CN113538863A - 一种隧道数字孪生场景构建方法及计算机设备 - Google Patents
一种隧道数字孪生场景构建方法及计算机设备 Download PDFInfo
- Publication number
- CN113538863A CN113538863A CN202110391715.4A CN202110391715A CN113538863A CN 113538863 A CN113538863 A CN 113538863A CN 202110391715 A CN202110391715 A CN 202110391715A CN 113538863 A CN113538863 A CN 113538863A
- Authority
- CN
- China
- Prior art keywords
- tunnel
- scene
- digital twin
- model
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Signal Processing (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- Architecture (AREA)
- Emergency Management (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Multimedia (AREA)
- Civil Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种隧道数字孪生场景构建方法及计算机设备,涉及交通信息化技术领域,用于分析隧道交通运行中的复杂问题,并提出相应的解决方案。所述隧道数字孪生场景构建方法包括:模型初始化、全景监测、数据汇聚、数据分析、物理参数更新、行为参数更新、几何模型更新、复盘验证、模拟分析、预测推演、辅助决策、反馈控制及迭代交互优化。所述计算机设备,用于执行上述隧道数字孪生场景构建方法。
Description
技术领域
本发明涉及交通信息化技术领域,尤其涉及一种隧道数字孪生场景构建方法及计算机设备。
背景技术
目前,隧道交通具有线状工程、半封闭场景、瓶颈交通等典型特点。同时,全息感知需求明确、安全运营要求高、交通保通压力大。
数字孪生是以数字化方式创建物理实体的虚拟模型,借助数据模拟物理实体在现实环境中的行为,通过虚实交互反馈、数据融合分析、决策迭代优化等手段,为物理实体增加或扩展新的能力。但是,目前数字孪生技术大多应用于工厂车间、工业制造等领域,在交通场景的应用还较为少见。
发明内容
本发明的目的在于提供一种隧道数字孪生场景构建方法及计算机设备,用于分析隧道交通运行中的复杂问题,并提出相应的解决方案。
第一方面,本发明提供一种隧道数字孪生场景构建方法,包括以下步骤:
根据实际隧道场景,建立初始几何模型、初始物理模型、初始行为模型及数字孪生数据库,形成初始隧道数字孪生场景。根据实际隧道场景中的多路监控视频数据,将实际隧道场景中的多路监控视频与初始隧道数字孪生场景进行实时三维融合,形成隧道全景数字孪生场景,并对多路监控视频中的静态场景进行结构化分析及语义标注。根据实际隧道场景中的物联传感设备及交通附属设施,对隧道全景数字孪生场景中的虚拟设备进行关联注册、数据接入及动态标注。根据多路监控视频数据、物联传感设备的数据及气象数据,对多路监控视频中的动态对象进行实时识别、语义标注、异常检测及结构化输出。根据物联传感设备的数据变化及分析结果,对隧道全景数字孪生场景中的相应模型和/或相关参数进行更新。根据历史数据或检测数据,对隧道全景数字孪生场景中的几何模型、物理模型、行为模型及相关参数进行复盘及验证。根据隧道全景数字孪生场景,对实际隧道场景中相应的业务需求与问题分别进行模拟分析。根据隧道全景数字孪生场景中的几何模型、物理模型及行为模型,对实际隧道场景的变化进行预测推演,以对实际隧道场景中的异常事件进行预警。根据模拟分析的结果及预测推演的结果,获取不同条件下的事件响应及处置方案,形成实际隧道场景的应急事件三维预案及辅助决策建议。根据辅助决策建议,控制物联传感设备对实际隧道场景进行反向物理控制,并更新隧道全景数字孪生场景的相应模型。
与现有技术相比,本发明提供的隧道数字孪生场景构建方法的有益效果是:
(1)实现多路视频实时融合的隧道全景数字孪生场景:建立起离散视频与监控场景之间的空间关联。通过视频碎片还原三维场景,从而提供全局观察视角,实现了隧道的全局监控场景动态的“一张图”显示,提供多个区域连续、直观监控,方便监控管理人员概览全局。
(2)形成了集成有各专业子系统的隧道数字孪生全息感知:打破隧道各专业子系统之间的数据壁垒,将视频、检测、监测、在线物联等多源传感数据进行统一集成与增强现实显示,实现实景融合的三维数字资产管理。
(3)支持基于数字孪生的隧道异常事件预警与及时响应:利用隧道全景数字孪生场景,可以及时发现隧道运行过程中的异常事件,并可根据隧道全景数字孪生场景中的几何模型、物理模型和行为模型,生成对异常事件进行三维应急响应预案,并进行方案推演。
(4)降低试错成本:在隧道全景数字孪生场景中开展因受时空限制而在现实世界中无法观察和控制的事物和现象、变化太快或太慢的过程,以及有危险性、破坏性和对环境有危害的实验,对于隧道交通运行中的复杂问题提供复现场景和方案测试环境,降低试错成本。
第二方面,本发明还提供了一种计算机设备,包括物联传感设备、处理器、存储器以及存储在存储器中且被配置为由处理器执行的计算机执行指令,处理器执行计算机执行指令时实现如第一方面的隧道数字孪生场景构建方法。
与现有技术相比,本发明提供的计算机设备的有益效果与上述技术方案所述隧道数字孪生场景构建方法的有益效果相同,此处不做赘述。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1本发明实施例提供的计算机设备的结构示意图;
图2为本发明实施例提供的隧道数字孪生场景构建方法的流程图。
具体实施方式
为了便于清楚描述本发明实施例的技术方案,在本发明的实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。例如,第一阈值和第二阈值仅仅是为了区分不同的阈值,并不对其先后顺序进行限定。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。
