基于TRIZ功能建模的扩展碰撞预警系统数字孪生概念方案构建

朱天明，武春龙，周有城，张 鹏，张小俊

(1.河北工业大学 国家技术创新方法与实施工具工程技术研究中心，天津 300401；2.天津市新能源汽车动力传动与安全技术重点实验室，天津 300130；3.河北工业大学 机械工程学院，天津 300401；4.中国船舶重工集团公司 第716研究所，江苏 连云港 222061)

0 引言

物联网[1-3](Internet of Things, IoT)、数字孪生[4-6](Digital Twin, DT)等信息通讯技术的发展应用，促使智能连接产品(Smart Connected Product, SCP)推动着制造业向服务化发展转变，从而使为用户提供高满意度和低环境影响的整体解决方案成为可能。过去几年，汽车数量增长迅速，驾驶安全成为亟待解决的关键问题，因此现在的车辆多配备高级驾驶辅助系统[7](Advanced Driving Assistance System, ADAS)，以减少交通事故。作为ADAS中重要的一环，如何在概念设计阶段从功能角度对碰撞预警系统[8-10](Collision Warning System, CWS)进行建模显得尤为重要。

目前，国内外学者主要基于行为分析、车间网络通信、数据延迟和误差优化等方面展开研究。基于行为分析，王江锋等[11]确定了算法警告规则，并建立了协同碰撞预警算法模型，该算法能较好地表达协同预警策略，但是不能展现物理域和信息域的交互；Wang等[12]和余卓平等[13]分别基于驾驶员的不同行为和驾驶员的面部检测来预测跟车行为，其分析了车车碰撞预警情形，但是未考虑行人预警服务功能；黄慧玲等[14]提出基于前方车辆行为识别的碰撞预警方法，但同样未分析行人预警服务功能。

基于车间网络通信，Chen等[15]利用传感数据融合的车载导航系统获得邻车信息；Wang等[16]和Huang等[17]分别建立了预碰撞和避碰时间矩阵，并引入多普勒效应以提前评估车辆碰撞情况，但未对行人预警服务功能进行分析，不能使行人及时避碰；Iván等[18]采用驾驶员和行人智能手机与交通灯通信，在闯红灯前后通知周围人员避免碰撞，其考虑了面向驾驶员和行人的预警服务功能，但仍缺乏对多角度服务功能的分析。

对于数据延迟和误差优化等问题，Zhao等[19]针对其对安全距离的影响及驾驶员反应时间限制，建立了基于时延和安全距离模型的碰撞预警策略，为驾驶员提供预警服务，但未考虑面向行人的预警服务；Huang等[20]针对速度变化、弯道路况和定位延迟中断的问题，构建了协同碰撞预警系统；Lee等[21]针对通信延迟，提出基于先进前馈神经网络的改进实时前向碰撞预警系统，但未考虑物理域及其与信息域的交互作用；Zhu等[22]指出具有车头时距监控功能的前向碰撞预警系统可以提高交通效率。

综上所述，目前虽然碰撞预警系统的建模与算法优化研究比较多，但是在其预警服务功能层面和物理域的表达研究方面仍相对较少。为便于用户得到碰撞预警信息，有必要将涉及碰撞场景中的范围扩展至更多的利益相关者和物理产品。另外，为从功能层面对碰撞预警系统进行概念表达，实现信息域—物理域的交互融合，本文提出一种扩展的碰撞预警系统(Extended Collision Warning System, ECWS)架构，基于数字孪生五维框架，利用发明问题解决理论(Theory of Inventive Problem Solving, TRIZ)中的功能模型，从功能角度对扩展碰撞预警系统进行概念化表达，最后采用层次分析—模糊综合评价法(Analytic Hierarchy Process-Fuzzy Comprehensive Evaluation, AHP-FCE)对所形成的概念方案进行评估。

1 相关基础理论

1.1 数字孪生五维框架

数字孪生自被提出以来，被广泛应用于航天领域[23-24]、车间设计[25-26]，以及复杂产品或系统的设计[27-29]、系统的监测维护[30]等产品全生命周期的各阶段。图1所示为数字孪生五维模型框架[6]，包括物理实体(PE)维度、虚拟实体(VE)维度、服务(Ss)维度、孪生数据(DD)维度和连接(CN)维度。

