度低、突发性强、天气预报困难等特点，容易造成交通事故。利用数字孪生技术，对动态感知数据进行实时检测，可以及时检测到集群雾的发生并给出预警。例如，机场交通管制也可以使用数字孪生。Saifutdinov等人（2020）研究并进行了机场集中运输管理领域的数字孪生实验。使用特定的仿真模型来模拟车辆空间特征的数据流。该模型可用于解释和模拟传输网络中需要集中控制系统参与的特定情况。假设在使用数字孪生的早期阶段，具有适当交通管理能力的用户可以执行控制系统的功能，并且用户的决定保存在数字孪生的内存中，该内存可用于使用机器学习教授控制系统。船舶交通服务系统的设计和集成以及新VTS（Vandenberg Tracking Station）软件开发的实施是一项艰巨的工作，在接口和时间方面存在许多障碍。ÜZÜMCÜ等人（2019）的研究指出，指挥运行中心的个人指令和船长作为参与者的信息参与，以及自动识别系统、雷达系统、光电系统，交通服务系统外部的物理安全以及不同系统的参与使得整个系统设计难以管理。使用MBSE（基于模型的系统工程）技术，使用数字孪生技术设计的系统和工具有助于简化系统设计概述，并在执行和组合阶段开始前检查模型左侧的接口定义。

第二级功能是推断和预测。掌握数据后，可以为一些参与者创建微观行为模型，然后通过对大量交通参与者的模拟计算，得到宏观模拟结果，推断事态发展，实现预测功能。国家公路交通系统的快速发展不仅是基于城市的智能化建设，也是当代信息技术不断创新的结果，而GIS技术有效地促进了国家公路交通信息化的发展。GIS技术作为一种重要的地理数据处理系统，在交通数据的采集、分析和处理方面具有明显的技术优势，促进了道路交通向信息化方向发展。为了加速道路交通系统的成熟，Wang等人（2021）指出，借助GIS技术，可以逐步建立道路交通数字孪生。数字技术作为道路交通发展的革命性技术，促进了道路交通在绿色、开放和共享方向上的发展，为道路建设质量奠定了坚实的基础。由于城市的复杂性，智慧城市是一个复杂的过程。城市不是一个易于理解和预测的计算机系统，而是一个活生生的系统。虽然城市数字孪生的研究还处于起步阶段，但数字孪生的研究进展迅速，为促进智慧城市的发展做出了切实可行的贡献。Shahat等人（2021）确定了数字孪生城市当前和未来的潜力和障碍，并提出了一项研究议程，以指导未来的城市数字孪生研究，从而接近城市数字孪生的全面性和完整性的顶峰。

第三级职能是评估和优化对策。通过大规模并行计算，可以同时评估多个并行世界的仿真结果。然后，通过深入学习和其他技术，我们将不断完善交通控制计划，并进行历史回顾和回顾研究。当事故发生时，我们可以使用数字孪生系统来恢复交通事故的整个过程，并探索响应的每个步骤是否都做得足够好，是否有改进的余地。基础设施的数字副本可用于在其整个生命周期内执行模拟，从而实现更好的资产创建、管理和维护。这些数字孪生（定义为复杂产品的综合多物理、多尺度和概率模拟）反映了其对应孪生的行为和环境响应。Steyn等人（2021）使用光学传感器技术，同时使用接触式移动传感器平台作为支撑，通过数字重建技术为创新物理基础设施的数字孪生提供可行的低成本替代方案。Brunner等人（2019）指出，城市交通中自动驾驶功能的潜在安全临界情况范围太广，无法通过单独自然驾驶或在受控实验室环境中进行全面测试。技术和交通道路条件受到限制。这些和类似的问题可以通过在虚拟、随机对照试验设计中使用广泛和有效的随机模拟来解决。虚拟测试可以创建一个大型数据库，并提供检测安全评估和压力测试所需的高维交通场景空间所需的统计功能，创造了城市道路网络的数字孪生。德国是虚拟测试的关键要求。Gao，et al.（2017）通过研究得出结论，小距离干线公路具有适应性网络框架的优势，有利于土地开发和交通发展。当交通需求量较大且不符合传统道路基础设施布局标准时，应结合实际情况，深入研究，制定路网规划，根据区域情况优化路网交通效率。

综上所述，数字孪生广泛应用于城市智能交通。数字孪生技术是城市信息模型构建的基础，包括建筑信息、地理信息、新街道场景和真实三维场景等元素。其核心围绕着全球数据的端到端管理和操作，包括数据收集、访问、治理、集成、轻量级、可视化和应用程序。城市环境的可视化模型有助于更清晰、更高效、快速和准确的城市交通管理。