需要说明的是,本发明中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
本发明中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,a和b的结合,a和c的结合,b和c的结合,或a、b和c的结合,其中a,b,c可以是单个,也可以是多个。
本发明实施例的目的在于解决隧道交通管理中的视频碎片化、子系统相互分离、事件预警与响应不及时及方案试错成本高等问题,提出一种隧道交通数字孪生场景构建系统。通过隧道交通数字孪生场景构建系统构建与真实隧道交通运行场景基本一致的隧道数字孪生场景,提供更加实时、高效、智能的隧道智慧管理与服务,支持对隧道基础设施与交通运行的精准感知与精细管理。
在实际应用过程中,上述隧道交通数字孪生场景构建系统可以包括计算机设备100、数据采集设备、物联传感设备及通信设备。计算机设备100通过通信设备分别与数据采集设备及物联传感设备通信连接。数据采集设备可以监控摄像头。
图1示例出了计算机设备的结构示意图,参照图1,计算机设备100可以包括处理器101、通信接口102、存储器103及显示界面。其中,处理器101用于执行计算机指令,并处理计算机软件中的数据,以执行隧道数字孪生场景构建方法。显示界面可以用于显示隧道数字孪生场景及实际隧道场景,以便于管理者实时了解情况。至于计算机设备100的具体类型,可以根据实际情况进行选择。
本发明实施例提供的隧道数字孪生场景构建方法,分别涉及实际隧道交通运行场景中的“人、车、路、环境”4类对象,每类对象分别涉及几何、物理和行为3种属性建模,其中:
人:是指隧道交通场景中的交通参与对象,包括小轿车司机、货车司机、危货车辆司机、公交司机、公交乘客、客运司机、非机动车驾驶者、行人等。
车:是指隧道交通场景中的交通对象,包括小轿车、货车、危货车辆、公交车、客运车辆、非机动车辆、行人等。
路:是指隧道交通场景中的基础设施与设备,包括隧道洞身、衬砌、洞门、连通通道、道路、隐蔽工程、附属设施等。
环境:是指隧道交通场景中的环境相关对象,包括天气、能见度、光照度、颗粒物含量、积水事件、火灾事件等。
图2示例出了本发明实施例提供的隧道数字孪生场景构建方法的流程图。
参照图2,该隧道数字孪生场景构建方法包括以下步骤:
步骤S100:计算机设备100根据实际隧道场景,建立初始几何模型、初始物理模型、初始行为模型及数字孪生数据库,形成初始隧道数字孪生场景。
上述初始几何模型可以包括:对隧道基础设施的几何模型和隧道场景的虚拟环境模型进行初始化,从而建立初始几何模型。构建初始几何模型主要可以包括以下步骤:
步骤S111:计算机设备100根据隧道竣工交付图纸,构建隧道基础设施的BIM模型,隧道基础设施可以包括:隧道洞身、衬砌、洞门、隐蔽工程及附属设施,但不仅限于此。
步骤S112:计算机设备100根据对实际隧道场景中的基础设施进行的三维点云扫描,构建基于点云数据的隧道基础设施的现状三维模型。
步骤S113:计算机设备100根据BIM模型与现状三维模型的差异,更新BIM模型的相关参数,使BIM模型与现状三维模型的近似率大于预设值。该预设值可以根据实际情况进行设置。
步骤S114:计算机设备100根据实际隧道场景的光照、风场、排水设施及交安设施等环境参数,对BIM模型中的全局与局部光照、风场、排水设施及交安设施等环境参数进行设置。此时,设置了环境参数后的BIM模型即为初始几何模型。
在实际应用过程中,上述光照可以包括照明设备及信号灯,但不仅限于此。上述风场可以包括通风设施,但不仅限于此。上述交安设施可以包括电子情报板,但不仅限于此。
上述初始物理模型可以包括:对隧道结构受力模型及隧道路面性能衰减模型进行初始化,从而建立初始物理模型。构建初始物理模型主要可以包括以下步骤:
步骤S121:计算机设备100根据隧道竣工交付图纸与设计数据,确定压力、沉降、倾斜、位移、内力、渗流、裂缝等隧道结构受力模型。
步骤S122:计算机设备100根据隧道设计实际情况和历史监测数据,设置隧道结构受力模型初始参数。其中,隧道结构受力模型初始参数可以包括:隧道净定收敛、地表下沉、土体位移、拱架压力、衬砌内力、渗流压力、渗流量及温湿度,但不仅限于此。
步骤S123:计算机设备100根据隧道竣工交付图纸与设计数据,确定隧道路面性能衰减模型。隧道路面性能衰减模型主要包括:路面损坏指数(PCI)、路面行驶质量指数(RQI)、路面车辙深度指数(RDI)、路面跳车指数(PBI)、路面磨耗指数(PWI)、路面抗滑性能指数(SRI)及路面结构强度指数(PSSI)等评价指标。
步骤S124:计算机设备100根据隧道设计实际情况和历史检测数据,设置隧道路面性能衰减模型初始参数。其中,隧道路面性能衰减模型涉及的参数主要包括:路面强度、路面破损度、路面平整度、路面抗滑系数、路面结构承载能力及费用效益比等。
上述初始行为模型可以包括:对交通运行仿真路网模型进行初始化,并设置行为参数,从而建立初始行为模型。构建初始行为模型主要可以包括以下步骤:
步骤S131:计算机设备100根据隧道设计的真实数据和初始几何模型构建交通仿真路网及小区。
步骤S132:计算机设备100根据实际隧道的设计数据与隧道的真实情况,设置车道限速、限高、禁止超车、公交优先等车道属性参数。
步骤S133:计算机设备100根据实际隧道的设计数据与隧道的真实情况,设置交通信号初始参数。
步骤S134:计算机设备100根据实际隧道的历史监测数据,设置隧道交通OD、不同类型车辆比例等初始参数。其中,隧道交通OD即为隧道交通的起止点。
步骤S135:计算机设备100设置仿真时长、检测器位置、输出数据格式等与仿真运行相关的初始参数。
在实际应用过程中,初始隧道数字孪生场景中还可以包括可能涉及到的其他几何、物理和行为模型进行初始化,本发明实施例对此不作具体限制。
步骤S200:计算机设备100根据实际隧道场景中的多路监控视频数据,将实际隧道场景中的多路监控视频与初始隧道数字孪生场景进行实时三维融合,形成隧道全景数字孪生场景,并对多路监控视频中的静态场景进行结构化分析及语义标注。
在实际应用过程中,步骤S200可以包括以下步骤:
步骤S201:计算机设备100对实际隧道场景中的监控摄像头的位置、高度和朝向进行标定,获取标定结果。