图中：PE为用户可操作的物理产品，其除了完成正常的功能输出外，还需收集环境与自身运行参数在内的相关原始数据来驱动信息域的相应模型；VE为数字空间中对物理实体进行的包括结构、功能、环境在内的全要素实时重建，包括产品的物理模型和规则模型等，在不同模型的协同作用下，虚拟实体生成相应的优化指令或其他控制指令，反馈指导物理实体；Ss为面向用户提供的“业务性服务”和支撑数字孪生实现的“功能性服务”，其中业务性服务通过移动端APP等不同形式满足不同领域、不同用户的不同业务需求；DD为数字孪生的驱动要素，包括物理实体数据、虚拟实体数据、服务数据、知识数据和融合衍生数据；CN为各模块间的实时交互通信，其明确了信息—物理域的交互关系，包括物理实体—虚拟实体(CN_PV)、物理实体—孪生数据模块(CN_PD)、物理实体—服务模块(CN_PS)、虚拟实体—孪生数据模块(CN_VD)、虚拟实体—服务模块(CN_VS)、服务模块—孪生数据模块(CN_SD)。

1.2 TRIZ功能模型

作为产品的模块化表达形式，功能模型围绕功能实现完成了对产品总功能的展示[31]。借助于功能模型，技术系统得到了全面展现，从而使设计人员对技术系统的掌握更加深入。在TRIZ功能模型中，系统元件一般用矩形框表示，超系统用六边形表示，制品用圆角矩形框表示，如图2所示。图中元件1对元件2的功能为有害功能，元件2对元件4的功能为不足功能，为便于理解元件与元件间的相互作用，应简要注明其间的作用形式。

功能模型基于功能对技术系统的元件及元件间的相互作用关系进行了全面叙述，同时借助超系统，功能模型可体现环境对技术系统功能的影响，进一步增强了其展现产品和使用环境交互的能力。因此，功能模型具备展现ECWS数字孪生五维模型的潜力，构建ECWS功能模型将对其创新设计具有一定的指导作用。

为辅助设计人员快速把握ECWS概念方案的功能，全面展现ECWS信息—物理域的交互作用，本文基于数字孪生五维框架对其5个维度从物理域和信息域进行展现，并从功能角度出发，利用TIRZ功能模型对其进行建模，借助AHP-FCE对概念方案进行分析决策，形成基于TRIZ功能建模的ECWS数字孪生概念方案。

2 基于TRIZ功能建模的扩展碰撞预警系统数字孪生建模方法

2.1 扩展碰撞预警系统

智能网联汽车ECWS集传感技术、信息通讯技术、云计算等科学技术于一体，其中车辆搭载多种传感器、控制器、执行器等装置[32]，通过车载传感系统实现车与X(人、车、路、云)的信息交换，如图3所示。

扩展碰撞预警系统架构包括感知层、网络层和应用层3个层次(如图4)：

(1)感知层 主要由智能终端、监控设备、道路传感网和车辆传感网组成，其对利益相关者、车辆和道路等信息进行采集并传到网络层。智能终端方便行人接收预警服务信息；监控设备提供实时路况；道路传感网为车辆提供实时路网信息；车辆传感网则将车辆传感器数据融合后实时上传到云端。

(2)网络层 处理来自感知层的信息数据，通过云计算实时解算碰撞预警算法，并向应用层发送服务指令。网络层基于网络通信技术实现人—车—路—云的通信，边缘云服务器通过实时计算来自感知层的车辆和行人的实时位置参数来判断车与车、车与人之间发生碰撞的可能性，从而提供安全预警服务。另外，车辆也可基于车载传感信息融合主动避让行人，防止碰撞。

(3)应用层 对来自网络层的信息形成预警指令，为驾驶员、行人、监管人员等利益相关者提供相应的服务。在智能网联汽车时代，应用层收到网络层的碰撞预警指令后，将预警信息实时发送给相关车辆和行人，以避免事故的发生；监管部门将相关信息实时发送到电子情报板，附近的行人和车辆可以通过V2X(vehicle to everything)技术获取的路况信息调整出行来防止交通堵塞。由此，通过协调车辆调度及各方利益相关者以最大化交通出行效率。

