曹波 | 作者
安安 | 编辑
人类认知社会的动力，源于对不确定性的恐惧。而不确定性的存在主要源于在信息约束条件下，人们有限的认知能力。
从远古到现代，人类一直在努力提高认识世界的水平，以观察世界、理解规律、指导实践、理解过去、阐明现在、预测未来，逐渐形成了化解对不确定性恐惧的三部曲：是对客观世界理解、预测、控制。
交通行业对数字孪生应用的本质也就在于以数据的自动流动化解复杂交通体系下的不确定性，通过孪生方式实现对复杂交通运行管理体系的分析、预测和决策，从而提高交通认知和管理水平。
数字孪生是某个实际场景（产品）或作业流程的虚拟表示，用于理解和预测对应场景（产品）和流程的性能特点， 简单来说就是在虚拟空间中测试真实场景。例如，现实生活中，我们需要对一台智能手机进跌落测试，那么在很大程度上就需要损失多台手机成品以及投入在其中的其他成本，而利用数字孪生技术，既可以实现预先测试，还可以降低产品在生产和制造过程中的成本。这就相当于打游戏开了无限生命的外挂，大大减少了实操带来的成本，避免了试错带来的损失。越复杂的系统，越复杂的构造物，数字孪生带来的使用价值就越大。不同行业，数字孪生技术能够提供的价值是不一样的。对交通行业而言，它能带给我们带来什么呢？在这个孪生高速中，管理者可以鸟瞰整个路网，或者可以选择放大一个特定区域。在更深层级上，可以显示某个实际构造物（如边坡）的地形、形状和位置，以及采用的工程或植物防护形式。一旦发生边坡坍塌，通过叠加无人机影像数据，管理者可以及时了解全貌，并判断坍塌类型如滑动型、落石型或流动型。管理者可以在虚拟环境下根据地形地貌划定施工区域，并进行现场布置。前文说到，在数字孪生体的一个重要价值就是可以在虚拟空间中测试真实场景，降低在现实世界中测试和实验的成本。通过虚拟实验可以模拟高速公路的交通流量、车速等情况，制定出最优的交通控制措施。通过模拟不同的入口和出口设计方案对于交通流量、速度、路况等的影响，以此为基础制定更科学、合理的高速公路入口和出口规划和设计方案。高速公路路网级孪生平台还将用于更长期的规划和决策。例如，根据现有路网密度，车流量，通过虚拟测试平台还可以评估不同的道路和交通规划方案对城市网络和生态环境的影响。面对数字孪生带来的巨大价值，业内专家指出，交通数字孪生技术的发展应用分为四个阶段：可视、可诊、可管、可优。其中，“可视”指复现物理世界中系统运行的过程；“可诊”指通过数据分析发现问题；“可管”指运用仿真手段推演系统可能的变化态势，并给出管理建议；“可优”指找到各种解决方案中的最优解。在这个阶段，数字孪生要对物理空间进行精准的数字化复现，并通过物联网实现物理空间与数字空间之间的虚实互动。以行业为例，这个阶段我们需要将高精度地图与人、车、路、交通环境等数据关联，并实现公路基础要素数字化。然后通过对交通建设、管理、养护及营运等交通环节场景数据建模，与公路基础要素数进行空间关联，最后将这些数据融合分析后实时投射到数字世界里，展现给管理者一个全要素的“数字高速”。在这个阶段，数据的传递需要达到实时同步的程度，逐步建立业务知识图谱，通过对数字模型的全周期动态监控，并根据业务需求并对已发生或即将发生的问题做出诊断、预警，从而实现对物理世界的状态跟踪、分析和问题诊断等功能。以行业为例，这个阶段孪生系统需要在“数字高速”里分析车流运行、收费抬杆、环境监测等数据，结合业务理解，从而实现对现实高速中收费运行状态、道路运行状态以及各类大型构造物状态的跟踪、分析、预警及诊断。在这个阶段，数字孪生系统能通过将感知数据与动态行业词典相结合进行自我学习更新，然后通过模拟真实世界的运行规则实现对未来的预测推演计算。以行业为例，这个阶段数字孪生系统拥有了跨时间、跨场景的学习能力，通过历史数据学习，系统可以分析与预测交通拥堵情况和交通事故概率，提供合理诱导方案；可实时了解道路养护的状况，为养护人员提供精细化的指导方案；可根据出入车流量，规划出收费站出入口开关合理方案。到达这一阶段的数字孪生基本可以称为是一个成熟的数字孪生体系。它的“中枢神经”通过对各类智能推理结果的进一步归集、梳理与分析，实现对物理世界复杂状态的预判，并自发地提出决策性建议和预见性改造，并根据实际情况不断调整和完善自身体系。以行业为例，这个阶段数字孪生系统拥有超时空、超场景的上帝视角，它通过分析交通数据、生成现场控制方案及根据反馈评估不断自我优化实现了完整的闭环，且拥有了动态学习验证、循环迭代提升的能力。目前行业数字孪生应用基本步入了“可视”的第一阶段，并根据模型建设和交通信息的实时互动，不断完善可视化效果，但受制于数据、技术、成本及认知等问题，更为重要的可诊、可管、可优等功能仍旧无法实现。数字孪生是一种基于数据驱动的技术，通过数字化采集、模型建立、数据融合、数字孪生交互、数字孪生优化和应用推广等步骤，实现数字孪生系统的构建和应用。在这过程中我们会遇到某些场景下（如车路协同）的数据收集非常困难，且搜集上来的数据质量不高；车辆位置、速度、车牌、地理信息等敏感信息数据，存在安全泄露风险；地图空间、各类传感器、视频监控、基础设施等不同来源、不同类型、不同格式、不同业务的数据，如何进行有效的处理和融合等。数据的采集阶段我们需要采用不同的传感器、设备和技术，如雷达、视频、物联网、无人机等；模型建立阶段需要用到3D建模，BIM建模等；数据融合需要进行数据治理，数据建模、大数据分析等；数字孪生交互需要可视化、交互控制、二三维GIS、VR/AR等技术应用；数字孪生优化需要仿真模型、行为模型以及AI技术应用。数字孪生项目往往是一项复杂的技术工程，需要大量的计算资源、存储空间和人力资源，其建设成本也相对较高，单一业主单位投入与产出往往不成比例。如何避免浪费和确定收益是数字孪生应用落地过程中需要解决的难题，否则缺乏持续创新和应用的土壤。数字孪生与数字化转型概念类似，需要与传统管理生产方式进行整合，这需要组织从组织结构、文化和工作流程等各个方面进行改变，如果管理人员对组织转型压力不足，可能会限制数字孪生系统的应用和推广。数字孪生不是万能的，它只是一种更好的技术手段，能让业务运转更快、更全面、更形象，同时能起到辅助管理的作用。数字孪生并不能实现物理世界的“一比一还原”，越贴近真实成本越高，而且是指数级的增加。数字孪生是一种基于数据驱动的技术，需要业主对业务数据有强大的掌控能力，这其中隐含着大量数据治理和管理的成本。数字孪生不仅仅是一张“数据大屏”，更关键的是底层的智能算法、业务管理与仿真融合，以及结合之后的分析、预测和决策能力。不同于流水线上千篇一律的产品，交通管理是一个开放的体系，是极其复杂的。因此交通数字孪生的建设工作，在今天看来还存在许多独特的挑战，但我们相信技术的进步会逐步解决这些挑战。