步骤S202:计算机设备100根据标定结果及多路监控视频数据,分析监控视频画面的拓扑关系。
步骤S203:计算机设备100根据拓扑关系,在初始隧道数字孪生场景中,将多路监控视频与初始几何模型进行实时虚实融合,形成三维实景融合的隧道全景数字孪生场景。
步骤S204:计算机设备100根据隧道全景数字孪生场景,对多路监控视频中的静态场景进行结构化分析,建立二维视频与三维场景监控区域的对应关系,并在隧道全景数字孪生场景的相应区域进行语义标注。
在实际应用过程中,结合虚实融合结果,对多路监控视频中的静态场景进行结构化分析,将多路监控视频中的衬砌、路面、机电设备等静态对象进行识别。建立二维视频与三维场景监控区域的对应关系,并在隧道全景数字孪生场景中的重要区域进行语义标注。对于重要区域的判断可以根据实际情况而定,本发明实施例对此不作具体限定。
步骤S300:计算机设备100根据实际隧道场景中的物联传感设备及交通附属设施,对隧道全景数字孪生场景中的虚拟设备进行关联注册、数据接入及动态标注。
在实际应用过程中,将实际隧道场景中的物联传感设备及交通附属设施分别与隧道全景数字孪生场景中的虚拟设备进行关联注册、数据接入与动态标注。其中,物联传感设备及交通附属设施可以包括:交通监测设施、结构形变监测设施、环境监测设施、视频监控设施、照明设施、电力设施、消防设施、通风设施、给排水设施、交通信号设施、紧急电话设施、可变情报板及广播设施等。交通检测设施可以包括:超高检测系统及线圈检测系统。其中,
交通监测设施主要用于对隧道交通车辆高度、车流量,平均车速,车道占有率等交通行为指标进行监测。结构形变监测设施主要用于对隧道结构的断面收敛、裂缝宽度、联络通道相对位移、纵向沉降和接缝张开等结构指标进行监测。环境监测设施主要用于对隧道场景的温度、湿度、PM2.5、CO、照度和亮度等环境指标进行监测。步骤S300具体可以包括:
步骤S301:计算机设备100建立实际隧道场景中的物联传感设备与隧道全景数字孪生场景中的物联传感设备之间的映射关系,建立实际隧道场景中的交通附属设施与隧道全景数字孪生场景中的交通附属设施之间的映射关系。
步骤S302:计算机设备100建立物联传感设备与交通附属设施的数据编码规范,为每一个传物联传感设备、交通附属设施设置唯一数字标识和消息格式。
步骤S303:计算机设备100将实际隧道场景中的物联传感设备及交通附属设施的静态属性信息关联到隧道全景数字孪生场景中的相应对象上,并支持定时或不定时更新操作。
步骤S304:计算机设备100将实际隧道场景中的物联传感设备、交通附属设施的状态及动态数据,根据约定好的消息接口协议实时接入到隧道全景数字孪生场景中。
步骤S305:计算机设备100将接入到隧道全景数字孪生场景中的多个物联传感设备的数据进行去噪、匹配及验证,确保接入到隧道全景数字孪生场景中的数据的准确性。
步骤S306:计算机设备100在隧道全景数字孪生场景中相应的物联传感设备、交通附属设施的位置添加三维状态标注,将关键的物联传感设备的数据或交通附属设施的状态进行增强现实实时显示。
在实际应用过程中,上述数据汇聚的对象还可以包括:在线气象数据、日常巡检数据、隧道定期检测数据、隧道不定期检测数据及日常业务数据等。可以根据用户需求将实际隧道场景中的在线气象数据、日常巡检数据、隧道定期检测数据、隧道不定期检测数据或日常业务数据,与隧道全景数字孪生场景中的在线气象数据、日常巡检数据、隧道定期检测数据、隧道不定期检测数据或日常业务数据进行关联注册、数据接入与动态标注。
步骤S400:计算机设备100根据多路监控视频数据、物联传感设备的数据及气象数据,对多路监控视频中的动态对象进行实时识别、语义标注、异常检测及结构化输出。
在实际应用过程中,步骤S400可以包括:
步骤S401:计算机设备100对多路监控视频数据中的动态对象进行实时识别、语义标注、异常检测及结构化输出,实现对非结构化的视频数据进行结构化处理。
步骤S402:计算机设备100对物联传感设备的数据进行分析,确定物联传感设备的数据与设定阈值的关系。如果物联传感设备的数据大于设定阈值,则在隧道全景数字孪生场景中进行报警显示。
步骤S403:计算机设备100根据结构化的视频数据及物联传感设备的数据,验证关联参数,建立结构化的视频数据与物联传感设备的数据之间的关联与约束关系。
步骤S404:计算机设备100根据结构化的视频数据、非结构化的视频数据及物联传感设备的数据,分析实际隧道场景与隧道全景数字孪生场景的几何模型的参数、物理模型的参数及行为模型的参数之间的关系。
步骤S500:计算机设备100根据物联传感设备的数据变化及分析结果,对隧道全景数字孪生场景中的相应模型和/或相关参数进行更新。
在实际应用过程中,根据物联传感设备的数据变化及分析结果,对隧道全景数字孪生场景中的隧道结构形变、路面动态演化、材料衰减等物理模型的相关参数进行更新,具体可以包括以下步骤:
步骤S511:计算机设备100对隧道结构相关的断面收敛、裂缝宽度、联络通道相对位移、纵向沉降和接缝张开等指标的历史和实时监测数据进行分析,将监测数据转化为隧道结构受力模型的相关参数。
步骤S512:计算机设备100根据实时监测数据对隧道结构受力模型的相关参数进行更新,对异常波动或超标现象进行分析与报警;
步骤S513:计算机设备100对与隧道路面性能衰变相关的路面抗滑摆值、弯沉值、路面损坏类型、路面损坏面积、路面损坏程度、平整度路面等历史和当前检测数据进行分析,将检测数据转化为隧道路面性能衰减模型的相关参数。
步骤S514:计算机设备100根据历史与当前检测数据对路面性能衰减模型的相关参数进行更新,对异常变化进行分析与报警。
在实际应用过程中,根据物联传感设备的数据变化及分析结果,对隧道全景数字孪生场景中的行人、非机动车、车辆行为模型相关的参数进行更新,具体可以包括以下步骤:
步骤S521:计算机设备100根据对实际隧道监控视频结构化数据和交通监测数据的统计与分析,更新隧道全景数字孪生场景中的交通仿真模型的分小时的隧道交通仿真OD参数。
步骤S522:计算机设备100根据对多路监控视频的结构化数据和交通监测数据的统计与分析,更新隧道全景数字孪生场景中的交通仿真模型中的分小时车型比参数。
步骤S523:通过计算机设备100形成细化到小时的隧道交通仿真OD与车型比数据库,拟合每天隧道交通仿真OD和车型比参数变化规律。