2.2 基于TRIZ功能建模的扩展碰撞预警系统数字孪生建模方法

扩展碰撞预警系统功能的实现依赖于信息—物理域的紧密协作。ECWS数字孪生五维模型对此进行了充分展现，并明确了模型的组成及其相互关系，在表述该模型时，不仅要体现模型组成，还要突出信息—物理域的交互作用。作为系统分析的有效工具，功能模型具备展现五维模型的潜力，本节基于功能模型对ECWS数字孪生五维模型进行图式化表达，建模流程如图5所示。具体步骤如下：

步骤1基于ECWS所提供的服务，明确系统的主要功能。鉴于其功能实现的特点，描述其功能时不仅要表明其主要功能输出，还需明确交互对象和产品模块组成。交互对象即影响产品功能实现的外界因素，可通过分析产品的特定使用环境及产品在该环境下的互联特性，判断交互对象的具体类型。明确交互对象可以帮助设计人员掌握信息域功能的实现过程，简化信息域组成的分析流程。

步骤2根据功能描述划分功能域，即通过功能属性明确功能对应的数字孪生五维模型：PE主要进行系统数据采集和功能输出，若功能未涉及数据处理和指令生成，则将该功能划分为PE模块；VE是对PE各要素的实时建模与分析，该过程的实现依赖于环境和数据，若功能涉及与环境的交互和数据指令的生成，则将该功能划分为VE模块；Ss是与利益相关者的交互，若功能涉及系统与利益相关者间的信息传递或反馈，则将该功能划分为Ss模块；作为信息媒介，DD主要存储数据，若功能涉及相关数据的接收和存储，则将该功能划分为DD模块；作为各模块连接桥梁，CN体现了不同模块间的交互，故CN可通过分析PE，VE，Ss，DD不同组件间的相互作用体现，设计人员无需确定该功能是否划分为CN模块。

步骤3完成功能域划分后，基于功能及各模型特性确定各模块体系的组成：

(1)PE作为智能产品的功能执行模块和数据采集模块，是功能实现的载体，驱动功能正常实现。该模块的框架构建从以下方面展开：

1)明确产品使用的环境特点 智能网联汽车的运行环境复杂，具有不确定性的特点，因此扩展ECWS一般限于特定场景。

2)功能的执行形式 ECWS的物理实体通过网联车辆、路侧设备和通信设备实现，部分简易装置如图6所示。

3)数据的收集方式 作为数据收集端，物理实体模块还需明确数据的收集方法，这一过程通过多传感器和数据采集器实现。

(2)VE模块用于优化产品功能，为后续数据的建模与分析奠定基础。因此，构建该模块体系框架时可从以下方面考虑：

1)明确信息域建模对象 建模对象是在信息域重现的要素，包括影响VE功能实现的因素和特征参数等。影响ECWS信息域功能的因素包括行人、其他车辆、路侧设备，以及特征参数经纬度、速度、加速度、航向角等。

2)确定交互对象 VE模块分析来自物理实体的环境数据，并输出相应的指令，在进行模块框架构建时需要考虑模块与其他对象间的信息交互：①环境，设计人员需确定影响系统功能输出的环境属性。由于目前智能网联汽车存在技术、政策和特定使用场景的限制，本研究基于封闭园区环境对CWS进行扩展。②智能产品，确定影响智能产品自身输出指令的信息，信息可能是预先存储的原始信息，也可能是从产品运行过程中实时获取的，如车身信息、车载传感信息、决策控制信息等。③其他智能产品，产品是否需要和同一环境下的其他智能产品进行信息交互，构建智能化环境，若存在交互，则根据各产品的功能输出确定信息交互内容，如图7所示。

(3)ECWS中的数据是多源异构的，具有多样化、交互性和时效性的特点，其多样性主要体现为数据来源多样性、数据格式多样性和数据价值密度多样性。

DD模块不仅存储包括其他模块在内的原始数据，还要存储产品生命周期内的衍生数据。孪生数据模块功能的构建，不仅要考虑影响其功能实现的内部因素，明确数据的来源，还要考虑模块对产品后续开发的支撑作用。将经过清洗与特征提取后的结构化数据、半结构化数据和非结构化数据保存在大数据区，供用户的具体业务需求调用，如图8所示。

