智能移动数字孪生可复制真实世界的交通状况，实现混合自动驾驶和远程驾驶
东京工业大学工学院 Kei Sakaguchi 教授和弗吉尼亚理工大学 Walid Saad 教授领导的研究小组共同实现了一种智能移动数字孪生，可以在网络空间实时复制物理空间的交通状况。利用这个数字孪生，他们成功演示了一种结合自动驾驶和远程操作的混合自动驾驶系统。这项研究发表在《IEEE 智能汽车学报》上。
数字孪生技术（在网络空间复制物理对象和系统）虽然在制造业和建筑业等领域得到了快速发展，但迄今为止尚未应用于动态移动领域。
本研究利用东京工业大学大冈山校区的智能移动教育研究领域，构建了智能移动数字孪生，并利用该数字孪生开发了结合自动驾驶与远程控制的混合自动驾驶演示系统。
在演示中，数字孪生能够实时识别自动驾驶汽车更安全、更高效的路线，并将这些信息传回车辆。这证实了融合本地自主和远程引导的混合自动驾驶是可行的。
这项研究实现了基于车辆自身传感器的局部路径规划与基于数字孪生更广阔环境视图的全局路径规划的融合，并通过 V2X 通信实现，同时提高交通安全性和效率。
数字孪生是指将物理空间的物体和系统在网络空间中再现的技术，目前已在制造业、建筑业等第二产业中得到快速发展，近来又被应用到医疗、教育、电子商务等第三产业，并正在向农业、渔业等第一产业延伸。
数字孪生的优势不仅包括利用计算机视觉技术在网络空间实现可视化，还包括通过传感器和物联网技术进行实时监控、利用模拟和人工智能进行预测，以及基于预测进行最优控制和异常避免。
构建数字孪生的难度因对象或系统的动态性而异。在制造业和建筑业中，动态性较低，数字孪生的实现相对容易，但在移动性较高、动态性较高的行业中，实现数字孪生一直具有挑战性。
在此背景下，东京工业大学和弗吉尼亚理工大学自2022年起开始合作开展由日本国家信息通信技术研究所（NICT）和美国国家科学基金会（NSF）委托的联合研究项目。
该项目名为“为实现社会5.0而研发IoFDT（联邦数字孪生互联网）的无线边缘计算服务平台”，旨在构建智能移动数字孪生，并已成功利用该数字孪生实现了世界上第一个混合自动驾驶和远程驾驶。
东京工业大学与超级智能社会推进联盟成员合作，自 2019 年起在大冈山校区建设智能移动教育与研究领域。
该场地配备了两辆可实现 4/5 级自动驾驶的自动驾驶汽车和四个用于下一代 ITS（智能交通系统）的路侧单元 (RSU)。RSU 配备了激光雷达和摄像头等传感器、支持 760 MHz、5.7 GHz 和 60 GHz 的 V2X（车对万物）通信、边缘计算 (MEC) 和到云端的回程网络，从而实现基础设施协调的安全驾驶支持。
智能移动数字孪生可以在网络空间中实时再现这些物理移动领域，从而可以在数字孪生上进行实时碰撞预测和路线规划，从而实现安全驾驶支持。
智能移动数字孪生的系统配置如图1所示，由物理空间中的自动驾驶汽车和RSU、边缘和云服务器、协调整个网络的虚拟化平台、在网络空间中运行的用于自动驾驶的ROS（机器人操作系统）和Autoware软件包、Ookayama点云地图/3D模型等静态信息、Unity等3D可视化软件以及在这些基础设施上运行的动态智能移动应用程序组成。
自动驾驶汽车和路侧单元的边缘服务器使用激光雷达和摄像头等传感器来检测周围的交通参与者，例如车辆、自行车和行人，构建局部数字孪生。多辆车辆和路侧单元检测到的信息在云端汇总并叠加在点云/3D 地图上，以构建整个领域的广域数字孪生。
通过结合这种局部和广域数字孪生（具有任意数量的层）的分层结构，可以适应具有不同要求的各种智能移动用例，例如避免碰撞和优化交付。
中间部分是检测结果叠加在点云上，以及 LiDAR 等传感器的检测范围。可以看到多个 RSU 的检测结果融合在一起。虽然局部数字孪生延迟约 10 毫秒，全局数字孪生延迟约 100 毫秒，但物理孪生和数字孪生几乎是实时同步的。
混合自动驾驶将自动驾驶汽车基于本地环境观测的路径规划与基于数字孪生通过 V2X 通信提供的全局环境观测的路径规划相结合，从而同时提高交通安全性和效率。
这是全球首次将这种混合自动驾驶系统投入实际应用。虽然自动驾驶的视野仅限于车辆周围环境，但与人类驾驶类似，全球数字孪生可以实时、鸟瞰地观察路况，从而实时选择更安全、更高效的路线。
在演示实验中，自动驾驶汽车利用网络空间中的全局数字孪生，检测到行驶路线上有一辆停放的车辆和许多行人，从而能够改变行驶路线至更安全、更高效的周边道路，并将这一变化反馈给物理自动驾驶汽车，证实了混合自动驾驶的实现。
页:
[1]