我們在生活中，如何減少交通擠塞和高峰時間？哪里應該增加新的自行車道？如何改善公共交通？未來如果自動駕駛汽車落地到我們的街道，將如何與傳統車輛互動？自動駕駛對城市和交通規劃有哪些潛在的機會和風險？城市每天面臨著上百個關于交通的重要決定。

智慧交通中的數字孿生應用

在交通領域有“數字孿生”這一概念，“數字孿生”概念最早在2002年由密歇根大學的Michael Grieves教授提出。他認為通過物理設備或系統的數據，可以在虛擬空間構建一個表征該物理系統的虛擬實體。物理實體與虛擬系統的聯系，不是單向和靜態的，而是在系統的全生命周期中都聯系在一起。

數字孿生是以數字化化方式創建物理實體的虛擬實體，借助歷史數據、實時數據以及算法模型等，模擬、驗證、預測、控制物理實體全生命周期過程的技術手段。

現有的交通體系雖然能夠支撐現階段的交通管控，但是智慧交通是通過數字孿生的方式，采集交通數據，納入到虛擬數字映射中，通過大數據分析、人工智能Ai和交通仿真技術生成交通的優化方案，以及對方案進行評價的全新系統。

在道路交通中應用，數字孿生技術能夠全面提高交通資源配置的效率和安全運轉狀態。實現道路基礎設施生命周期的動態監測，通過數字大屏的方式展現，大屏中展示現階段交通現狀，以及通過數據全域標識、狀態精準感知、數據實時分析、模型科學決策、智能精準執行，同時可以實現交通的模擬、監控、診斷、預測和控制，解決交通規劃、設計、建設、管理、服務中的復雜性和不確定性問題，為道路通行診斷和交通管理決策提供精確依據。

在這個虛擬環境中，所有道路用戶及其交互以及公共交通服務都可以建模和規劃。在實際實施之前，規劃者使用所謂的“假設情景”，可以對新措施進行模擬和分析。

數字孿生、交通仿真與元宇宙的區別于聯系

這種數字孿生的基礎是數據和算法。在城市里，例如傳感器、交通攝像頭或GPS等，每天都會產生大量數據。

當前，自動駕駛技術已成智慧交通領域的創新前沿和熱點，但其落地的一大難題是需要付出巨大的時間和金錢成本，來驗證技術和算法的安全性。有數據顯示，一套自動駕駛系統想要達到量產應用條件，至少需要經過110億英里(約170-180億公里)的道路驗證。而110億英里，相當于環繞地球超44萬圈，這是一個有生之年都難以完成的任務，所以必須通過先進技術加速這個驗證過程，同時還不能違背客觀規律。

在這種背景下，自動駕駛仿真測試有助于加速自動駕駛技術的落地應用，而數字孿生技術則是其中的關鍵支撐。

在《數字孿生應用白皮書2020》中，也指出數字孿生生態系統由基礎支撐層，數據互動層，模型構建與仿真分析層，共性應用層和行業應用層組成。

此外，交通領域有“數字孿生”還需要與“交通仿真”區別開來，數字孿生體系通過與物理世界建立底層關聯，將物理世界動態實時的映射到虛擬世界當中，并依據當前的交通態勢和行為做預測。而交通仿真軟件數據的精確匹配和實時性都存在偏差，只能依托歷史數據去做分析和推測，而無法準確的和物理世界相關聯進行及時的研判分析。

元宇宙目前在科技界是最火熱的名詞，目前還沒有一個標準的定義，維基百科如此定義元宇宙，通過虛擬增強的物理現實，呈現收斂性和物理持久性，基于未來互聯網，具有鏈接感知和共享特征的3D虛擬空間。但有三個特征是大家公認的，即恒久性、去中心化和與現實鏈接。“元宇宙”具體應用在交通行業呈現的形態又是什么樣的？

業內認為在數字孿生技術的支持下，可以構成“元宇宙”中的平行交通體系，可以對虛擬的交通世界進行一個管控，同時也能夠增加對現實世界中交通的深刻認識和更為準確的預測，從而構建出一個真正意義上的交通AI或者交通大腦。

元宇宙的核心實際上就是數字仿真技術，通過感知、定位等信息技術，在高精度地圖基座中構建交通場景仿真和車輛動力學軟件的運行環境，它可以將道路、車輛、環境、氣象甚至人等真實信息通過元宇宙端口接入，構建類真實的交通時空框架，并通過數據安全和隱私保護策略，使得交通仿真更加貼近真實、更加精準。

智慧交通中數字孿生的構建

在智慧交通的實際構建當中，以基礎設施和多源異構物理感知的數字化為底座，通過以多種低延時的網絡組合作為通道，將數據上傳到具備孿生功能的計算平臺進行建模重構和精確感知，從而將數字化結構化的數據應用到交通的各項業務當中，即時數據可通過邊緣計算迅速實現交通行為還原和檢測，利用大數據實現交通狀態推演和自動分析預測功能。

在感知層，基于高精地圖采集的三維模型將路網、道路、標志標線、建筑物、桿件等數字化，并匹配相應的特征信息，如地理位置信息、物理屬性等。多源異構的交通檢測傳感器可以識別各類交通參與者的精準位置、輪廓、大小、速度、航向角等信息和交通事件、交通行為。結合諸多物聯網傳感器，將路面、路基、設備等狀態和生命周期等數據通過多種網絡組合方式提供盡可能低時延的方式同步到計算層，實現物理世界和虛擬世界的時間空間同步。

數據層則將不同途徑采集到的數據按照業務需求進行不同分發、存儲以及管理。

運算層則運用計算資源將物理生命周期數據同動態采集數據進行融合和精準匹配，將物理量轉化為機器可識別語言，構建有機的數字孿生體。

功能層面向業務體系，在機器語言自動識別處理的基礎上，實現交通場景的孿生重現，交通參與者的目標識別跟蹤和還原，智能化的分析目標行為和交通狀態，從而根據目標進行態勢分析和交通事件預測。

數字孿生在交通中的應用價值

數字孿生的核心在于將物理道路、基礎設施和交通目標全部轉化為帶有特征信息的數字，從而轉化成供機器自動讀取和識別的語言。在該基礎前提下，我們可以獲取道路和設備全生命周期狀態過程，并將含有位置、速度、角度、輪廓、類型的交通參與目標直接提供給計算單元讀取，自動判別目標行為。

區別于傳統視頻監控，數字孿生的在立體多維呈現不受光線條件的影響，可最為直觀全面的了解實時交通狀態，靈活切換任意視角，迅速查看交通事件發生情況，從路網的交通態勢到微觀車輛的行為，都可一目了然。

城市管理當中依托機器自動識別讀取，可以極大提高交通管理效率，識別到交通異常自動報警并評估對道路通行的影響規模，通過分析交通態勢自動下發應急預案，人工只需要二次確認事故并確認處置方案，較傳統交通管理模式更為便利高效。

另一方面帶來的價值，依托極低時延網絡，對于微觀交通行為的預測，依據交通參與者的空間位置、速度、方向等判定碰撞可能性并為車輛或行人提供預警。長期的精準數據分析，也可為交通管理策略、交通應急處置預案優化提供更精準的依據，可不斷優化和支撐數據分析。