(4)Ss模块主要面向用户提供相应的服务。用户真正需要的不是路侧设备等众多产品，而是通过其传递的预警等多种服务。在服务型社会的大环境下，以智能产品为载体的智能产品服务系统应运而生，即将有形的产品和无形的服务集成为整体解决方案来满足用户需求,其类型主要有产品导向型、使用导向型和结果导向型3种[33]。基于数字孪生驱动的服务模块考虑的是面向使用的产品服务模式，在该模式下，服务供应商保留产品所有权，通过为用户提供相应的平台或工具来满足其服务需求。

为了从多角度分析服务功能，除了考虑驾驶员和行人，还应考虑监管人员所需的服务。在构建交互模式时，主要考虑自然交互、体感交互和网络交互，交互模式应从固定的单一交互模式向可配置、多模式的交互模式转变。在进行功能设计时，应从用户角度来明确功能的反馈模式(可视化和语音反馈等)和信息类型，以提升人机交互的适应性。另外，还可根据设计需要，让第三方平台自由调用已开放的接口服务。

(5)确定CN模块。TRIZ功能模型体现了系统元件、超系统和制品间的相互作用关系，而CN模块作为连接PE，VE,Ss,DD模块的媒介，在功能模型表达中能够体现与其余4个模块的交互作用关系，此步不再详细论述。

步骤4分析模块各元素的作用区域和作用对象，判断其组成元素的属性。系统元件作为技术系统的固有组成通常位于系统内部；制品作为系统的作用对象，需要通过系统功能进行判断；超系统元件在系统之外，但与系统存在作用关系，可通过分析服务模块和虚拟实体模块与环境的交互作用来确定超系统元件。

步骤5分析各元素间的相互作用。通过元件的自身特性分析其功能，并判断其作用对象，即功能输出的目标元件，明确作用的形式。对于信息域的作用，可通过分析数据类型和输出指令，判断数据流或指令流的输出方向，来明确其作用对象。

步骤6构建功能模型，采用图式化表示ECWS五维模型。根据各元素的属性，采用相应的图式进行表达，利用作用箭头连接具有相互作用关系的各个元件，并对作用类型进行简要说明，以丰富模型信息。

步骤7对比各模块的功能，检验功能模型是否完全覆盖所期望的功能。若已覆盖，则直接输出相应的功能模型；若有遗漏，则对所缺失的功能重新进行属性分析，根据分析结果对功能模型进行相应的改进或完善。

步骤8评估方案的合理性。基于AHP-FCE对所建概念模型进行合理性评判，若方案较为合理，则生成ECWS概念方案；否则，重新梳理分析模块组成。

3 案例研究

3.1 基于TRIZ功能建模的扩展碰撞预警系统数字孪生体的构建

ECWS集人、车、环境、服务等多要素于一体，可以提升驾驶安全性和交通效率。本文研究以某车企智能网联示范区为例，基于东风S50和观光车两台网联车辆构建ECWS数字孪生概念方案，如图9所示。

步骤1明确系统总功能。对于驾驶员和行人，ECWS应能发送有效的预警指令，提供可视化及语音服务；对于监管人员，ECWS应能对路侧设备等进行实时监控。因此，基于其服务效果，将其主要功能抽象为提供预警服务。

步骤2划分功能域。实现ECWS的总功能需要各子功能协同合作。系统通过车载传感器和数据采集装置收集位置、速度等参数信息，经边缘云服务器端实时计算，基于人—车—路—云通信技术，为车辆和行人进行实时车速引导及预警指令服务；另外，系统对重要数据应该可回溯。因此其总功能可分解为V2X通信、信息收集、碰撞计算、服务和存储记忆等子功能，如图10所示。其中：V2I通信为Vehicle to Infrastructure, V2P通信为Vehicle to Pedestrian, V2V通信为Vehicle to Vehicle。

步骤3明确模块体系组成并判断元素属性。

(1)物理实体模块

不同于传统的CWS，ECWS涵盖的范围较广，应用环境复杂，因此本研究选取特定场景，即封闭园区。物理实体模块功能除了考虑智能车辆本身外，还需要有智能红绿灯、电子情报板、摄像头等路侧设备，车载单元(On Board Unit, OBU)、路侧单元(Roadside Unit, RSU)等通信设备，以及智能终端等多要素配合实现。物理实体模块用于采集数据，其主要通过基于车载传感器(如雷达、车载摄像头等)和数据采集器完成。PE模块存在于技术系统内部，属于系统元件。

