本文來源：Z. Wang et al., “A Digital Twin Paradigm: Vehicle-to-Cloud based Advanced Driver Assistance Systems,” in 2020 IEEE 91st Vehicular Technology Conference (VTC2020-Spring), Antwerp, Belgium, May 2020, pp. 1–6.

“ 數(shù)字孿生體作為一種新興的網(wǎng)絡(luò)物理系統(tǒng)表現(xiàn)形式，近年來受到越來越多的關(guān)注。它為實時監(jiān)視和同步真實世界中的活動與虛擬對等物開辟了道路。這項研究開發(fā)了一個數(shù)字孿生范式，車載設(shè)備利用車載云（V2C）通信，可以通過蜂窩網(wǎng)絡(luò)將數(shù)據(jù)上傳到服務(wù)器。服務(wù)器根據(jù)接收到的數(shù)據(jù)創(chuàng)建一個虛擬世界，用數(shù)字孿生模型處理數(shù)據(jù)，然后將處理結(jié)果發(fā)送回連接的車輛。”

01  數(shù)字孿生框架

圖1是本研究提出的一個兩層框架的聯(lián)網(wǎng)車輛數(shù)字孿生系統(tǒng)。下層代表物理世界，上層代表網(wǎng)絡(luò)世界。通信模塊在這個系統(tǒng)框架中起著至關(guān)重要的作用，它是將兩個層緊密連接在一起的紐帶。在本研究中，將蜂窩通信稱為通信模塊。

圖1：聯(lián)網(wǎng)車輛的通用數(shù)字孿生模型框架

隨著時間的推移，在世界坐標(biāo)系上定義的數(shù)字孿生框架的物理層可能包含所有物理實體及其交互作用，包括車輛和組件、駕駛員和乘客、道路基礎(chǔ)設(shè)施、氣象狀態(tài)、其他道路使用者等。位于這一層的兩個關(guān)鍵模塊是傳感器和執(zhí)行器。傳感器可以檢測物理實體的動態(tài)狀態(tài)、操作過程中的變化或事件發(fā)生，例如車速、駕駛員的注視和紅綠燈狀態(tài)，并在不同分辨率下匯總測量值。信息通過通信模塊傳輸?shù)骄W(wǎng)絡(luò)世界，以便進(jìn)一步處理。

另一方面，來自網(wǎng)絡(luò)世界的處理結(jié)果被接收（同樣通過通信模塊），并作為物理世界中實體或過程的驅(qū)動指南。物理世界中的連接車輛可以部分或完全自動化（即，作為連接和自動車輛），或者由具有某些ADAS功能的人類駕駛員駕駛。從網(wǎng)絡(luò)世界發(fā)出的驅(qū)動指南將建議連接車輛的自動控制器或人類駕駛員進(jìn)行協(xié)作/智能操縱，從而在安全性、移動性和/或環(huán)境可持續(xù)性方面對交通系統(tǒng)有利。

數(shù)字孿生框架中的網(wǎng)絡(luò)世界處理這個兩層框架中的所有計算工作。它不僅由物理世界的抽象（即物理實體和過程的數(shù)字副本）組成，而且還執(zhí)行一些關(guān)鍵功能。首先，對來自物理世界的感測數(shù)據(jù)進(jìn)行清理（如異常值檢測和去除、缺失數(shù)據(jù)插補）和融合（包括時間同步）。然后，預(yù)處理的數(shù)據(jù)可以存儲在數(shù)據(jù)庫中（例如，用于數(shù)字跟蹤），或者發(fā)送到數(shù)據(jù)挖掘和知識發(fā)現(xiàn)模塊，以便使用高級計算技術(shù)（如機器學(xué)習(xí)）進(jìn)行進(jìn)一步的探索。從數(shù)據(jù)挖掘與知識發(fā)現(xiàn)模塊中提取的信息被用來對知識庫做出貢獻(xiàn)，或者構(gòu)建物理世界的模型。為了實現(xiàn)可視化，可以將仿真工具（如車輛模擬器、駕駛模擬器和交通模擬器）集成到建模模塊中。位于網(wǎng)絡(luò)世界的中心，知識庫建立在歷史信息之上，并隨著新信息的流入而不斷更新。這些知識可以用來進(jìn)行預(yù)測分析（結(jié)合建模/仿真工具），并找到支持決策過程的最佳策略。深思熟慮的動作（通過通信模塊）傳回物理世界中的執(zhí)行器，以提高整個系統(tǒng)的性能。


02  基于車輛到云的高級駕駛員輔助系統(tǒng)

在數(shù)字孿生框架下開發(fā)了一個基于V2C通信的ADAS，旨在為裝備車輛的駕駛員提供速度信息。與圖1所示的一般系統(tǒng)框架不同，圖2中示出了特別針對ADAS的系統(tǒng)架構(gòu)圖。


