数字孪生模型构建关键技术概述及在道路交通管理中的应用

文图｜李小松 于鹏程 胡伟超 张博越

据公安部统计，2023 年全国机动车保有量达4.35 亿辆，机动车驾驶人数量达5.23 亿人。随着机动车保有量稳步增长、交通参与者愈发多元化，道路交通管理工作面临复杂严峻的挑战，传统管理手段因存在信息孤岛、协同性差、管理离散化等制约，难以满足日益增长的交通管理需求。数字孪生通过深度融合传感器网络、物联网、云计算、人工智能等一系列信息技术手段，在虚拟空间构建与物理实体及其运行过程保持一致的高保真数字化模型，可以用于监测、诊断、预测、优化设计、运行和服务等多类场景。由数字孪生技术实现的解决方案显著提升了复杂系统管理的智能化水平与决策效能，目前已在智能制造、智慧城市、工业互联网等领域取得广泛应用，引起学术界、工业界和政府部门的高度关注，利用数字孪生技术解决道路交通管理难点问题是行之有效的方法。作为实现数字孪生落地应用的重要基础，数字孪生模型构建关键技术的研究至关重要。

一、数字孪生模型构建关键技术概述

北京航空航天大学陶飞等人提出了数字孪生五维模型概念，包括物理实体、虚拟实体、孪生数据、服务、连接五部分。其中虚拟实体可称为数字孪生模型，作为对物理实体的数字化表达，通过对物理实体进行多维度、多时空尺度、多领域的描述刻画，结合算法模型实现对物理实体的实时监测、分析、控制和优化，为决策提供可靠的数据支撑，是实现数字孪生“虚实映射、以虚控实”的关键要素。数字孪生模型主要由几何模型、语义模型及关联映射组成，其中几何模型旨在表达物理实体的内外部特征和行为规律，构建过程主要侧重于确保模型的准确度、精度和还原度；语义模型是对物理实体及有关的各类信息进行数字化表达，基于几何模型深度理解物理实体，提取、整合物理实体的各项属性特征、运行规则等相关信息，构建信息知识图谱，满足计算机读取与检索等需求。

（一）数字孪生几何模型构建

数字孪生几何模型是实现数字孪生虚实映射的关键基础，是抽象化表达物理实体的“几何、数据、接口、属性、规则”等信息，并利用统一建模语言进行表达，通过集成多源数据，获取全面、精确的几何信息实现多尺度特征和全要素特性的复杂几何模型的构建。具体构建过程：一是数据采集与处理，利用数据采集系统完成多源数据的采集，如GIS 数据、倾斜摄影数据等，对数据进行清洗、预处理，以符合模型构建的标准格式存储。二是特征提取及融合，从数据中提取物理实体的几何属性，集成融合特征，实现对物理实体几何属性的精准刻画。三是几何模型构建，面向实际领域业务需求，根据物理实体的几何属性，利用领域建模方法进行数字孪生模型构建，如高精地图三维建模、基于倾斜摄影的三维建模等。

1.高精地图三维建模

基于专业采集车采集形成的惯导数据、GNSS 数据、DMI 数据、激光点云数据、全景相机或双目相机数据、精密星历数据等大批量原始数据，经过自动化处理后完成原始数据的解算，依托处理好的原始数据绘制高精地图，分别进行道路数据制作、对象数据制作、数据处理工作，经过理论检查与修改，完成高精地图数据制作。解析高精度地图获得道路上的所有几何要素信息，直接转换为3D 模型，加载到WebGL 引擎中进行3D可视化渲染，生成高精地图三维几何模型。技术架构如图1 所示。

图1 高精地图几何模型技术架构

2.基于倾斜摄影的三维建模

数字孪生几何建模还原物理实体时，面临响应速度慢、还原度较低和物理实体数据驱动的实时可视化开发门槛高、难度大等问题，结合倾斜摄影和点云的三维建模与Unity 实时3D 渲染技术，利用Unity3D平台建立虚拟数字孪生系统，完成实时数据驱动与展示的方案，可以实现虚拟孪生场景的快速建模和物理世界数据实时驱动的可视化显示。其中，基于倾斜摄影建模过程包括影像采集、多视影像平差、多视影像密集匹配、纹理映射等。

（二）数字孪生语义模型构建

语义模型构建是指将物理实体及有关数据转化为数学模型的过程，利用精准传感器及物联网传感网络等数据采集技术，构建物理实体的数据语义表达模型。语义模型不仅可以实时反映物理实体的状态，还可以通过数据调整指导物理实体的优化及改进。

语义模型的构建可以通过传感器技术、云计算技术等实现。构建主要内容包括：一是空间关系描述，通过定义在空间域表示，记录模型间的空间关联。二是对象描述，通过四元组形式，分别表示模型的标识、物理属性描述、空间关系描述、语义属性描述。通过该结构可将空间关系集成到语义模型中，既表示了模型自身属性，又描述了模型之间空间关系。对象属性描述模型之间的关系，如同义关系、上下位关系、整体—部分关系、概念—实例关系，以及用户可以自定义的空间关系；数值属性对模型的属性信息进行描述，如几何尺寸、纹理、外观等信息。