(2)虚拟实体模块

结合前述分析，系统的应用环境为室外，因此建模对象应包括红绿灯、电子情报板、通讯基站等路侧设备，以及车辆和行人等。交互对象的确定过程为：

1)确定应用环境 通过上述分析确定运行环境为封闭园区。

2)确定智能产品的自身交互 智能网联车辆运行时，通过障碍物信息以及自身位置、速度和航向角等信息来合理规划其路径，实现自主感知、分析决策、控制执行和智能交互；

3)确定与其他智能产品的交互 基于路侧设备和自身信息融合，智能网联车辆可以规避其他车辆和行人。

VE模块功能的实现依赖于对环境和自身相关信息所建的模型。显然，环境存在于技术系统外，但作用于系统，因此属于超系统元件。

(3)孪生数据和连接模块

DD具有来源多样和结构多样的特点，物理模块间产生的数据流及其说明如图11和图12所示。结合前述分析结果，孪生数据模块不仅需要存储通信单元、路侧设备等与自身位置、状态、决策模型相关的原始数据，还需要存储第三方接入的数据。同时，孪生数据模块还需存储产品运行维护数据，基于结构和非结构化数据对产品进行特征提取并服务于服务模块，以支撑产品改进优化。作为系统功能实现的基础，DD和各模块间的CN是系统必要的组成元素，因此属于系统元件。

(4)服务模块

结合前述分析，Ss模块功能的实现可从管理者、驾驶员和行人3个角度考虑。管理人员通过交互界面实时监控车辆和路侧设备的位置、连接状态、故障状态，并基于大数据分析，用电子情报板对存在碰撞可能性的路段进行实时播报；驾驶员通过接入车载平板来接收车速引导服务和预警服务指令，行人通过iPad等智能终端来接收预警服务信息。用户等利益相关者存在于系统之外且与系统进行交互，因此为超系统元件。

步骤4分析元件前对系统进行划分，其中技术系统为ECWS，利益相关者是被作用的对象——制品，属于超系统元件；另外存在于工程系统之外的，如道路环境、电能等均属于超系统元件，如表1所示。基于元件功能，对元件间的相互作用进行分析，如表2所示。

表1 ECWS要素分析列表

表2 扩展ECWS元件分析表

通过分析上述元件间的相互作用，基于PE对ECWS的功能进行图式化表示，如图13所示，部分室外装置如图14所示。

步骤5完善基于VE模块的功能模型。步骤3中已明确建模对象和交互对象，并逐一添加在初始孪生模型中，如图15所示。本文基于CANape17.0软件搭建虚拟实体模块，主要为虚拟化地图环境、提取车辆的特征参数(经度、维度、航向角等)和生成相关信息指令等，如图16所示。图中右上角界面为封闭园区的环境，三角形表示东风景逸车辆，叉形表示观光车辆，该图可以基于物理实体实时在线显示两车的相对位置；左侧中间界面为两车的经、纬度位置参数；左下角界面为两车相对的横、纵向距离及预碰撞时间等重要参数，也可根据用户需求进行添加。

步骤6完善基于DD和Ss的功能模型。数据和服务功能的实现相辅相成，通过步骤3中的数据和服务模块分析，将数据筛选清洗后存储于云平台数据库，然后基于边缘云计算形成预警指令作用于驾驶员和行人，如图17所示。基于服务模块，从监管人员、行人和驾驶员3个角度考虑，监管人员对系统内的众多要素进行监控管理，因此基于云服务平台可对路侧设备和车辆进行监控；对于行人和驾驶员，系统提供预警服务功能，基于便携式iPad等智能终端以语音和可视化的方式呈现，如图18所示。

孪生模型的交互需要时间，孪生的虚实交互建立在已建好模型的基础上，对于下一时刻的孪生交互，系统无需重新建模，可基于前一时刻的模型对外做出动作。ECWS的数字孪生五维框架如图19所示。

基于TRIZ功能建模的ECWS数字孪生五维模型，从功能层面对ECWS的物理实体维度、虚拟实体维度、服务维度、孪生数据和连接维度分别进行了建模，借助元件、系统和超系统三者间的连接和相互作用对其功能进行了全面表达。