圖2：采用數(shù)字孿生框架的基于V2C的ADAS的體系結(jié)構(gòu)

A、 物理世界

在物理世界中，連接的車輛包括蜂窩熱點（可選）、全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS）、DVI設(shè)備和人類駕駛員。由于計算的速度制導(dǎo)是通過V2C通信從網(wǎng)絡(luò)世界發(fā)出的，所以在物理世界中不需要車載計算機。

（一）手機熱點：此模塊提供對DVI設(shè)備的蜂窩訪問，因此在這個數(shù)字孿生模型中啟用V2C通信。Wi-Fi熱點可能配備4G LTE（可能是5G）sim卡，并具有“共享熱點”功能。但是，如果DVI設(shè)備（如移動電話或平板電腦）已經(jīng)配備了sim卡，則不必使用此蜂窩熱點。

（二）全球?qū)Ш叫l(wèi)星系統(tǒng)：該模塊安裝在車輛上，實時測量其原始位置（經(jīng)緯度）和速度信息，并通過micro-USB電纜將其發(fā)送至DVI設(shè)備。

（三）DVI設(shè)備：該模塊向駕駛員顯示咨詢信息（通過V2C通信），以進(jìn)行協(xié)作/智能操縱。DVI上顯示的信息（圖2中示出的示例）可以包括當(dāng)前速度（左邊的數(shù)字）、咨詢速度（右邊的數(shù)字）和一些其他的消息（例如，口頭指導(dǎo)、經(jīng)緯度、IP地址）。

（四）司機：配備車輛的駕駛員通過踩下加速/制動踏板，根據(jù)DVI調(diào)整車速。由于駕駛員不可能完美地跟蹤咨詢速度，因此在云服務(wù)器上運行一個人類行為模型，以預(yù)測跟蹤誤差并實時補償引導(dǎo)，以提高系統(tǒng)性能。

B、 網(wǎng)絡(luò)世界

這種基于V2C的ADAS的所有計算都在云服務(wù)器上進(jìn)行，在云服務(wù)器上，物理實體（如車輛、駕駛員、道路）和相關(guān)功能模塊的數(shù)字副本在網(wǎng)絡(luò)世界中創(chuàng)建。ADAS的主要網(wǎng)絡(luò)模塊細(xì)分如下：

（一）地圖匹配：地圖匹配模塊在云服務(wù)器上提供了試驗場的預(yù)建地圖，地圖上有道路類型、道路長度、道路ID和方向、道路限速、合流區(qū)、影響區(qū)等信息。地圖匹配模塊的主要功能是位置同步和地理圍欄。對于位置同步，通過提出的地圖匹配算法，可以將從全球?qū)Ш叫l(wèi)星系統(tǒng)接收到的車輛坐標(biāo)（即經(jīng)度、緯度和高度）與預(yù)先建立的地圖進(jìn)行匹配，以更新它們在網(wǎng)絡(luò)世界中的當(dāng)前位置。對于地理圍欄，定義標(biāo)志以檢查每個時間步中車輛的位置和狀況，因此可以相應(yīng)地執(zhí)行相關(guān)操作。

（二）運動規(guī)劃與控制：此模塊生成ego車輛的原始咨詢速度。該模塊的輸入是所有相關(guān)車輛的速度和車道水平位置，其中運動規(guī)劃器生成ego車輛的期望運動，而運動控制器計算參考速度以實現(xiàn)所需運動。

（三）人類行為模式：該模塊預(yù)測駕駛員產(chǎn)生的速度跟蹤誤差，并對原始的咨詢速度進(jìn)行實時補償。該模型的輸出是發(fā)送給物理世界的建議速度，它已經(jīng)考慮了駕駛員產(chǎn)生的速度誤差。

（四）數(shù)字孿生可視化：本模塊展示了網(wǎng)絡(luò)世界中車輛的數(shù)字復(fù)制品。它接收來自人類行為模型的提示速度，以及來自地圖匹配模塊的位置和車速。該界面根據(jù)全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS）模塊測量到的位置，在預(yù)先建立的地圖上顯示所有車輛的實時移動情況。它還顯示一些附加信息，如服務(wù)器IP地址、車輛的經(jīng)緯度和/或配備車輛的DVI的簡化版本。

（五）績效評估：績效評估模塊對數(shù)據(jù)進(jìn)行實時分析。速度、加速度、能量消耗、標(biāo)準(zhǔn)污染物排放等許多性能指標(biāo)可以在云服務(wù)器上進(jìn)行分析，并將結(jié)果發(fā)送回物理世界或顯示在DVI上。

03  案例研究：匝道合并

A、問題形成與方法

為了驗證數(shù)字孿生框架在ADAS中的實際有效性，進(jìn)行了一個合作匝道合并的案例研究。所提出的方法如圖3所示，其中假設(shè)每個合并車輛通過V2C通信啟用并由人類駕駛員驅(qū)動。將任意兩輛車的合流機動簡化為跟車問題，采用了“虛擬車輛”思想：在另一條合流車道上生成一輛與實車具有相同縱向速度和距離的合流虛擬車。