步骤S524:计算机设备100拟合每周、每月和每年同时间段的隧道交通仿真OD与车型比变化规律,更新工作日、周末、节假日、重大活动等不同日期的分时段的隧道交通仿真OD与车型比推荐参数值。
在实际应用过程中,根据物联传感设备的数据变化及分析结果,对隧道全景数字孪生场景中的结构形变几何模型、路面病害、火灾烟气扩散、隧道积水、隧道渗流、不同能见度、设施设备启停等几何与环境相关的几何模型与场景绘制结果进行更新,具体可以包括以下步骤:
步骤S531:计算机设备100对结构形变参数驱动的隧道结构参数化模型进行更新;
步骤S532:计算机设备100对路面检测数据驱动的路面病害参数化模型进行更新;
步骤S533:计算机设备100对环境检测数据驱动的均匀参与介质渲染参数进行更新;
步骤S534:计算机设备100对在线气象数据驱动的全局光照参数进行更新;
步骤S535:计算机设备100对照明、信号灯、情况板监测数据驱动的隧道场景局部光照参数进行更新;
步骤S536:计算机设备100对消防事件监测数据驱动的火灾烟气非均匀参与介质扩散模型进行更新;
步骤S537:计算机设备100对通风监测数据驱动的三维风场模型与参数进行更新;
步骤S538:计算机设备100对隧道积水监测数据驱动的流体动力学模型进行更新;
步骤S539:计算机设备100对隧道渗流监测数据驱动的流体扩散模型进行更新;
应理解,在实际应用过程中,还可以对其他几何模型、视觉感知相关的模型和/或参数进行更新,本发明实施例对此不作具体限制。
步骤S600:计算机设备100根据历史数据或检测数据,对隧道全景数字孪生场景中的几何模型、物理模型、行为模型及相关参数进行复盘及验证。
在实际应用过程中,利用历史数据对隧道全景数字孪生场景的几何模型、物理和行为模型与参数进行复盘,验证隧道全景数字孪生场景与参数的可行性,洞察实际隧道交通场景的运行规律,提升隧道全景数字孪生场景与真实场景的一致性。步骤S600具体可以包括以下步骤:
步骤S601:计算机设备100定义隧道数字孪生模型评价函数,并根据隧道数字孪生模型评价函数,确定隧道数字孪生场景与实际隧道场景之间的差异。
步骤S602:计算机设备100根据历史数据及隧道全景数字孪生场景中的相应几何模型、物理模型或行为模型,对隧道全景数字孪生场景进行复盘;或,根据检测数据及隧道全景数字孪生场景中的相应几何模型、物理模型或行为模型,对隧道全景数字孪生场景进行复盘。
步骤S603:计算机设备100根据隧道数字孪生模型评价函数对复盘得到的隧道数字孪生场景进行评价,最小化复盘得到的隧道数字孪生场景和实际隧道场景之间的差异求解模型的优化参数。
步骤S604:计算机设备100重复执行步骤S602及步骤S603,当结果收敛或达到最大迭代次数时,验证相应模型及相应参数的可行性。
在实际应用过程中,可以选择隧道全景数字孪生场景中某一几何、物理或行为模型,利用历史监测或检测数据对隧道数字孪生场景进行复盘,然后利用隧道数字孪生模型评价函数对复盘得到的隧道数字孪生场景进行评价,最小化复盘得到的隧道数字孪生场景和实际隧道场景之间的差异求解模型的优化参数。
在上述步骤S604中,重复上述步骤S602和步骤S603,直到结果收敛或达到最大迭代次数,便完成其中一个模型的复盘及验证。选择隧道全景数字孪生场景中的另一模型,重复步骤S602~步骤S604,直到结果收敛或完成遍历。
步骤S700:计算机设备100根据隧道全景数字孪生场景,对实际隧道场景中相应的业务需求与问题分别进行模拟分析。
在实际应用过程中,步骤S700可以包括以下步骤:
步骤S701:针对用户在实际隧道交通管理中的某一需求或问题,计算机设备100分析该需求或问题所涉及的隧道全景数字孪生场景。
步骤S702:计算机设备100在隧道全景数字孪生场景中对该需求或问题相关的场景进行复现。
步骤S703:计算机设备100在隧道全景数字孪生场景中调节影响该需求或问题的参数,分析不同参数取值条件下的演化结果。
步骤S704:计算机设备100对比不同参数取值的演化结果,对该需求或问题进行可重复的模拟分析,以洞察其中的规律,满足应用需求,解决实际交通管理中的问题。
步骤S800:计算机设备100根据隧道全景数字孪生场景中的几何模型、物理模型及行为模型,对实际隧道场景的变化进行预测推演,以对实际隧道场景中的异常事件进行预警。
在实际应用过程中,步骤S800可以包括以下步骤:
步骤S801:在隧道全景数字孪生场景中,计算机设备100基于历史与当前检测数据,利用几何模型、物理模型和行为模型及相关参数,对驾驶能见度、驾驶安全感、路面平整度、路面抗滑性、驾驶舒适度、桥头跳车等与人的感知相关要素变化进行推演与虚拟现实感知测试,及时发现问题并预警。
步骤S802:在隧道全景数字孪生场景中,计算机设备100基于历史与当前检测数据,利用几何模型、物理模型和行为模型及参数,对车流量变化、交通信号调节、交通事件响应、车辆限号测试、是否货车限行、交通拥堵等与车辆相关要素变化进行预测与推演,及时发现问题并预警。
步骤S803:在隧道全景数字孪生场景中,计算机设备100基于历史与当前检测数据,利用几何模型、物理模型和行为模型及参数,对隧道结构形变、隧道渗流变化、路面病害演化、机电设备故障等与基础设施相关要素变化进行预测与推演,及时发现问题并预警。
步骤S804:在隧道全景数字孪生场景中,计算机设备100基于历史与当前检测与检测数据,利用几何模型、物理模型和行为模型及参数,对火灾、积水、大雾、隧道颗粒物异常、温湿度异常、照度等与环境相关要素变化进行预测与推演,及时发现问题并预警。
步骤S900:计算机设备100根据模拟分析的结果及预测推演的结果,获取不同条件下的事件响应及处置方案,形成实际隧道场景的应急事件三维预案及辅助决策建议。
在实际应用过程中,步骤S900可以包括以下步骤:
步骤S901:在隧道全景数字孪生场景中,计算机设备100及时响应并跟踪交通监测数据异常与推演预警。
步骤S902:在隧道全景数字孪生场景中,计算机设备100针对同一事件支持不同处置方案的三维推演与对比分析,给出辅助决策建议。
步骤S903:在隧道全景数字孪生场景中,计算机设备100针对不同类型和程度的交通应急事件,生成相应的应急处置三维预案,形成实际隧道交通的应急事件三维预案数据库。
步骤S1000:根据辅助决策建议,计算机设备100控制物联传感设备对实际隧道场景进行反向物理控制,并更新隧道全景数字孪生场景的相应模型。