数字孪生中的人工智能的挑战

数字孪生在汽车自动驾驶领域面临的挑战

随着全球智能互联网汽车产业的快速发展，研究汽车互联网相关技术对推动汽车互联网的发展具有重要意义。交通场景仿真的参数化和泛化技术表明，自主驾驶仿真的测试过程和工作条件可以说是没有边界的。无论车辆是否正常运行，都可以反复测试，以便于发现和定位问题。然而，在车辆动态模拟试验过程中，模拟传感器和传感系统进入自动驾驶控制，决定用纯软件构成闭环试验和系统验证试验设备，这也是当前自动驾驶硬件设备面临的一个重要挑战。

自动驾驶的主要功能是通过接收数据采集可视化系统发送的实车实时位置、速度、加速度、航向角等信息，控制仿真系统中与实车相对应的仿真车。实现了实车控制和仿真车在虚拟场景中的运行，使两者的运动状态同步，实现了实车在回路中的基本功能。虽然现阶段的研究已经形成了高度开放的数字孪生自主驾驶测试能力，但也建立了友好、开放的测试和验证环境，以支持各种自主驾驶算法实验，并为与自主驾驶相关的研究公司提供开放式测试服务。但是，解决测试解决方案仍然存在挑战。

测试成本问题

目前的自动驾驶测试系统还不完善，但已经产生了高昂的测试成本。这对汽车制造商来说是一个很大的挑战。对于汽车制造商来说，最重要的问题是如何使效益最大化和成本最小化。因此，建立高效、低成本的测试环境、结构化的测试流程和强大的测试标准都是降低测试成本的关键问题。

测试灵活性问题

汽车自动驾驶系统涵盖了各种传感器、处理器和控制器，如摄像头、激光雷达、毫米波雷达等。虚拟测试环境不再是单一场景，需要满足多种汽车驾驶测试方案的要求。因此，这就要求测试环境不仅要支持单车测试，还要支持多辆车同时行驶，确保不发生交通事故。事故对试验环境提出了更高的要求。

测试系统的顺利推进

汽车自动驾驶技术解决方案在未来必将面临巨大的变化和改革。首先，测试系统需要顺利适应技术进步。试验过程中，系统中的车辆、行人、路况、交通标志等必须保持稳定有序。当然，它也需要根据测试进行测试。对象的数量不断增加，汽车的类型也不时进行系统升级。

数字孪生在航空航天领域面临的挑战

尽管数字孪生的人工智能应用在航空航天领域有着广泛的研究，但仍然存在一些技术挑战。以航空发动机气路系统为例。随着认知加工创新和产业化水平的提高，航空发动机数据分析正朝着全方位、多层次、可视化的方向发展。发动机参数的分析范围从发动机部件到整个发动机，从发动机状态监测到整体健康管理。数据分析也从传统的集成转变为结合大量数据、方法和模型的数字孪生过程。目前，发动机状态监测与授权数字电子控制系统的检测、故障检测与定位基本可以完成，但分析发动机整体健康状况的方法有限，这也成为国内外学者面临的重大挑战。

数字研发战略的概念似乎是陈词滥调。在过去10年工业软件制造商的努力下，中国的各个行业，包括航空航天行业，已经相当熟悉数字孪生的概念，但我们熟悉数字研发应用。无论收获的深度、广度和价值如何，我们仍有相当大的改进空间。飞机的生命周期可以长达几十年，因此记录和分析整个生命周期的数据不仅有价值，而且是必要的。基于文档的部门协作模式必须转变为基于模型的数字双数字协作模式。这也给相关行业带来了巨大的挑战。

关于数字孪生的使用，最好的概括是建立和维护大量超现实模型和数据。他们最能够通过实时模拟预测整个生命周期内的产品行为。这些模型根据不同的应用情况以不同的比例和示例构建，集成了多个方面，包括最佳和物理描述，并反映了真实的产品生命。当数字孪生全面部署时，它将跟踪影响产品运行的所有参数信息。它包括初始设计和进一步改进、与制造相关的偏差、修改、不确定性、更新，以及可从机载联合交通健康监控系统传感器数据中获得的所有历史数据和航空数据，管理以前的记录，并实现数据挖掘。

因此，只有利用全数字孪生技术建立大量超现实模型和数据，包括数字产品模型、数字制造模型和数字性能模型，才能对设计、制造和性能进行实时、双向、透明和系统的考虑。有可能控制和缩短开发周期，否则随着研发难度的增加，延迟交付的风险将越来越大。此外，只有全数字化才能突破性能设计的瓶颈。

数字孪生在智能制造领域面临的挑战

随着许多智能化生产和施工技术越来越成熟，智能制造技术也越来越普及，实现车间设备生产过程的高效、智能化实时监控仍然是研究的重点。目前，工业生产已发展到高度自动化、信息化阶段，但仍有许多问题需要改进和优化。例如，许多工厂的信息系统建设水平不同，系统之间的渠道没有完全开放，存在大量的信息孤岛，存在数据管理不完善、数据标准不一致等问题。具体来说，工厂生产的产品多样化、高度个性化，通用性差。这直接导致频繁的产品设计和工艺变更，给生产、采购、仓库和质量带来巨大挑战。

此外，工厂在多品种产品小批量生产方面也存在一些亟待解决的问题：例如，一些多品种、小批量的离散生产模式限制了车间生产线大规模生产和智能化改造的步伐。工厂设备陈旧，难以改造，许多环节仍以人工操作为主。然而，如果工厂过于依赖人工操作，将导致自动化和智能化程度的降低。数字孪生平台在工业产品设计和工业产品生产中起着非常重要的作用。在当前高度信息化和集成化的工业生产模式中，当生产线发生意外故障时，很容易导致整个生产线停产停产。例如，一条高度精炼的汽车生产线每天可能造成数百万的损失。一些特殊工艺生产线，如高温高压化工生产线，甚至面临严重的安全风险和衍生灾害。因此，工业生产过程必须依靠大规模数据的帮助，如设备诊断、化工生产过程模拟以及虚拟数字空间中当前设备状态和生产过程结果的模拟预测，以防止现场故障和生产异常造成严重后果。

在工业产品设计过程中，如果没有数字帮助，设计产品将需要经过多次迭代，这将消耗资源并影响交付时间。在高度集成的工业生产线的设计中，需要根据精确的节拍优化和协调各种设备、材料、质量检验、手动装配等环节，以提高整体效率。在实际生产线中，传统的计划过程只能依靠人工模拟或验证。

数字孪生在智慧城市交通领域面临的挑战

数字双城是在城市积累的数据由量变为质变的背景下，在感知建模、人工智能等信息技术重大突破的背景下，建设新型智慧城市的全新技术路径。它是城市智能化和可持续运营的新兴技术路径和先进模式。然而，面对当前城市管理的诸多挑战，如何突破传统智慧城市的束缚，逐步转型升级为数字双城，是一个值得思考的问题。数字双城的核心是模型和数据，而建立一个完整的数字模型是一个至关重要的起点。从目前传统智慧城市建设的应用来看，各个领域仍然存在数据碎片化现象。一般城市至少有三个底图，即住房和城乡建设体系推动的城市信息模型平台，自然资源和土地规划主导的时空大数据平台，以及基于公共安全政治和法律路线的城市安全和综合治理的城市底图。每个底图形成自己的系统，通常只支持系统中的应用程序。其他部门在任何时候都不能根据需要使用它。这个数字已经积累了一段时间，很难放弃和整合。这使得城市交通仿真过程的实现变得困难且具有挑战性。

事实上，在数字孪生工具和平台的建设方面，目前的工具和平台大多侧重于某些特定方面，缺乏系统性的考虑。然而，创建城市规划、建设和管理全过程的可视化，收集城市脉搏数据，及时反映城市的运营情况，并为信息资源共享、集成、有效利用和跨部门业务协作提供根本解决方案。数字孪生技术具有巨大的潜力。

人工智能在数字孪生中的前景

数字孪生在汽车自动驾驶领域的未来展望

在未来数字双车自主驾驶虚拟环境测试系统的推广中，使用开放的模拟接口来控制基于代码的交通场景是未来的一大趋势。未来的研究课题将围绕测试平台的推广展开。毕竟，目前自主驾驶考试环境的利用率并不高。未来需要进行大量全面的市场调研，准确把握市场需求，制定合理的市场推广计划，包括科研成果转化方式、产品推广应用方式、产品定价等，制定合理的产品开发计划，并建立了软硬件集成的数字化双自主驾驶考试平台。

可通过联合汽车制造公司、汽车供应商、科研机构等建立数字双自动驾驶仪测试系统，共同克服技术难题，逐步形成自动驾驶仪测试系统共识，促进自动驾驶仪测试行业的发展。另一方面，它为汽车公司、汽车供应商和科研机构推出了数字双自动驾驶考试平台。采用联合单位会员制，低成本使用，联合开发；对于非联合单位，使用两种方法：每次测试服务费、平台建立年费或永久授权费。建立完善的售前咨询平台建立测试服务售后维护团队和体系，进行测试平台的适应性调整和售后问题的收集与解决。