圖3：匝道合并的數(shù)字孿生模型系統(tǒng)框架

根據(jù)當(dāng)前的速度和要合并的距離，云服務(wù)器上的motion planner可以計算出估計的合并時間值。所有相關(guān)車輛的合并順序可以通過對所有估計合并時間的值進(jìn)行排序來確定。從圖3可以看出，虛擬車輛被投射到另一條合流車道上，使得其跟隨的車輛（具有一個較大的序列ID號）可以基于云服務(wù)器上的運動控制器進(jìn)行跟車機動。

B、現(xiàn)場實施

在美國加利福尼亞州河濱市哥倫比亞大道（從芝加哥大道到愛荷華大道）進(jìn)行了現(xiàn)場實施，以驗證所提議的數(shù)字孿生框架的好處。沿主線的路段長度為780 m，匝道長度為322 m。兩條車道上的限速約為20m/s（精確為45 mph）。在沖突區(qū)，主線來自高架橋，而匝道位于橋下。另外一條車道由于高程不同，無法觀測到其他車道上的交通信息，這使得該試驗臺適合于進(jìn)行協(xié)同合并的實現(xiàn)，并顯示了其優(yōu)越性。

基于V2C的ADAS已經(jīng)被整合到三個生產(chǎn)的豐田花冠中，這些花冠最初根本沒有配備ADAS。所有的系統(tǒng)算法和模型都運行在位于加州大學(xué)河濱分校服務(wù)器室的戴爾R630服務(wù)器上。此服務(wù)器配備兩個IntelXeon 2.4 GHz 6核處理器、64GB RAM、14 TB存儲空間，并由Windowsserver 2012和Linux操作系統(tǒng)與Python 3一起操作。蜂窩熱點采用NetgearUnite 770S 4G LTE移動Wi-Fi熱點。GNSS模塊采用U-BloxNEOM8P-2實時動態(tài)（RTK）應(yīng)用板包。車上的DVI設(shè)備采用谷歌Nexus 7平板電腦，通過微型USB電纜與U-Blox GNSS模塊相連。

圖4顯示了數(shù)字孿生體在網(wǎng)絡(luò)世界中的可視化，其中所有三輛車的數(shù)字復(fù)制品在虛擬地圖中移動，并從物理世界實時更新位置。這里還顯示了在網(wǎng)絡(luò)世界中計算的速度，它們通過V2C通信發(fā)送到物理世界中的所有三個車輛。


圖4：網(wǎng)絡(luò)世界中的數(shù)字孿生可視化（速度單位為mph）

C、 績效評估

云服務(wù)器上的性能評估模塊對三輛車的數(shù)據(jù)（主要是速度和合并距離）進(jìn)行實時分析，如圖5所示。如圖5（a）所示，匝道車輛在015秒內(nèi)加速，以縮小其相對于（虛擬）干線車輛1的間隙。當(dāng)干線車輛2將干線車輛1視為其跟隨的領(lǐng)先車輛時，兩輛干線車輛在最初的8秒內(nèi)保持恒定速度。從8秒開始，主線車輛2的引導(dǎo)車輛根據(jù)定義的切換標(biāo)志的值變化從主線車輛1切換到（虛擬）坡道車輛。在8-15秒期間，主線車輛2減速，為匝道車輛合并創(chuàng)造間隙。在15-20秒內(nèi)，匝道車輛和干線車輛2的速度收斂到干線車輛1的速度，以便它們在合并后可以在三輛車串中行駛。

合并點軌跡的距離可以從圖5（b）中看出，這與速度軌跡一致。需要注意的是，在短時間內(nèi)（距離值未更新）距離軌跡平坦時，可以看到V2C通信的丟包，例如主線車輛1為11-12秒，坡道車輛為12-14秒，23-24秒。

同一次行程的燃油和排放結(jié)果也通過網(wǎng)絡(luò)世界中的性能評估進(jìn)行分析，從而實時告知駕駛員他/她的環(huán)境影響。如圖6所示，由于車輛在主減速帶上產(chǎn)生的污染物比主減速帶多，因此車輛的排放量比主減速帶多。結(jié)果表明，干線車輛1和2消耗的燃油量相同，產(chǎn)生的污染物排放量也相似。

并對V2C通信的通信時延進(jìn)行了綜合測試。在現(xiàn)場實施過程中，共記錄了5次不同行程的1707次通信延遲樣本，記錄了一條消息從一輛車發(fā)送到另一輛車接收（消息已經(jīng)通過云服務(wù)器）之間的時間差。平均通信延遲為88ms，最大為854ms。


圖5：匝道合并案例的車輛動力學(xué)結(jié)果

圖6：匝道合并案例的燃料和排放結(jié)果