在实际应用过程中,将上述辅助决策建议反馈给管理者,并将管理者确认后的决策操作,通过物联传感设施实现对实际隧道场景的反向物理控制,并更新相应数字孪生场景。步骤S1000可以包括以下步骤:
步骤S1001:根据辅助决策建议,计算机设备100在隧道全景数字孪生场景中对实际隧道场景中的照明设施、电力设施、消防设施、通风设施、给排水设施等进行关联控制。
步骤S1002:根据辅助决策建议,计算机设备100在隧道全景数字孪生场景中,通过紧急电话设施、广播设施对实际隧道场景中的人员进行通知或广播。
步骤S1003:根据辅助决策建议,计算机设备100在隧道全景数字孪生场景中,通过可变情报板对实际隧道场景中的交通诱导、违章、警示等信息进行发布。
步骤S1004:根据辅助决策建议,计算机设备100在隧道全景数字孪生场景中,通过交通信号控制对实际隧道车辆通行权限进行控制。
步骤S1005:根据实际隧道场景中的反馈控制操作与结果,计算机设备100更新隧道全景数字孪生场景。此时,一个完整的隧道数字孪生场景构建完成。
步骤S1100:根据用户需求,计算机设备100更新数字孪生数据库,并对隧道全景数字孪生场景进行迭代。
在实际应用过程中,步骤S1100可以包括以下步骤:
步骤S1101:计算机设备100更新并响应用户管理需求,重复上述步骤S200到步骤S1000,直到系统服务结束。
步骤S1102:计算机设备100存储场景监测与处置过程中的数据,更新数字孪生数据库。
步骤S1103:计算机设备100优化隧道全景数字孪生场景的几何模型、物理模型与行为模型及参数。
与现有技术相比,本发明提供的隧道数字孪生场景构建方法的有益效果是:
(1)实现多路视频实时融合的隧道全景数字孪生场景:建立起离散视频与监控场景之间的空间关联。通过视频碎片还原三维场景,从而提供全局观察视角,实现了隧道的全局监控场景动态的“一张图”显示,提供多个区域连续、直观监控,方便监控管理人员概览全局。
(2)形成了集成有各专业子系统的隧道数字孪生全息感知:打破隧道各专业子系统之间的数据壁垒,将视频、检测、监测、在线物联等多源传感数据进行统一集成与增强现实显示,实现实景融合的三维数字资产管理。
(3)支持基于数字孪生的隧道异常事件预警与及时响应:利用隧道全景数字孪生场景,可以及时发现隧道运行过程中的异常事件,并可根据隧道全景数字孪生场景中的几何模型、物理模型和行为模型,生成对异常事件进行三维应急响应预案,并进行方案推演。
(4)降低试错成本:在隧道全景数字孪生场景中开展因受时空限制而在现实世界中无法观察和控制的事物和现象、变化太快或太慢的过程,以及有危险性、破坏性和对环境有危害的实验,对于隧道交通运行中的复杂问题提供复现场景和方案测试环境,降低试错成本。
本发明实施例还提供了一种计算机存储介质,包括处理器101。计算机存储介质存储有指令,指令被处理器101执行时实现上述隧道数字孪生场景构建方法。
与现有技术相比,本发明实施例提供的计算机存储介质的有益效果与上述技术方案所述的隧道数字孪生场景构建方法的有益效果相同,此处不做赘述。
尽管在此结合各实施例对本发明进行了描述,然而,在实施所要求保护的本发明过程中,本领域技术人员通过查看附图、公开内容、以及所附权利要求书,可理解并实现公开实施例的其他变化。在权利要求中,“包括”(comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器101或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
尽管结合具体特征及其实施例对本发明进行了描述,显而易见的,在不脱离本发明的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附权利要求所界定的本发明的示例性说明,且视为已覆盖本发明范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (9)
1.一种隧道数字孪生场景构建方法,其特征在于,包括以下步骤:
根据实际隧道场景,建立初始几何模型、初始物理模型、初始行为模型及数字孪生数据库,形成初始隧道数字孪生场景;
根据所述实际隧道场景中的多路监控视频数据,将所述实际隧道场景中的多路监控视频与所述初始隧道数字孪生场景进行实时三维融合,形成隧道全景数字孪生场景,并对所述多路监控视频中的静态场景进行结构化分析及语义标注;
根据所述实际隧道场景中的物联传感设备及交通附属设施,对所述隧道全景数字孪生场景中的虚拟设备进行关联注册、数据接入及动态标注;
根据所述多路监控视频数据、所述物联传感设备的数据及气象数据,对所述多路监控视频中的动态对象进行实时识别、语义标注、异常检测及结构化输出;
根据所述物联传感设备的数据的变化及分析结果,对所述隧道全景数字孪生场景中的相应模型和/或相关参数进行更新;
根据历史数据或检测数据,对所述隧道全景数字孪生场景中的几何模型、物理模型、行为模型及所述相关参数进行复盘及验证;
根据所述隧道全景数字孪生场景,对所述实际隧道场景中相应的业务需求与问题分别进行模拟分析;
根据所述隧道全景数字孪生场景中的几何模型、物理模型及行为模型,对所述实际隧道场景的变化进行预测推演,以对所述实际隧道场景中的异常事件进行预警;
根据所述模拟分析的结果及所述预测推演的结果,获取不同条件下的事件响应及处置方案,形成所述实际隧道场景的应急事件三维预案及辅助决策建议;
根据所述辅助决策建议,控制所述物联传感设备对所述实际隧道场景进行反向物理控制,并更新所述隧道全景数字孪生场景的相应模型。
2.根据权利要求1所述的隧道数字孪生场景构建方法,其特征在于,所述根据实际隧道场景中的多路监控视频数据,将实际隧道场景中的多路监控视频与所述隧道孪生场景进行实时三维融合,并对所述隧道全景数字孪生场景中的静态场景进行结构化分析及语义标注,包括:
对所述实际隧道场景中的监控摄像头的位置、高度和朝向进行标定,获取标定结果;
根据所述标定结果及所述多路监控视频数据,分析监控视频画面的拓扑关系;
根据所述拓扑关系,在所述初始隧道数字孪生场景中,将所述多路监控视频与所述初始几何模型进行实时虚实融合,形成三维实景融合的隧道全景数字孪生场景;
根据所述隧道全景数字孪生场景,对所述多路监控视频中的静态场景进行结构化分析,建立二维视频与三维场景监控区域的对应关系,并在所述隧道全景数字孪生场景的相应区域进行语义标注。