当然，跟踪和记录过程也非常重要。持续跟踪和记录数字双自动驾驶考试平台的外部使用情况，建立使用信息数据库，并根据使用数据比较各个方面。对数字孪生自动驾驶考试系统进行模块化、平台化效果评估，实现数字孪生自动驾驶考试系统的有针对性的改进，实现平台建立跟踪回访迭代升级的闭环开发模式。

数字孪生在航空航天领域的未来研究课题

在航空航天领域，数字孪生的使用已经显示出令人印象深刻的好处。借助物理实体模型的构建和相关数据的应用，不仅可以减少飞机认证试验的次数和持续时间，消除意外裂纹和故障，而且还减少了对飞机整体结构的维修检查次数和频率，以实现前所未有的经济安全性和可靠性。然而，数字孪生技术目前缺乏一个系统的、通用的参考模型作为指导，在未来，数字孪生模型优化的相关研究还有很长的路要走。此外，数字孪生将逐步向模拟和集成方向发展。这两个问题也是未来研究的主题。虚拟化—对象数字孪生体的完整性对于其在工业领域应用的成功至关重要。每个物理模型都有一个特定的模型，未来常用的模型如流体力学、结构力学、热力学、应用力学、疲劳损伤、材料状态演化模型等，将不同的模型关联在一起并实时反映在孪生模型中是实现数字孪生技术的关键。在产品和孪生生命周期的所有阶段实现模型和关键数据的双向交互决定了数字孪生技术能否成功应用。实现这一突破需要其他技术支持，数字孪生的愿景需要与其他先进技术相结合才能实现。

智能制造方向的数字孪生的未来前景

在未来几年中，数字孪生的发展趋势将不断增强。越来越多的制造商开始利用数字孪生技术改进程序，生成实时数据库判断，并开始寻找机会修改创新服务、产品和商业方法。制造业将逐渐成为应用数字孪生技术的先锋。如果早期从业者在各个行业表现出先发优势，其他制造企业也会跟随他们的步伐。从长远来看，为了充分发挥数字孪生技术的潜力，可能有必要整合生态系统所有部分的系统和数据。建立对客户生命周期或供应链的完整数字模拟，并提供有洞察力的宏观运营视图，包括一级供应商及其自己的供应商，但仍需要将外部物质整合到内部数字生态系统中。现在，大多数制造商仍然对超出点对点连接的外部连接不满意。克服这种犹豫可能是一场长期的战斗，但最终所有的努力都是值得的。未来，公司希望利用区块链打破信息孤岛，验证信息，进入数字世界。这将释放大量以前无法访问的数据，使模拟更加详细和动态，并创造不可估量的潜在价值。

智能城市交通中数字孪生的未来研究课题

随着信息技术的不断迭代，5G标准的逐步完善和商用网络的建立，大带宽、高速、低延迟的网络性能将进一步推动数字双智能交通系统的升级。一方面，5G超高速网络性能使车辆能够在高速运动中安全可靠地通信，保证了车路协同自动驾驶、车辆编组自动驾驶、远程自动驾驶等功能的实现。另一方面，5G的加速发展协调了物联网和人工智能，使交通系统能够连接所有事物，使数字孪生能够将人-车-路-环境交通的四个要素从物理世界迁移。在数字世界中，交通数据得到了极大的丰富，使智能交通的数字化、网络化和智能化得以真正实现。虽然数字孪生是智能交通的前沿趋势，但真正的全球管理、同步可视化、虚拟现实交互的数字孪生交通系统还存在一定差距。然而，在5G技术变革和需求升级的推动下，数字孪生为智能交通产生了新的思路、新的方法和新的概念，并将在未来继续发展，最终形成完整的技术运营体系。

随着5G、6G等尖端通信技术的进步，再加上端端云协同计算，数字孪生的实时性能可以得到提升，甚至可以在不依赖高精度地图的情况下对未知区域进行实时建模。其次，通过改进行为模拟和预测算法，可以使行为预测的推导更加准确，并且具有更强的计算能力，可以一次推导出更多的并行世界。此外，随着V2X（车辆到一切）技术的发展，将有更多类型的交通参与者和更复杂的场景。如何更好地进行仿真也是一个值得研究的方向。最后，就个人的实时决策和远程控制而言，对整个孪生系统的要求将更高。例如，数据是否可以即时安全地传输到云和后端，并且通过态势感知，控制命令可以传输回物理世界。这一过程必须足够快，数据传输过程必须安全稳定。结合区块链等相关技术是一种可探索的解决方案，可使信息闭环过程安全稳定。

数字双城也是城市信息化建设不断发展的产物，是城市信息化发展的高水平阶段。与实体城市相对应的数字双城充分利用前期形成的全市大数据，为城市综合决策、智能管理、全局优化提供平台、工具和手段

讨论数字孪生在相关领域的应用

互联网小常识：在运行中输入“ntbackup”开启备份使用程序。Windows2003的五种备份方法：副本备份、每日备份、差异备份、增量备份、正常备份。

根据研究人员的研究，可以发现数字孪生在不同领域的应用已经成熟，未来有很好的应用前景。目前的一些研究也证实了这一点。Wan等人（2021）回顾了半监督支持向量机（SVM）在脑-图像融合数字孪生中在特征检测、诊断和预测方面的性能。针对脑图像中大量的未标记数据，利用未标记和标记数据，提出了一种半监督支持向量机。同时，本研究还描述了如何增强AlexNet模型，并使用数字孪生模型将实际空间中的大脑图像映射到虚拟空间。不难发现，尽管脑肿瘤图像具有复杂的边缘结构、伪影、偏移场和影响图像分割的附加缺陷，但数字孪生在医学领域的应用实现了脑肿瘤精确治疗的关键步骤，真正满足了临床需要。这对脑肿瘤的后续临床诊断和治疗极为重要。

Lv等人（2021）讨论了无人机（UAV）在5G/B5G（超过5G）移动和无线通信中应用的后果和限制。针对5G通信，提出了DL算法，在DL算法的基础上建立了无人机数字双信息通道模型。协调多点传输技术利用无人机进行干扰抑制研究。采用物理层安全的基本算法来保证信息传输的安全性。最后，可以对构建的模型进行模拟和分析。该算法在收敛速度和收敛效果上具有突出的优势，具有较强的鲁棒性。研究进一步证实，互联网技术在航天产业发展中具有不可替代的作用。

Tao等人（2021）表明，机器或系统的数字孪生精确虚拟拷贝正在彻底改变这个行业。由传感器收集的实时数据驱动，这些复杂的计算机模型几乎反映了项目、程序或服务的方方面面。许多大公司利用数字孪生来发现问题和提高效率。一位分析师预测，到2021，一半的公司可能会使用它们。然而，要实现数字孪生的潜力，还有很多工作要做。仍然面临收集数据类型的困难，如数据丢失或错误，将扭曲结果并隐藏故障。例如，如果振动传感器发生故障，风力涡轮机的振动将被忽略。算法和模型的建立也面临着巨大的挑战。例如，当为不同目的编写的软件手动拼接在一起时，可能会发生其他错误。没有标准和指南，很难验证生成的模型的准确性。许多数字孪生可能需要合并。例如，虚拟飞机可以将机身的3D模型与故障诊断系统、空调和增压监测系统中的一个结合起来。

结论

随着大数据、物联网、工业互联网和智能控制技术的快速发展，数字孪生作为一种新的技术形式被广泛应用于生活的许多方面。数字孪生已经成为制造业现实世界和数字虚拟世界之间的理想连接，也是实现现实世界和信息世界互动与合作的有效技术途径。数字孪生是以数字方式创建真实实体的虚拟实体，并使用历史数据、实时数据和算法模型来模拟、验证、预测和控制真实实体的整个生命周期。作为提高效率的关键技术和重要工具，数字孪生可以在模型设计、数据收集、分析、预测和模拟中有效发挥作用，帮助推动数字工业化和工业数字化，以及数字和实际经济发展的融合。数字孪生依靠知识机制、数字化和其他技术构建数字模型，使用物联网和其他技术将物理世界中的数据和信息转换为通用数据，并将AR/VR/MR/GIS（增强现实/虚拟现实/中介现实/地理信息系统）和其他技术完全结合起来，在数字世界中再现物理实体。在此基础上，数字孪生的描述、诊断预调整/预测以及使用AI、大数据和云计算等技术的智能决策等常见应用被赋予了各种垂直行业的权力。可以看出，人工智能是数字孪生生态系统的底层核心技术之一。其必要性主要体现在数字孪生生态系统中的海量数据处理和系统自优化，使数字孪生生态系统有序智能云旅行，是数字孪生生态系统的中枢大脑。这两者的结合对于目前的研究状况至关重要，未来的研究将给各个行业带来不同程度的智能转型。

互联网小常识：水平子系统导线选型10Mbps 4-5类双绞线，10-100Mbps 5-6类双绞线，100Mbps 6类双绞线。水平子系统布线一般采用走廊金属布线。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186