3.2 方案评价

对于AHP中的层次结构模型，其目标层是对方案进行综合评价。针对基于TRIZ功能模型构建的ECWS数字孪生概念方案，分别以系统服务性、要素全面性和系统交互性作为判断指标建立层次结构模型，如图20所示。设目标层为方案综合评价A，指标层为B，则有A=(B1,B2,B3)，次级指标层为C，则有B1=(C11,C12,C13)，B2=(C21,C22,C23)，B3=(C31,C32,C33)。通过业内专家打分评判对指标

层和次级指标层分别进行两两比较，得到判断矩阵，如表3～表6所示。由文献[34]并根据MATLAB软件求得4组矩阵最大特征值和特征向量，经检验，其一致性比例均小于0.1，因此一致性程度可接受，如表3～表6所示。

表3 A-B判断矩阵及其权重

表4 B1-C判断矩阵及其权重

表5 B2-C判断矩阵及其权重

表6 B3-C判断矩阵及其权重

评判过程中AHP带有评价者较强的主观性、随机性和不确定性，有必要集成相关模糊集理论[35]。由于Satty分别在2006年[36]、2007年[37]、2010年[38]的文献中讨论了对引入模糊数的模糊层次分析法(Fuzzy Analytic Hierarchy Process, FAHP)的有效性，模糊数据的模糊化没有解决AHP存在的问题，反而增加了计算和操作的复杂性。因此，本文采用集成模糊综合评价的AHP-FCE，以减少计算复杂度。将上述评价指标划分为5个等级，分别为一级“好”[0.8,1]，二级“较好”[0.6,0.8]，三级“中”[0.4,0.6]，四级“较差”[0.2,0.4]，五级“差”[0,0.2]，记为V={v1,v2,v3,v4,v5}，指标层所对应的评判矩阵分别记为V1，V2，V3。以车企行业工程师为对象进行问卷调查，并对各指标进行等级投票，根据投票结果进行百分比量化，确定评价指标隶属度，如表7所示。

表7 方案评价指标体系及评价

对方案的各子指标进行一级模糊综合评判(其中D1为系统服务性最大隶属度、D2为要素全面性最大隶属度、D3为系统交互性最大隶属度、F为方案综合评价最大隶属度)，分别为：

D1=W1·V1=[0.176 4,0.313 9,0.333 3,

0.133 3,0.043 0]；

D2=W2·V2=[0.144 2,0.312 2,0.255 8,

0.187 8,0.100 0]；

D3=W3·V3=[0.156 1,0.356 1,0.300 0,

0.144 0,0.044 0]。

二级综合评判为

[0.155 9,0.318 1,0.286 0,0.165 0,0.075 0]。

根据最大隶属度原则，该方案Fmax=0.318 1，处于“较好”水平；指标层中D1max=0.333 3，对应评价为中，该指标从多个角度考虑了服务对象，然而面向使用的扩展碰撞预警服务类型比较新颖，这将作为后续优化改进的方向；D2max=0.312 2，D3max=0.356 1，对应评价均为较好。

4 结束语

CWS是未来智慧交通出行的重要组成，为了从功能角度实现其物理实体和虚拟对象的交互融合，便于用户获得预警服务信息，本文对CWS进行了扩展，提出ECWS服务架构，基于数字孪生五维框架对其5个维度的物理域和信息域进行了全面展现，并从功能层面基于TRIZ功能模型对ECWS功能进行了全面表达。因此，基于TRIZ功能建模的ECWS数字孪生概念方案不仅能表现ECWS的物理域特性和信息域特性，还能从功能角度对其进行全面分析，其总体呈现出网联化、协同化和智慧化的特征，是智能产品与服务集成的整体解决方案。

本文基于AHP-FCE对所构建方案进行了模糊综合评价，克服了AHP评价的随机性和不确定性，并将定性与定量分析结合，分别基于概念方案的要素全面性、系统服务性和系统交互性3个指标进行了评价，结果表明该方法具有较好的评估效果，且方案的模糊综合评价结果为较好。

由于ECWS的数字孪生模型覆盖范围较广、涉及内容较多，本次研究基于封闭园区场景，完善的ECWS数字孪生模型尚需进一步研究和开发，系统的交互与服务还需进一步增强。