3.根据权利要求1所述的隧道数字孪生场景构建方法,其特征在于,所述根据所述多路监控视频数据、所述物联传感设备的数据及气象数据,对所述多路监控视频中的动态对象进行实时识别、语义标注、异常检测及结构化输出,包括:
对所述多路监控视频数据中的动态对象进行实时识别、语义标注、异常检测及结构化输出,实现对非结构化的视频数据进行结构化处理;
对所述物联传感设备的数据进行分析,确定所述物联传感设备的数据与设定阈值的关系;
根据结构化的视频数据及所述物联传感设备的数据,验证关联参数,建立所述结构化的视频数据与所述物联传感设备的数据之间的关联与约束关系;
根据结构化的视频数据、非结构化的视频数据及所述物联传感设备的数据,分析所述实际隧道场景与所述隧道全景数字孪生场景的几何模型的参数、物理模型的参数及行为模型的参数之间的关系。
4.根据权利要求1所述的隧道数字孪生场景构建方法,其特征在于,所述根据历史数据或检测数据,对所述隧道全景数字孪生场景中的几何模型、物理模型、行为模型及相关参数进行复盘及验证,包括:
根据隧道数字孪生模型评价函数,确定所述隧道数字孪生场景与所述实际隧道场景之间的差异;
根据所述历史数据及所述隧道全景数字孪生场景中的相应几何模型、物理模型或行为模型,对所述隧道全景数字孪生场景进行复盘;或,根据检测数据及所述隧道全景数字孪生场景中的相应几何模型、物理模型或行为模型,对所述隧道全景数字孪生场景进行复盘;
根据所述隧道数字孪生模型评价函数对复盘得到的所述隧道数字孪生场景进行评价,确定相应模型的优化参数;
当结果收敛或达到最大迭代次数时,验证相应模型及相应参数的可行性。
5.根据权利要求1所述的隧道数字孪生场景构建方法,其特征在于,所述根据所述隧道全景数字孪生场景,对所述实际隧道场景中相应的业务需求与问题分别进行模拟分析,包括:
根据用户需求,在所述隧道全景数字孪生场景中对所述用户需求进行复现;
在所述隧道全景数字孪生场景中调整影响所述用户需求的参数,获取不同的参数取值条件下的演化结果;
根据不同的参数取值条件下的演化结果,对所述用户需求与进行可重复的模拟分析。
6.根据权利要求1所述的隧道数字孪生场景构建方法,其特征在于,所述根据所述隧道全景数字孪生场景的几何模型、物理模型及行为模型,对所述实际隧道场景的变化进行预测推演,以对所述实际隧道场景中的异常事件进行预警,包括:
根据检测数据、历史数据、相关参数和所述隧道全景数字孪生场景的几何模型、物理模型及行为模型,对与人的感知相关的要素、与车辆相关的要素及与基础设施相关的要素的变化进行推演与虚拟现实感知测试,以对所述实际隧道场景中的异常事件进行预警。
7.根据权利要求1所述的隧道数字孪生场景构建方法,其特征在于,所述根据所述模拟分析的结果及所述预测推演的结果,获取不同条件下的事件响应及处置方案,形成所述实际隧道场景的应急事件三维预案及辅助决策建议,包括:
根据所述模拟分析的结果及所述预测推演的结果,在所述隧道全景数字孪生场景中,及时响应并跟踪交通监测数据异常并推演预警;
根据所述模拟分析的结果及所述预测推演的结果,在所述隧道全景数字孪生场景中,针对同一事件支持不同处置方案的三维推演与对比分析,确定辅助决策建议;
根据所述模拟分析的结果及所述预测推演的结果,在隧道交通数字孪生场景中,针对不同类型和程度的交通应急事件,生成相应的应急处置三维预案,形成隧道交通应急事件的三维预案数据库。
8.根据权利要求1~7任一项所述的隧道数字孪生场景构建方法,其特征在于,所述根据所述辅助决策建议,控制所述物联传感设备对所述实际隧道场景进行反向物理控制,并更新所述隧道全景数字孪生场景的相应模型之后,所述隧道数字孪生场景构建方法还包括:
根据用户需求,更新所述数字孪生数据库,并对所述隧道全景数字孪生场景进行迭代。
9.一种计算机设备,其特征在于,包括物联传感设备、处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机执行指令,所述处理器执行所述计算机执行指令时实现如权利要求1~8中任意一项所述的隧道数字孪生场景构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110391715.4A CN113538863B (zh) | 2021-04-13 | 2021-04-13 | 一种隧道数字孪生场景构建方法及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110391715.4A CN113538863B (zh) | 2021-04-13 | 2021-04-13 | 一种隧道数字孪生场景构建方法及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113538863A true CN113538863A (zh) | 2021-10-22 |
CN113538863B CN113538863B (zh) | 2022-12-16 |
Family
ID=78095296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110391715.4A Active CN113538863B (zh) | 2021-04-13 | 2021-04-13 | 一种隧道数字孪生场景构建方法及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113538863B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114241720A (zh) * | 2021-12-24 | 2022-03-25 | 北京市市政工程研究院 | 一种基于数字孪生的隧道施工智能化预报预警系统与方法 |
CN114253228A (zh) * | 2021-11-22 | 2022-03-29 | 中国科学院软件研究所 | 一种基于数字孪生的工业设备对象建模方法及装置 |
CN114282298A (zh) * | 2021-12-28 | 2022-04-05 | 长安大学 | 一种道路技术状况处理方法 |
CN114898569A (zh) * | 2022-07-15 | 2022-08-12 | 山东金宇信息科技集团有限公司 | 一种隧道交通应急处理方法及设备 |
