基于数字孪生的智慧城市管理方法及系统技术方案

本发明专利技术涉及一种基于数字孪生的智慧城市管理方法及系统，属于智慧城市管理技术领域，包括以下步骤：采集目标城市的历史交通参数

【技术实现步骤摘要】
基于数字孪生的智慧城市管理方法及系统


[0001]本专利技术属于智慧城市管理
，具体地，涉及一种基于数字孪生的智慧城市管理方法及系统
。

技术介绍

[0002]数字孪生是充分利用物理模型
、
传感器更新
、
运行历史数据等因素，集成的多学科
、
多物理量
、
多尺度
、
多概率的仿真过程，在虚拟空间中完成映射，从而反映相对的实体装备的全生命周期过程，智慧城管是新一代信息技术支撑下的城市管理新模式，通过新一代信息技术支撑实现全面透彻感知
、
宽带泛在互联
、
智能融合应用，推动以用户创新
、
开放创新
、
大众创新
、
协同创新为特征的以人为本的可持续创新，而智慧城管是智慧城市的重要组成部分
。
[0003]在现有数字孪生的智慧城市管理系统里，城市交通系统是一个动态复杂的系统，覆盖范围广，很难在真实物理空间全面掌握交通系统运行状况和车辆动态，因此可以基于数字孪生场景对显示交通进行模拟复刻，从全局掌握交通运行状态，实现车辆监控以及轨迹预测等智能化分析，从而辅助决策
。
[0004]然而，部署在城市道路上的监控数据量巨大，市级范围通常会达到几万路，且类别多样，有卡口
、
电子警察
、
枪机
、
球机
、
高空监控等，由于建设时间不一，有些监控只是具备传统拍摄能力，而有些已经在前端集成了
AI
识别能力，有些视角固定，有些能够通过云台操控来控制监控角度和范围，以上方法在效率
、
性能
、
准确性上都存在缺陷，无法精准地对城市车辆进行模拟和预测
。

技术实现思路

[0005]为解决上述
技术介绍
中通过云台操控来控制监控角度和范围，以上方法在效率
、
性能
、
准确性上都存在缺陷，无法精准地对城市车辆进行模拟和预测的技术问题，本专利技术提供了一种基于数字孪生的智慧城市管理方法，包括以下步骤：
[0006]采集目标城市的历史交通参数
、
空气质量参数和能源消耗参数，通过对目标城市相关数据处理后，建立目标城市的三维模型；
[0007]通过数字孪生平台将目标城市的三维模型统一封装为目标城市孪生模型；
[0008]构建传感器网络，基于传感器网络实时采集目标城市的交通参数，并将传感器网络采集到的交通参数实时传输到数字孪生平台；
[0009]将个体车辆作为建模单元，结合影响车辆移动的因素建立微观仿真模型，对目标城市中的城市交通情况进行描述和预测从而获取目标城市车辆的运行状态和问题；
[0010]具体的，结合所述影响车辆移动的因素建立微观仿真模型具体包括以下步骤：
[0011]确定影响车辆移动的因素，包括：车辆自驱力
、
周围障碍物对车辆的作用力
、
其他车辆产生的作用力以及车辆在行驶过程中无法避免的随机波动力；
[0012]通过将影响车辆移动的因素代入微观仿真模型进行计算得出目标城市交通预测
结果
。
[0013]进一步的，结合影响车辆移动的因素建立微观仿真模型，具体包括以下步骤：
[0014]通过传感器网络收集道路网络
、
交通流量和车辆形式轨迹的相关数据；
[0015]基于手机到的数据没构建道路网络模型，包括道路拓扑结构
、
道路属性和道路容量；
[0016]根据实际交通情况和规则，定义车辆的行为模型，包括车辆加速度
、
减速度
、
车辆变道规则；
[0017]根据收集到的数据和定义的车辆行为模型，编写微观仿真模型，通过使用基于
Agent
的模拟方法，对车辆进行模拟
。
[0018]进一步的，基于个体车辆作为建模单元，建立的围观仿真模型通过以下公式表达：
[0019][0020]式中，
α
和
β
代表两辆不同的车辆，表示车辆
α
在时刻
t
受到的自驱力，表示在
t
时刻车辆
α
和
β
之间的相互作用力，表示在时刻
t
车辆和障碍物之间的相互作用力，表示随机波动力
。
[0021]进一步的，随机波动力的计算公式如下：
[0022][0023]其中，表示期望速度方向的单位向量，表示在
t
时刻车辆
α
受到的所有力的合力，表示与期望速度方向相互垂直的单位向量，
α
和
β
代表两辆不同的车辆
。
[0024]进一步的，形式过程中车辆的期望速度方向通过如下公式表达：
[0025][0026]式中，表示仿真开始车辆
α
的期望速度方向的单位向量，和分别表示在时刻
t
车辆
α
的位置两个不同的向量
。
[0027]进一步的，在
t
时刻，车辆
α
受到的自驱力的表达式如下：
[0028][0029]式中，表示车辆
α
在时刻
t
受到的自驱力，表示在时刻
t
车辆
α
的期望速度值，
τ
α
表示司机的反应时间，表示仿真开始车辆
α
的期望速度方向的单位向量，表示在时刻
t
车辆
α
的实际速度方向的单位向量
。
[0030]进一步的，所述传感器网络包括基站
、
簇头和多个传感器节点，所述传感器节点感知数据，所述簇头和基站接收数据
。
[0031]本专利技术还公开一种基于数字孪生的智慧城市管理系统，执行前述的一种基于数字孪生的智慧城市管理方法，包括输入端
、
处理端和决策支持端，其中：
[0032]所述输入端为传感器网络，所述传感器网络包括传感器节点
、
通信设备和网络结构，所述传感器节点通过加密认证将收集到的数据传输到通信设备；
[0033]所述网络结构以网状或星形结构组成传感器网络，在网状结构中，每个传感器节点与其他相邻的节点直接通信，形成一个相互连接的网络；
[0034]所述处理端接收输入端收集到的数据，并对数据进行分析，提取有用的信息和指标，通过大数据分析和人工智能技术，得出城市的运行趋势
、
问题和问题背后的原因；
[0035]所述决策支持端基于数据分析和建模结果，为城市决策者提供决策支持，通过模拟和预测，所述决策支持端基于数据分析和建模结果，为城市本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于数字孪生的智慧城市管理方法，其特征在于，包括以下步骤：采集目标城市的历史交通参数
、
空气质量参数和能源消耗参数，通过对目标城市相关数据处理后，建立目标城市的三维模型；通过数字孪生平台将目标城市的三维模型统一封装为目标城市孪生模型；构建传感器网络，基于传感器网络实时采集目标城市的交通参数，并将传感器网络采集到的交通参数实时传输到数字孪生平台；将个体车辆作为建模单元，结合影响车辆移动的因素建立微观仿真模型，对目标城市中的城市交通情况进行描述和预测从而获取目标城市车辆的运行状态和问题；具体的，结合所述影响车辆移动的因素建立微观仿真模型具体包括以下步骤：确定影响车辆移动的因素，包括：车辆自驱力
、
周围障碍物对车辆的作用力
、
其他车辆产生的作用力以及车辆在行驶过程中无法避免的随机波动力；通过将影响车辆移动的因素代入微观仿真模型进行计算得出目标城市交通预测结果
。2.
根据权利要求1所述的一种基于数字孪生的智慧城市管理方法，其特征在于，结合影响车辆移动的因素建立微观仿真模型，具体还包括以下步骤：通过传感器网络收集道路网络
、
交通流量和车辆形式轨迹的相关数据；基于手机到的数据没构建道路网络模型，包括道路拓扑结构
、
道路属性和道路容量；根据实际交通情况和规则，定义车辆的行为模型，包括车辆加速度
、
减速度
、
车辆变道规则；根据收集到的数据和定义的车辆行为模型，编写微观仿真模型，通过使用基于
Agent
的模拟方法，对车辆进行模拟
。3.
根据权利要求1所述的一种基于数字孪生的智慧城市管理方法，其特征在于，基于个体车辆作为建模单元，建立的围观仿真模型通过以下公式表达：式中，
α
和
β
代表两辆不同的车辆，表示车辆
α
在时刻
t
受到的自驱力，表示在
t
时刻车辆
α
和
β
之间的相互作用力，表示在时刻
t
车辆和障碍物之间的相互作用力，表示随机波动力
。4.
根据权利要求3所述的一种基于数字孪生的智慧城市管理方法，其特征在于，随机波动力的计算公式如下：其中，表示期望速度方向的单位向量，表示在
t
时刻车辆
α
受到的所有力的合力，表示与期望速度方向相互垂直的单位向量，
α
和
β
代表...

【专利技术属性】
技术研发人员：刘榆厚，刘湘明，杨威，吴丹，
申请(专利权)人：广东飞翔云计算有限公司，
类型：发明
国别省市：