（三）模型关联映射

数字孪生模型具备全域数字化标识能力，可以对模型中的组成部分进行精确标识，实现对数字孪生数据库的快速索引、定位及关联信息加载。以高精地图数字孪生模型为例，可以通过北斗网格码、行政区域编码相结合的方式，将空间剖分、时间细分整合为道路交通要素的唯一标识，实现统一编码管理，支撑数据资源互联互通。通过数据交换与管理的过程，建立路网元素的对象ID、数据ID等对应的关系模型。查找任何对象时，可关联查询所有相关信息，并在GIS 地图上快速定位。

二、道路交通管理领域典型应用案例

随着数字孪生技术的不断发展，“数字孪生交通”理念已经成为交通管理发展的主要内容之一。“数字孪生交通”是将实时感知数据与交通模型进行关联，通过大数据、人工智能、物联网、交通仿真等技术，实现道路交通管理相关决策与评价。

（一）全息数字孪生路口

道路交叉口作为城市交通的节点和枢纽，承载大量交通流量，是城市道路中最复杂的交通场景，其畅通程度对城市道路交通产生直接影响。全息数字孪生路口的技术架构如图2 所示，在数字孪生模型的基础上，通过激光雷达等路侧感知设备，融合高精地图、人工智能和边缘计算等前沿技术实现交叉口交通要素的数字化表达。对交叉口交通运行状态进行实时仿真预测，生成决策控制指令反馈至物理世界，提供辅助驾驶信息、路口隐患分析及风险预警、可变车道调控等服务。通过地图的关联关系，在雷达、视频检测的目标间建立联系，并将实时检测目标叠加在高精地图上，实现物理空间与虚拟空间的对接，完成数字映射的全息感知，建立三维数字孪生仿真路口。结合数字孪生技术与增强现实技术达成实景与孪生融合，实现真实世界数字化、虚拟世界可视化，构建全息路口数据模型，为多类业务系统赋能，统一建设标准。

图2 全息数字孪生路口技术架构

（二）道路交通数字孪生底座

道路交通数字孪生底座构建的基础条件是实现交通要素的全面数字化，通过结合物联网、GIS、大数据、建模仿真等技术，获取感知的交通动、静态数据，形成全要素语义化的高精度地图三维模型，将交通动态数据解析处理后加载到数字孪生模型，分为基础设施层、数据层、平台层、功能层和业务层，道路交通数字孪生底座典型架构如图3 所示。该平台通过建立道路环境交通基础设施模型，关联高精地图基础数据、业务属性数据、路侧传感器监控数据、信号数据等，构建物理实体与性能状态数字信息的映射关系，构建局部路网交通管理设施数字孪生体，主要服务于智慧交通行业，通过整合高精地图、三维模型、倾斜摄影、DEM 数据等数据资源，为智慧交通、智慧交管等提供面向车联网、智慧城市、智慧公路、数字孪生交通等不同领域的业务应用。

图3 道路交通数字孪生底座架构

三、问题及建议

现有高精地图数据主要针对物理属性（几何、拓扑、基本属性）等要素进行模型构建，在道路交通管理领域应用时缺乏对地图交通管控要素（交通标志、交通标线、交通信号灯等）内在效能、规则、关联关系等语义的构建，导致高精地图模型语义表达不完善，模型要素属性描述不健全，在面向交通管理、应急安保和道路维护等领域应用时，缺乏统一描述模型，而且由于各领域对数字孪生模型研究的侧重点不同，针对数字孪生模型的构建缺乏通用性和有关技术标准，导致不同领域间数字孪生模型耦合效果不好，数字孪生互操作及可扩展存在困难。随着模型渲染能力的提升，数字孪生模型的可视化效果华丽，但模型语义化表达较弱，缺乏模型全要素属性数字化描述。因此，对于数字孪生模型的构建可以从以下三方面开展深入研究：

一是解决数字孪生模型的精确性和可信度问题，通过建立数据质量评估机制，及时发现和纠正异常数据；密切跟踪物理实体状态情况，及时对模型进行校准和适应性调整；合理使用人工智能等信息技术融合、分析多源数据，提取有效数据信息；建立实时监测和反馈机制，对模型进行实时更新和调整，确保一致性和准确性。

二是针对多领域完善数字孪生模型构建技术标准和有关接口标准，定义统一的模型验证及验证标准方法，研究多维度建模、数据融合、虚实映射、感知互联等技术标准，确保模型的可靠性、互操作性和安全性。

三是加强对数字孪生模型的语义化表达，实现多源异构数据的属性融合，面向不同业务需求，提高模型数据自由结合的能力，构建基于物理实体的属性数据库及统一数据编码规范，确保数字孪生模型数据格式的一致性，有效提高数据的管理能力及检索速度。