CN114943940A (zh) * | 2022-07-26 | 2022-08-26 | 山东金宇信息科技集团有限公司 | 一种隧道内车辆可视化监测的方法、设备及存储介质 |
CN115659478A (zh) * | 2022-12-15 | 2023-01-31 | 深圳大学 | 一种韧性隧道结构的构建管理方法及系统 |
CN115661330A (zh) * | 2022-08-23 | 2023-01-31 | 北京城建设计发展集团股份有限公司 | 一种基于数字孪生的下沉广场积水计算方法及装置 |
CN115966066A (zh) * | 2023-03-15 | 2023-04-14 | 中国安全生产科学研究院 | 一种矿山车辆安全运行监测预警方法、装置和系统 |
CN116129366A (zh) * | 2023-04-19 | 2023-05-16 | 肯特智能技术(深圳)股份有限公司 | 基于数字孪生的园区监测方法及相关装置 |
CN116305498A (zh) * | 2023-05-17 | 2023-06-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 隧道数字孪生建模指标判断网络模型构建方法、分析方法 |
CN116305496A (zh) * | 2023-05-17 | 2023-06-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种隧道数字孪生建模方法、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1991845A (zh) * | 2005-12-29 | 2007-07-04 | 上海电气自动化设计研究所有限公司 | 一种用于隧道综合监控的交互动态虚拟实现方法 |
CN112395771A (zh) * | 2020-11-29 | 2021-02-23 | 交通运输部公路科学研究所 | 基于虚拟现实的客车火灾事故应急救援推演系统及方法 |
WO2021031454A1 (zh) * | 2019-08-21 | 2021-02-25 | 佳都新太科技股份有限公司 | 一种数字孪生系统、方法及计算机设备 |
-
2021
- 2021-04-13 CN CN202110391715.4A patent/CN113538863B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1991845A (zh) * | 2005-12-29 | 2007-07-04 | 上海电气自动化设计研究所有限公司 | 一种用于隧道综合监控的交互动态虚拟实现方法 |
WO2021031454A1 (zh) * | 2019-08-21 | 2021-02-25 | 佳都新太科技股份有限公司 | 一种数字孪生系统、方法及计算机设备 |
CN112395771A (zh) * | 2020-11-29 | 2021-02-23 | 交通运输部公路科学研究所 | 基于虚拟现实的客车火灾事故应急救援推演系统及方法 |
Non-Patent Citations (4)
Title |
---|
伍朝辉等: "BIM在道路设施养护中的应用需求与创新", 《交通运输研究》 * |
伍朝辉等: "交通场景数字孪生构建与虚实融合应用研究", 《系统仿真学报》 * |
孙玉梅等: "3DGIS 与BIM 集成技术在公路隧道智慧运维中的应用", 《测绘通报》 * |
李柏松等: "数字孪生体及其在智慧管网应用的可行性", 《油气储运》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114253228A (zh) * | 2021-11-22 | 2022-03-29 | 中国科学院软件研究所 | 一种基于数字孪生的工业设备对象建模方法及装置 |
CN114253228B (zh) * | 2021-11-22 | 2023-09-12 | 中国科学院软件研究所 | 一种基于数字孪生的工业设备对象建模方法及装置 |
CN114241720A (zh) * | 2021-12-24 | 2022-03-25 | 北京市市政工程研究院 | 一种基于数字孪生的隧道施工智能化预报预警系统与方法 |
CN114282298A (zh) * | 2021-12-28 | 2022-04-05 | 长安大学 | 一种道路技术状况处理方法 |
CN114282298B (zh) * | 2021-12-28 | 2022-11-22 | 长安大学 | 一种道路技术状况处理方法 |
CN114898569A (zh) * | 2022-07-15 | 2022-08-12 | 山东金宇信息科技集团有限公司 | 一种隧道交通应急处理方法及设备 |
CN114898569B (zh) * | 2022-07-15 | 2022-10-21 | 山东金宇信息科技集团有限公司 | 一种隧道交通应急处理方法及设备 |
CN114943940A (zh) * | 2022-07-26 | 2022-08-26 | 山东金宇信息科技集团有限公司 | 一种隧道内车辆可视化监测的方法、设备及存储介质 |
CN115661330A (zh) * | 2022-08-23 | 2023-01-31 | 北京城建设计发展集团股份有限公司 | 一种基于数字孪生的下沉广场积水计算方法及装置 |
CN115659478A (zh) * | 2022-12-15 | 2023-01-31 | 深圳大学 | 一种韧性隧道结构的构建管理方法及系统 |
CN115966066A (zh) * | 2023-03-15 | 2023-04-14 | 中国安全生产科学研究院 | 一种矿山车辆安全运行监测预警方法、装置和系统 |
CN116129366A (zh) * | 2023-04-19 | 2023-05-16 | 肯特智能技术(深圳)股份有限公司 | 基于数字孪生的园区监测方法及相关装置 |
CN116305498A (zh) * | 2023-05-17 | 2023-06-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 隧道数字孪生建模指标判断网络模型构建方法、分析方法 |
CN116305496A (zh) * | 2023-05-17 | 2023-06-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种隧道数字孪生建模方法、电子设备及存储介质 |
CN116305496B (zh) * | 2023-05-17 | 2023-08-18 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种隧道数字孪生建模方法、电子设备及存储介质 |
CN116305498B (zh) * | 2023-05-17 | 2023-10-20 | 深圳市城市交通规划设计研究中心股份有限公司 | 隧道数字孪生建模指标判断网络模型构建方法、分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113538863B (zh) | 2022-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113538863B (zh) | 一种隧道数字孪生场景构建方法及计算机设备 | |
AU2021104472A4 (en) | Method for establishing tunnel digital twin scenario and computer device | |
US9165477B2 (en) | Systems and methods for building road models, driver models, and vehicle models and making predictions therefrom | |
GB2536771A (en) | Autonomous driving refined in virtual environments | |
GB2536770A (en) | Virtual sensor testbed | |
CN111292540A (zh) | 用于求取确定的状态信息的方法、控制装置和系统 | |
KR20220140850A (ko) | 지도 변경 데이터의 사용 | |
US20200286370A1 (en) | Transportation threat detection system | |
Ryan et al. | Spatial risk modelling of behavioural hotspots: Risk-aware path planning for autonomous vehicles | |
Clark et al. | The importance of simulation techniques in ITS research and analysis | |
Wang et al. | Simulation and application of cooperative driving sense systems using prescan software | |
CN113887037A (zh) | 一种不同渗透率的网联环境下自动驾驶系统测评方法 | |
JP2000163685A (ja) | 交通流監視システム | |
Reddy et al. | Operational design domain requirements for improved performance of lane assistance systems: A field test study in The Netherlands | |
Yu et al. | Dynamic driving environment complexity quantification method and its verification | |
Shladover et al. | Development and performance evaluation of AVCSS deployment sequences to advance from today's driving environment to full automation | |
CN113724499A (zh) | 一种道路交通事件三维可视化分析方法及系统 | |
CN117521389A (zh) | 一种基于车路协同感知仿真平台的车辆感知测试方法 | |
Ergan et al. | Developing an integrated platform to enable hardware-in-the-loop for synchronous VR, traffic simulation and sensor interactions | |
US11644842B1 (en) | Semi-closed loop rollouts for data augmentation | |
Kim | Simultaneous calibration of a microscopic traffic simulation model and OD matrix | |
Cheng et al. | Mandatory lane-changing modelling based on a game theoretic approach in traditional and connected environments | |
Shariff et al. | REVIEW OF TRAFFIC DATA COLLECTION METHODS FOR DRIVERS’ CAR –FOLLOWING BEHAVIOUR UNDER VARIOUS WEATHER CONDITIONS | |
Lei | Semi-Automated Microscopic Traffic Flow Simulation Development Using Smart City Data | |
Formosa et al. | An Experiment and Simulation Study on Developing Algorithms for CAVs to Navigate Through Roadworks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |