CN113609656A - 基于数字孪生的智慧城市决策系统及方法 - Google Patents

基于数字孪生的智慧城市决策系统及方法 Download PDF

Info

Publication number
CN113609656A
CN113609656A CN202110811416.1A CN202110811416A CN113609656A CN 113609656 A CN113609656 A CN 113609656A CN 202110811416 A CN202110811416 A CN 202110811416A CN 113609656 A CN113609656 A CN 113609656A
Authority
CN
China
Prior art keywords
urban
decision
city
subsystem
deduction
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.)
Pending
Application number
CN202110811416.1A
Other languages
English (en)
Inventor
江帆
史晓丽
唐力勇
余旭
许娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aerospace Science And Engineering Intelligent Operation Research And Information Security Research Institute Wuhan Co ltd
Original Assignee
Aerospace Science And Engineering Intelligent Operation Research And Information Security Research Institute Wuhan Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Aerospace Science And Engineering Intelligent Operation Research And Information Security Research Institute Wuhan Co ltd filed Critical Aerospace Science And Engineering Intelligent Operation Research And Information Security Research Institute Wuhan Co ltd
Priority to CN202110811416.1A priority Critical patent/CN113609656A/zh
Publication of CN113609656A publication Critical patent/CN113609656A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/12—Timing analysis or timing optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Geometry (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了基于数字孪生的智慧城市决策系统和方法。孪生子系统，孪生子系统，用于实时感知并采集城市资源信息；将采集到的城市资源信息；将城市资源信息以及城市地理信息模型、城市建筑信息模型和城市交通路网模型融合，生成城市信息模型，并根据城市信息模型形成城市数字孪生空间；根据城市信息模型构建对应至少一个决策维度的数字孪生城市操作系统；推演子系统，用于根据城市资源信息以及城市信息模型，与现实城市同步，针对至少一个决策维度进行虚实协同推演；决策子系统，用于基于孪生子系统，在城市数字孪生空间中，用于对推演子系统的针对于至少一个决策维度的推演数据进行分析，获得针对于至少一个决策维度的至少一个决策方案。本发明的方案能够辅助解决复杂的城市问题。

Description

基于数字孪生的智慧城市决策系统及方法
技术领域
本发明涉及人工智能领域，特别涉及基于数字孪生的智慧城市决策系统及方法。
背景技术
随着城市信息化、智能化水平的不断提升，各领域信息的关系和融合变得越发紧密，单要素的变化往往会对城市多域空间产生关联影响。
传统智慧城市决策系统中的数据处理和仿真技术只能针对特定领域、特定层次进行模拟，难以适应当前高融合、高动态特征下的复杂城市问题。
因此，现需要能够实现自循环、自适应、自学习、自改进的城市治理模式来为城市治理和城市科学高效发展提供辅助支持，辅助解决复杂的城市问题。
发明内容
本发明实施例提供了基于数字孪生的智慧城市决策系统，能够辅助解决复杂的城市问题。
第一方面，本发明实施例提供了基于数字孪生的智慧城市决策系统，包括：孪生子系统、推演子系统和决策子系统；
所述孪生子系统，用于实时感知并采集城市资源信息；将所述城市资源信息以及城市地理信息模型、城市建筑信息模型和城市交通路网模型融合，生成城市信息模型，并根据所述城市信息模型形成城市数字孪生空间；根据所述城市信息模型构建对应至少一个决策维度的数字孪生城市操作系统；
所述推演子系统，用于根据所述城市资源信息以及所述城市信息模型，与现实城市同步，针对至少一个决策维度进行虚实协同推演；
所述决策子系统，用于基于所述孪生子系统，在所述城市数字孪生空间中，用于对所述推演子系统的针对于至少一个决策维度的推演数据进行分析，获得针对于至少一个决策维度的至少一个决策方案。
在本发明一实施例中，所述推演子系统，用于将至少一类所述城市资源信息代入所述城市数字孪生空间；开放仿真集成框架，通过交通模拟、人群模拟、环境模拟、水系模拟和/或融合模拟中的一种或多种以及实时和历史的所述城市异构资源信息与现实城市同步进行虚实共生模拟，对每个所述决策维度进行状态监测、预警监视、模拟推演和态势研判，并实时将推演数据发送给所述决策子系统。
所述决策子系统，用于根据所述推演数据，在所述数字孪生空间中进行对应决策的战略博弈、仿真推演、运筹分析、数据挖掘和/或效能评估，得到针对于至少一个决策维度的至少一个决策方案。
在本发明一实施例中，当所述决策维度为拥堵治理时：
所述孪生子系统，用于实时感知并采集拥堵治理相关的所述城市资源信息；根据拥堵治理相关的所述城市资源信息，集成城市地理信息模型、城市建筑信息模型和城市交通路网模型生成城市信息模型和城市数字孪生空间，保持与现实城市同步运行；基于所述城市信息模型构建所述数字孪生城市操作系统；
所述推演子系统，用于将城市中至少一辆车的车辆轨迹数据和车辆运行状态数据代入所述城市数字孪生空间，用于在所述城市数字孪生空间中，通过所述车辆实时轨迹数据和所述车辆运行状态数据根据所述车辆轨迹数据和所述车辆运行状态数据分别计算第一拥堵热点定位结果和第二拥堵热点定位结果；根据所述第一拥堵热点定位结果和所述第二拥堵热点定位结果进行确定所述交通拥堵热点的定位结果；
所述决策子系统，用于对所述定位结果进行分析，得到针对于拥堵治理的至少一个决策方案。
在本发明一实施例中，所述推演子系统，用于根据所述车辆轨迹数据，将所述车辆的轨迹路线进行连接，获得轨迹重构结果；
根据所述轨迹重构结果，计算交通流的运行速度，并根据该运行速度确定第一拥堵热点定位结果；
所述车辆轨迹数据包括：车辆编号、位置信息和时间戳；
所述将所述车辆的轨迹路线进行连接，获得轨迹重构结果，包括：
以所述车辆编号、所述位置信息和所述时间戳为三个维度，建立稀疏轨迹张量x；
对所述稀疏轨迹张量进行初始化，得到轨迹张量
Figure BDA0003168352100000035
所述轨迹张量
Figure BDA0003168352100000036
的各元素满足如下等式：
Figure BDA0003168352100000031
其中，
Figure BDA0003168352100000032
用于表征维度为i，j，k三维轨迹张量
Figure BDA0003168352100000033
的元素，Ω为数据索引集合的全集；
定义同类张量S；所述同类张量S与所述稀疏轨迹张量x的大小相同，且所述同类张量S的各元素满足如下等式：
Figure BDA0003168352100000034
其中，Sijk用于表征维度为i，j，k的三维同类张量S；
根据如下等式组，对轨迹张量进行预设迭代次数的迭代计算：
Figure BDA0003168352100000041
其中，q用于表征张量的维度，Bq和yq用于表征算法中间变量，
Figure BDA0003168352100000042
用于表征轨迹张量，
Figure BDA0003168352100000043
用于表征将所述轨迹张量
Figure BDA0003168352100000044
按照第q个维度展开，yq(q)用于表征将所述算法中间变量yq按照第q个维度展开，ρ用于表征相邻两次迭代的更新步长，αq用于表征矩阵中各元素之和等于1的参数向量，S用于表征与所述稀疏轨迹张量x大小相同的同类张量，foldq(·)用于表征将矩阵还原成张量的运算符，
Figure BDA0003168352100000045
用于表征进行奇异值分解的运算符；
根据迭代计算后的轨迹张量
Figure BDA0003168352100000046
输出重构轨迹张量。
在本发明一实施例中，所述推演子系统，用于根据所述重构轨迹张量，确定交通流的流量、速度和密度；
通过如下公式，计算交通流冲击波的传播速度：
Figure BDA0003168352100000047
其中，ω用于表征所述交通流冲击波的传播速度，qt用于表征t时刻的交通流的流量，kt用于表征t时刻的交通流的密度；
根据所述传播速度，计算预设时间后的冲击波位置，并将该位置确定为第一拥堵热点定位结果；
在本发明一实施例中，所述车辆运行状态数据包括：车辆运行路程；
所述根据所述车辆运行状态数据，计算第二拥堵热点定位结果，包括：根据所述车辆运行路程，计算预设时间内当前路段的车辆平均速度；
判断所述车辆平均速度与拥堵车速判别阈值的大小；
在所述车辆平均速度小于拥堵车速判别阈值时，将该路段确定为所述第二拥堵热点定位结果。
在本发明一实施例中，所述推演子系统，用于利用如下公式计算交通拥堵热点的定位结果：
J＝λJ1+(1-λ)J2，λ∈[0,1]
其中，J用于表征交通拥堵热点的定位结果，J1用于表征第一拥堵热点定位结果，J2用于表征第二拥堵热点定位结果，λ用于表征J1和J2的置信度参数。
在本发明一实施例中，当所述决策维度为疫情防控时：
所述孪生子系统，用于实时感知并采集拥堵治理相关的所述城市资源信息；根据拥堵治理相关的所述城市资源信息，集成城市地理信息模型、城市建筑信息模型和城市交通路网模型生成城市信息模型和城市数字孪生空间，保持与现实城市同步运行；基于所述城市信息模型构建所述数字孪生城市操作系统；
所述推演子系统，用于将感知症候群、疾病检测信息、媒体信息和公共卫生事件信息代入所述城市数字孪生空间；用于在所述城市数字孪生空间中进行虚实共生模拟并进行疫情规律推演，分析病毒传播路径，预判疫情的发展趋势和对疫情进行风险评估，并通过物资消耗、医疗救治、社会管理中的一种或多种疫情防控方法对城市疫情防控情况进行推演，得到至少一种疫情发展推演结果；
所述决策子系统，用于根据所述至少一种疫情发展推演结果中的优选结果，获得针对于疫情防控维度的至少一个决策方案。
第二方面，本发明一实施例提供了基于上述第一方面中任一所述的基于数字孪生的智慧城市决策系统的智慧城市决策方法，包括：
孪生子系统实时感知并采集城市资源信息；将采集到的所述城市资源信息；将所述城市资源信息以及城市地理信息模型、城市建筑信息模型和城市交通路网模型融合，生成城市信息模型，并根据所述城市信息模型形成城市数字孪生空间；根据所述城市信息模型构建对应至少一个决策维度的数字孪生城市操作系统；
所述推演子系统根据所述城市资源信息以及所述城市信息模型，与现实城市同步，针对至少一个决策维度进行虚实协同推演；
所述决策子系统在所述城市数字孪生空间中，用于对所述推演子系统的针对于至少一个决策维度的推演数据进行分析，获得针对于至少一个决策维度的至少一个决策方案。
在本发明一实施例中，所述推演子系统将至少一类所述城市资源信息代入所述城市数字孪生空间；开放仿真集成框架，通过交通模拟、人群模拟、环境模拟、水系模拟和/或融合模拟中的一种或多种以及实时和历史的所述城市异构资源信息与现实城市同步进行虚实共生模拟，对每个所述决策维度进行状态监测、预警监视、模拟推演和态势研判，并实时将推演数据发送给所述决策子系统。
所述决策子系统根据所述推演数据，在所述数字孪生空间中进行对应决策的战略博弈、仿真推演、运筹分析、数据挖掘和/或效能评估，得到针对于至少一个决策维度的至少一个决策方案。
在本发明一实施例中，当所述决策维度为拥堵治理时：
所述孪生子系统实时感知并采集拥堵治理相关的所述城市资源信息；根据拥堵治理相关的所述城市资源信息，集成城市地理信息模型、城市建筑信息模型和城市交通路网模型生成城市信息模型和城市数字孪生空间，保持与现实城市同步运行；基于所述城市信息模型构建所述数字孪生城市操作系统；
所述推演子系统将城市中至少一辆车的车辆轨迹数据和车辆运行状态数据代入所述城市数字孪生空间，用于在所述城市数字孪生空间中，通过所述车辆实时轨迹数据和所述车辆运行状态数据根据所述车辆轨迹数据和所述车辆运行状态数据分别计算第一拥堵热点定位结果和第二拥堵热点定位结果；根据所述第一拥堵热点定位结果和所述第二拥堵热点定位结果进行确定所述交通拥堵热点的定位结果；
所述决策子系统对所述定位结果进行分析，得到针对于拥堵治理的至少一个决策方案；
在本发明一实施例中，当所述决策维度为疫情防控时：
所述孪生子系统实时感知并采集拥堵治理相关的所述城市资源信息；根据拥堵治理相关的所述城市资源信息，集成城市地理信息模型、城市建筑信息模型和城市交通路网模型生成城市信息模型和城市数字孪生空间，保持与现实城市同步运行；基于所述城市信息模型构建所述数字孪生城市操作系统；
所述推演子系统将感知症候群、疾病检测信息、媒体信息和公共卫生事件信息代入所述城市数字孪生空间；用于在所述城市数字孪生空间中进行虚实共生模拟并进行疫情规律推演，分析病毒传播路径，预判疫情的发展趋势和对疫情进行风险评估，并通过物资消耗、医疗救治、社会管理中的一种或多种疫情防控方法对城市疫情防控情况进行推演，得到至少一种疫情发展推演结果；
所述决策子系统根据所述至少一种疫情发展推演结果中的优选结果，获得针对于疫情防控维度的至少一个决策方案。
本发明实施例提供了基于数字孪生的智慧城市决策系统及方法。孪生子系统事实感知并采集外部环境中至少一个决策维度的城市资源信息并进行保存，根据已采集的城市资源信息进行数据融合生成城市信息模型，基于城市信息模型构建对应决策维度的城市数字孪生模型；推演子系统根据已保存的城市资源信息和城市数字孪生模型，与现实城市同步，并根据城市资源信息和所述城市数字孪生模型，针对至少一个决策维度进行虚实协同推演，推演子系统基于数字孪生子系统，同时为智慧决策提供强有力的支撑；决策子系统对所述推演子系统的针对于至少一个决策维度的推演数据进行分析，获得针对于至少一个决策维度的至少一个决策方案。由上述技术方案可知，本发明提供的方案针对于城市中多种要素的动态交织和错综复杂的变化，通过显示城市中的城市资源信息，在构建的虚拟城市中进行推演，发现城市中出现的问题，通过决策生成辅助解决问题的方案有效解决了目前城市规划治理方式中管理形式粗放单一、开放性城市禁锢化、无法把握城市发展规律等问题。以城市可自循环、自适应、自学习、自改进的智慧生命体为对象，以城市复杂性规律认知、城市系统模型构建为核心，打造智慧城市决策系统为核心，并通过创新驱动城市高质量发展、数字牵引城市精细化运行、计算预知城市态势趋势演变并给出辅助解决的决策方案，辅助解决复杂的城市问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的智慧城市决策系统的示意图；
图2是本发明一实施例提供的智慧城市决策系统的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
随着城市信息化、智能化水平的不断提升，各领域信息的关系和融合变得越发紧密，单要素的变化往往会对城市多域空间产生关联影响。
传统智慧城市决策系统中的数据处理和仿真技术只能针对特定领域、特定层次进行模拟，难以适应当前高融合、高动态特征下的复杂城市问题。
因此，现需要能够实现自循环、自适应、自学习、自改进的城市治理模式来为城市治理和城市科学高效发展提供辅助支持，辅助解决复杂的城市问题。
下面结合附图对本发明各个实施例提供的智慧城市决策系统及方法作详细说明。
如图1所示，本发明实施例提供了基于数字孪生的智慧城市决策系统，其特征在于，包括：孪生子系统、推演子系统和决策子系统；
所述孪生子系统101，用于实时感知并采集城市资源信息；将所述城市资源信息以及城市地理信息模型、城市建筑信息模型和城市交通路网模型融合，生成城市信息模型，并根据所述城市信息模型形成城市数字孪生空间；根据所述城市信息模型构建对应至少一个决策维度的数字孪生城市操作系统。
所述推演子系统102，用于根据所述城市资源信息以及所述城市信息模型，与现实城市同步，针对至少一个决策维度进行虚实协同推演。
所述决策子系统103，用于基于所述孪生子系统，在所述城市数字孪生空间中，用于对所述推演子系统的针对于至少一个决策维度的推演数据进行分析，获得针对于至少一个决策维度的至少一个决策方案。
具体地，孪生子系统事实感知并采集外部环境中至少一个决策维度的城市资源信息并进行保存，根据已采集的城市资源信息进行数据融合生成城市信息模型，基于城市信息模型构建对应决策维度的城市数字孪生模型；推演子系统根据已保存的城市资源信息和城市数字孪生模型，与现实城市同步，并根据城市资源信息和所述城市数字孪生模型，针对至少一个决策维度进行虚实协同推演，推演子系统基于数字孪生子系统，同时为智慧决策提供强有力的支撑；决策子系统对所述推演子系统的针对于至少一个决策维度的推演数据进行分析，获得针对于至少一个决策维度的至少一个决策方案。由上述技术方案可知，本发明提供的方案针对于城市中多种要素的动态交织和错综复杂的变化，通过显示城市中的城市资源信息，在构建的虚拟城市中进行推演，发现城市中出现的问题，通过决策生成辅助解决问题的方案有效解决了目前城市规划治理方式中管理形式粗放单一、开放性城市禁锢化、无法把握城市发展规律等问题。以城市可自循环、自适应、自学习、自改进的智慧生命体为对象，以城市复杂性规律认知、城市系统模型构建为核心，打造智慧城市决策系统为核心，并通过创新驱动城市高质量发展、数字牵引城市精细化运行、计算预知城市态势趋势演变并给出辅助解决的决策方案，辅助解决复杂的城市问题。
在本发明一实施例中，所述推演子系统，用于将至少一类所述城市资源信息代入所述城市数字孪生空间；开放仿真集成框架，通过交通模拟、人群模拟、环境模拟、水系模拟和/或融合模拟中的一种或多种以及实时和历史的所述城市异构资源信息与现实城市同步进行虚实共生模拟，对每个所述决策维度进行状态监测、预警监视、模拟推演和态势研判，并实时将推演数据发送给所述决策子系统。
所述决策子系统，用于根据所述推演数据，在所述数字孪生空间中进行对应决策的战略博弈、仿真推演、运筹分析、数据挖掘和/或效能评估，得到针对于至少一个决策维度的至少一个决策方案。
具体地，孪生子系统是一个开放式的服务架构，与现实城市保持实时交互，可以为所述推演子系统和所述决策子系统提供模型、数据和计算服务。城市数字孪生子系统首先实时接入和处理海量物联网节点，实现城市的实时全维度感知。针对结构化和非结构化数据的特点以及实时和离线数据采集需求，采用REDIS、OPEN TSDB、HBASE、HIVE等工具实现数据存储和查询，并将异构数据进行整合，实现数据抽取；其次采用GeoMesa工具构建时空数据平台，并基于MLA理论和本体理论实现数据融合，形成城市信息模型，完成城市物联网数据、业务数据、视频、地理信息等多源异构数据的融合处理与知识转化；最后基于城市信息模型和CIM模型，构建城市数字孪生体模型，实现城市海量数据、服务的灵活部署、弹性扩展和开放共享，为各类应用的构建提供部署、运行资源。城市数字孪生子系统是融合、开放、可扩展的城市创新生态的核心底座平台。
推演子系统首先对城市实体对象、关系、流程、相互制约因素等，基于数字孪生子系统提供的数据服务和模型服务，采用数据驱动的方式，综合分析历史数据、实时运行数据，并应用TensorFlow框架实现城市数据的计算推理，完成复杂系统问题的虚拟建模；其次基于MLA理论，构建从工厂、居民楼等微观场景到城市交通、社区关联等宏观场景的多层次推理智能体，建立宏观涌现与局部动态的耦合模型，模拟城市系统交互机制，形成城市虚拟试验环，依据MLA理论将物理城市映射到数字空间；最后通过集成多维物理实体的数据和知识推理数据，构建态势图谱推演机，近实时反映物理实体运行状态，完成对物理实体的辅助控制，实现虚实共生交互与协同推演，形成虚实演进环。推演子系统，主要面向城市常态与非常态运行中的状态监测、预警监视、模拟推演、态势研判等需求，聚焦城市运行中面临的实际应用场景。
决策子系统基于实时数据，在虚拟试验环和虚实演进环中，应用战略博弈、大数据分析、规则推理等技术，实现推演预测、智能评估和应急决策；从而建立城市多部门协同的常态和非常态城市演化趋势的模型体系以及超大群体决策自主评价体系，形成具有自学习、自评价、自演进、自优化的智慧决策系统，满足城市常态与非常态运行需求，为解决城市治理问题提供决策，辅助解决复杂的城市问题。
在本发明一实施例中，当所述决策维度为拥堵治理时：
所述孪生子系统，用于实时感知并采集拥堵治理相关的所述城市资源信息；根据拥堵治理相关的所述城市资源信息，集成城市地理信息模型、城市建筑信息模型和城市交通路网模型生成城市信息模型和城市数字孪生空间，保持与现实城市同步运行；基于所述城市信息模型构建所述数字孪生城市操作系统；
所述推演子系统，用于将城市中至少一辆车的车辆轨迹数据和车辆运行状态数据代入所述城市数字孪生空间，用于在所述城市数字孪生空间中，通过所述车辆实时轨迹数据和所述车辆运行状态数据根据所述车辆轨迹数据和所述车辆运行状态数据分别计算第一拥堵热点定位结果和第二拥堵热点定位结果；根据所述第一拥堵热点定位结果和所述第二拥堵热点定位结果进行确定所述交通拥堵热点的定位结果；
所述决策子系统，用于对所述定位结果进行分析，得到针对于拥堵治理的至少一个决策方案。
在获取到车辆轨迹数据和车辆运行状态数据之后，分别通过车辆轨迹数据和车辆运行状态数据计算得到各自的拥堵热点定位结果，然后通过将分别得到的两种拥堵热点定位结果进行融合修正，从而得到精度更高的交通拥堵热点定位结果。采用数据融合的方式将通过车辆轨迹数据确定拥堵热点定位结果的优势和通过车辆运行状态数据确定热点定位结果的优势进行结合，从而达到提高交通拥堵热点的定位精度的目的。
在一种可能的实现方式中，车辆轨迹数据可以包括车辆编号、位置坐标(比如经纬度)、时间戳等轨迹信息。该车辆轨迹数据可以由车辆端进行上传，比如采用谷歌地图、百度地图，以及车载单元OBU等。车辆运行状态数据可以包括车辆编号、车速、车辆加减速以及车辆转向等运动属性参数。该车辆运行状态数据由车辆端进行上传，可以通过车辆装载的传感器进行数据采集，然后由车载单元OBU将该数据进行上传，被孪生子系统获取。
当然，需要说明的是，车辆轨迹数据和车辆运行状态数据并不仅限于从车辆端采集。在一些应用场景中(比如隧道)，车辆可能无法将车辆轨迹数据和车辆运行状态数据进行上报。因此可以考虑通过在路侧设置车辆信息采集装置，然后由车辆信息采集装置采集车辆轨迹数据和车辆运行状态数据，然后将采集到的数据经过路侧单元RSU上传至孪生子系统。
在本发明一实施例中，所述推演子系统，用于根据所述车辆轨迹数据，将所述车辆的轨迹路线进行连接，获得轨迹重构结果；
根据所述轨迹重构结果，计算交通流的运行速度，并根据该运行速度确定第一拥堵热点定位结果；
所述车辆轨迹数据包括：车辆编号、位置信息和时间戳；
所述将所述车辆的轨迹路线进行连接，获得轨迹重构结果，包括：
以所述车辆编号、所述位置信息和所述时间戳为三个维度，建立稀疏轨迹张量x；
对所述稀疏轨迹张量进行初始化，得到轨迹张量
Figure BDA0003168352100000139
所述轨迹张量
Figure BDA00031683521000001310
的各元素满足如下等式：
Figure BDA0003168352100000131
其中，
Figure BDA0003168352100000132
用于表征维度为i，j，k三维轨迹张量
Figure BDA0003168352100000133
的元素，Ω为数据索引集合的全集；
定义同类张量S；所述同类张量S与所述稀疏轨迹张量x的大小相同，且所述同类张量S的各元素满足如下等式：
Figure BDA0003168352100000134
其中，Sijk用于表征维度为i，j，k的三维同类张量S；
根据如下等式组，对轨迹张量进行预设迭代次数的迭代计算：
Figure BDA0003168352100000135
其中，q用于表征张量的维度，Bq和yq用于表征算法中间变量，
Figure BDA0003168352100000136
用于表征轨迹张量，
Figure BDA0003168352100000137
用于表征将所述轨迹张量
Figure BDA0003168352100000138
按照第q个维度展开，yq(q)用于表征将所述算法中间变量yq按照第q个维度展开，ρ用于表征相邻两次迭代的更新步长，αq用于表征矩阵中各元素之和等于1的参数向量，S用于表征与所述稀疏轨迹张量x大小相同的同类张量，foldq(·)用于表征将矩阵还原成张量的运算符，
Figure BDA0003168352100000141
用于表征进行奇异值分解的运算符；
根据迭代计算后的轨迹张量
Figure BDA0003168352100000142
输出重构轨迹张量。
在本发明实施例中，考虑到车辆编号可以标识和区分每辆车，而采集到的每辆车的位置信息和当前位置的时间又可以构成该车辆的轨迹，如此通过以车辆编号、位置信息和时间戳为三个维度，建立车辆的轨迹张量。进一步可以对轨迹张量进行迭代计算，从而在经过预设的迭代次数后得到重构轨迹张量。由此可见，本方案通过以车辆的车辆编号、位置信息和时间戳构建起车辆的轨迹张量，然后通过提供的迭代公式能够准确地完成对车辆轨迹的重构，如此极大的提高了对交通拥堵热点进行定位的精度。
所述推演子系统，用于根据所述重构轨迹张量，确定交通流的流量、速度和密度；
通过如下公式，计算交通流冲击波的传播速度：
Figure BDA0003168352100000143
其中，ω用于表征所述交通流冲击波的传播速度，qt用于表征t时刻的交通流的流量，kt用于表征t时刻的交通流的密度；
根据所述传播速度，计算预设时间后的冲击波位置，并将该位置确定为第一拥堵热点定位结果；
在重构出轨迹张量后，孪生子系统可以根据重构出的轨迹张量计算交通流的流量、速度和密度，进而可以根据交通流的流量和密度计算出交通流冲击波的传播速度。因此通过预设时间窗即可确定出冲击波的位置，即确定出第一拥堵定位结果。在本方案中，由于采用了交通流冲击波的速度，以及通过将预设时间窗后的交通流冲击波的位置确定为第一拥堵热点结果，因此，在一定范围内可以实现对交通拥堵热点的预判。
在本发明一实施例中，所述车辆运行状态数据包括：车辆运行路程；
所述根据所述车辆运行状态数据，计算第二拥堵热点定位结果，包括：根据所述车辆运行路程，计算预设时间内当前路段的车辆平均速度；
判断所述车辆平均速度与拥堵车速判别阈值的大小；
在所述车辆平均速度小于拥堵车速判别阈值时，将该路段确定为所述第二拥堵热点定位结果。
在本发明实施例中，通过根据各个车辆上报的车辆运行路程，或者由路侧端采集到的各个车辆的车辆运行路程，可以计算出某一时间内该路段的车辆平均速度，然后通过判断该车辆平均速度与预先确定的拥堵车速判别阈值之间的大小，若车辆平均速度小于拥堵车速判别阈值，则可将该路段确定为第二拥堵热点定位结果。其中，拥堵车速判别阈值可以由相关标准规范得到，也可以根据具体的场景由经验值进行确定。
在本发明一实施例中，所述推演子系统，用于利用如下公式计算交通拥堵热点的定位结果：
J＝λJ1+(1-λ)J2，λ∈[0,1]
其中，J用于表征交通拥堵热点的定位结果，J1用于表征第一拥堵热点定位结果，J2用于表征第二拥堵热点定位结果，λ用于表征J1和J2的置信度参数。
通过为第一交通拥堵热点定位结果和第二交通拥堵热点定位结果配置置信度参数。如此，可以根据具体的场景，通过调整具体的置信度参数来获得精度更高的交通拥堵热点的定位结果。
具体地，联合城市规划和交通部门相关机构，部署适配城市智慧决策生命系统，针对时空路权分配和交通策略优化需求，构建融合“车-城-人”的孪生城市，通过再现过程、再现机理，实现城市交通堵因提取和解决方案生成。全面再现城市交通运行态势，精准定位城市交通拥堵原因，科学提供治堵决策建议，提高城市交通运行效率，降低个人、社会交通出行成本。
在本发明一实施例中，当所述决策维度为疫情防控时：
所述孪生子系统，用于实时感知并采集拥堵治理相关的所述城市资源信息；根据拥堵治理相关的所述城市资源信息，集成城市地理信息模型、城市建筑信息模型和城市交通路网模型生成城市信息模型和城市数字孪生空间，保持与现实城市同步运行；基于所述城市信息模型构建所述数字孪生城市操作系统；
所述推演子系统，用于将感知症候群、疾病检测信息、媒体信息和公共卫生事件信息代入所述城市数字孪生空间；用于在所述城市数字孪生空间中进行虚实共生模拟并进行疫情规律推演，分析病毒传播路径，预判疫情的发展趋势和对疫情进行风险评估，并通过物资消耗、医疗救治、社会管理中的一种或多种疫情防控方法对城市疫情防控情况进行推演，得到至少一种疫情发展推演结果；
所述决策子系统，用于根据所述至少一种疫情发展推演结果中的优选结果，获得针对于疫情防控维度的至少一个决策方案。
具体地，首先联合中国疾控中心、航天医科、中国指控协会等相关医学机构，部署适配城市智慧决策生命系统，综合利用大数据分析、兵棋推演等辅助决策支撑技术与工具，将传染病动力学等理论转化为计算机模型，结合疫情病毒的预防、发现、识别、隔离、控制、人员防治救护等基本业务，推演疫情传播蔓延和防控救治过程，研究疫情防控中行动决策、指挥调度、力量运用、物资供应、交通运输、社会管理等方面工作的具体方法手段，为城市疫情防控管理预测态势发展、制定应对措施提供科学支撑。
具体地，孪生子系统通过公共卫生监测系统进行症候群、疾病监测，媒体信息检测和公共卫生事件的检测，推演子系统对疫情规律进行推演，分析病毒传播的速度和路径，预判各个地区的疫情严重程度，对疫情的传播和严重性进行分析评估。决策子系统通过代入物资消耗、医疗救治和社会管理等层面的应对方式寻找出应对疫情最佳的至少一种方案，并输出给公共卫生防疫系统，从而更好地进行疫情感知与模拟，疫情风险分析和医疗资源分配的优化。
综上所述，首先基于城市时空要素基准规范，综合城市各管控治理部门，接入多维度实时感知数据和历史数据，运用多元共治的城市治理理论、复杂性系统思维以及AI感知融合技术，构建城市孪生体模型、城市信息模型以及AI感知融合模型，形成基于城市的孪生子系统；其次基于城市操作系统中的感知融合数据以及孪生体模型，构建一套跨领域、跨层级、虚实结合的联合仿真集成框架，并在多项城市治理场景中实现应用拓展，形成城市实时推演子系统；最后基于联合仿真集成框架和城市操作系统提供的共享服务，利用战略博弈、仿真推演、大数据分析、规则推理等技术，智能化提高城市治理辅助决策能力，形成决策子系统。上述三大子系统，共同组成了智慧城市决策系统。
如图2所示，在图1的基础上，本发明一实施例提供了基于智慧城市决策方法，该方法包括以下步骤：
步骤201：孪生子系统实时感知并采集城市资源信息；将采集到的所述城市资源信息；将所述城市资源信息以及城市地理信息模型、城市建筑信息模型和城市交通路网模型融合，生成城市信息模型，并根据所述城市信息模型形成城市数字孪生空间；根据所述城市信息模型构建对应至少一个决策维度的数字孪生城市操作系统。
步骤202：所述推演子系统根据所述城市资源信息以及所述城市信息模型，与现实城市同步，针对至少一个决策维度进行虚实协同推演。
步骤203：所述决策子系统在所述城市数字孪生空间中，用于对所述推演子系统的针对于至少一个决策维度的推演数据进行分析，获得针对于至少一个决策维度的至少一个决策方案。
在本发明一实施例中，所述推演子系统将至少一类所述城市资源信息代入所述城市数字孪生空间；开放仿真集成框架，通过交通模拟、人群模拟、环境模拟、水系模拟和/或融合模拟中的一种或多种以及实时和历史的所述城市异构资源信息与现实城市同步进行虚实共生模拟，对每个所述决策维度进行状态监测、预警监视、模拟推演和态势研判，并实时将推演数据发送给所述决策子系统。
所述决策子系统根据所述推演数据，在所述数字孪生空间中进行对应决策的战略博弈、仿真推演、运筹分析、数据挖掘和/或效能评估，得到针对于至少一个决策维度的至少一个决策方案。
在本发明一实施例中，当所述决策维度为拥堵治理时：
所述孪生子系统实时感知并采集拥堵治理相关的所述城市资源信息；根据拥堵治理相关的所述城市资源信息，集成城市地理信息模型、城市建筑信息模型和城市交通路网模型生成城市信息模型和城市数字孪生空间，保持与现实城市同步运行；基于所述城市信息模型构建所述数字孪生城市操作系统；
所述推演子系统将城市中至少一辆车的车辆轨迹数据和车辆运行状态数据代入所述城市数字孪生空间，用于在所述城市数字孪生空间中，通过所述车辆实时轨迹数据和所述车辆运行状态数据根据所述车辆轨迹数据和所述车辆运行状态数据分别计算第一拥堵热点定位结果和第二拥堵热点定位结果；根据所述第一拥堵热点定位结果和所述第二拥堵热点定位结果进行确定所述交通拥堵热点的定位结果；
所述决策子系统对所述定位结果进行分析，得到针对于拥堵治理的至少一个决策方案。
在本发明一实施例中，当所述决策维度为疫情防控时：
所述孪生子系统实时感知并采集拥堵治理相关的所述城市资源信息；根据拥堵治理相关的所述城市资源信息，集成城市地理信息模型、城市建筑信息模型和城市交通路网模型生成城市信息模型和城市数字孪生空间，保持与现实城市同步运行；基于所述城市信息模型构建所述数字孪生城市操作系统；
所述推演子系统将感知症候群、疾病检测信息、媒体信息和公共卫生事件信息代入所述城市数字孪生空间；用于在所述城市数字孪生空间中进行虚实共生模拟并进行疫情规律推演，分析病毒传播路径，预判疫情的发展趋势和对疫情进行风险评估，并通过物资消耗、医疗救治、社会管理中的一种或多种疫情防控方法对城市疫情防控情况进行推演，得到至少一种疫情发展推演结果；
所述决策子系统根据所述至少一种疫情发展推演结果中的优选结果，获得针对于疫情防控维度的至少一个决策方案。
上述方法内的各单元之间的信息交互、执行过程等内容，由于与本发明系统实施例基于同一构思，具体内容可参见本发明系统实施例中的叙述，此处不再赘述。
需要说明的是，上述各流程和各系统结构图中不是所有的步骤和模块都是必须的，可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的，可以根据需要进行调整。上述各实施例中描述的系统结构可以是物理结构，也可以是逻辑结构，即，有些模块可能由同一物理实体实现，或者，有些模块可能分由多个物理实体实现，或者，可以由多个独立设备中的某些部件共同实现。
以上各实施例中，硬件单元可以通过机械方式或电气方式实现。例如，一个硬件单元可以包括永久性专用的电路或逻辑(如专门的处理器，FPGA或ASIC)来完成相应操作。硬件单元还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器)，可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。
上文通过附图和优选实施例对本发明进行了详细展示和说明，然而本发明不限于这些已揭示的实施例，基与上述多个实施例本领域技术人员可以知晓，可以组合上述不同实施例中的代码审核手段得到本发明更多的实施例，这些实施例也在本发明的保护范围之内。

Claims (10)

1.基于数字孪生的智慧城市决策系统，其特征在于，包括：孪生子系统、推演子系统和决策子系统；
所述孪生子系统，用于实时感知并采集城市资源信息；将所述城市资源信息以及城市地理信息模型、城市建筑信息模型和城市交通路网模型融合，生成城市信息模型，并根据所述城市信息模型形成城市数字孪生空间；根据所述城市信息模型构建对应至少一个决策维度的数字孪生城市操作系统；
所述推演子系统，用于根据所述城市资源信息以及所述城市信息模型，与现实城市同步，针对至少一个决策维度进行虚实协同推演；
所述决策子系统，用于基于所述孪生子系统，在所述城市数字孪生空间中，用于对所述推演子系统的针对于至少一个决策维度的推演数据进行分析，获得针对于至少一个决策维度的至少一个决策方案。
2.根据权利要求1所述的智慧城市决策系统，其特征在于，
所述推演子系统，用于将至少一类所述城市资源信息代入所述城市数字孪生空间；开放仿真集成框架，通过交通模拟、人群模拟、环境模拟、水系模拟和/或融合模拟中的一种或多种以及实时和历史的所述城市异构资源信息与现实城市同步进行虚实共生模拟，对每个所述决策维度进行状态监测、预警监视、模拟推演和态势研判，并实时将推演数据发送给所述决策子系统；
所述决策子系统，用于根据所述推演数据，在所述数字孪生空间中进行对应决策的战略博弈、仿真推演、运筹分析、数据挖掘和/或效能评估，得到针对于至少一个决策维度的至少一个决策方案。
3.根据权利要求1所述的智慧城市决策系统，其特征在于，
当所述决策维度为拥堵治理时：
所述孪生子系统，用于实时感知并采集拥堵治理相关的所述城市资源信息；根据拥堵治理相关的所述城市资源信息，集成城市地理信息模型、城市建筑信息模型和城市交通路网模型生成城市信息模型和城市数字孪生空间，保持与现实城市同步运行；基于所述城市信息模型构建所述数字孪生城市操作系统；
所述推演子系统，用于将城市中至少一辆车的车辆轨迹数据和车辆运行状态数据代入所述城市数字孪生空间，用于在所述城市数字孪生空间中，通过所述车辆实时轨迹数据和所述车辆运行状态数据根据所述车辆轨迹数据和所述车辆运行状态数据分别计算第一拥堵热点定位结果和第二拥堵热点定位结果；根据所述第一拥堵热点定位结果和所述第二拥堵热点定位结果进行确定所述交通拥堵热点的定位结果；
所述决策子系统，用于对所述定位结果进行分析，得到针对于拥堵治理的至少一个决策方案。
4.根据权利要求3所述的智慧城市决策系统，其特征在于，
所述推演子系统，用于根据所述车辆轨迹数据，将所述车辆的轨迹路线进行连接，获得轨迹重构结果；
根据所述轨迹重构结果，计算交通流的运行速度，并根据该运行速度确定第一拥堵热点定位结果；
所述车辆轨迹数据包括：车辆编号、位置信息和时间戳；
所述将所述车辆的轨迹路线进行连接，获得轨迹重构结果，包括：
以所述车辆编号、所述位置信息和所述时间戳为三个维度，建立稀疏轨迹张量x；
对所述稀疏轨迹张量进行初始化，得到轨迹张量
Figure FDA0003168352090000021
所述轨迹张量
Figure FDA0003168352090000022
的各元素满足如下等式：
Figure FDA0003168352090000023
其中，
Figure FDA0003168352090000024
用于表征维度为i，j，k三维轨迹张量
Figure FDA0003168352090000025
的元素，Ω为数据索引集合的全集；
定义同类张量S；所述同类张量S与所述稀疏轨迹张量x的大小相同，且所述同类张量S的各元素满足如下等式：
Figure FDA0003168352090000031
其中，Sijk用于表征维度为i，j，k的三维同类张量S；
根据如下等式组，对轨迹张量进行预设迭代次数的迭代计算：
Figure FDA0003168352090000032
其中，q用于表征张量的维度，Bq和yq用于表征算法中间变量，
Figure FDA0003168352090000033
用于表征轨迹张量，
Figure FDA0003168352090000034
用于表征将所述轨迹张量
Figure FDA0003168352090000035
按照第q个维度展开，yq(q)用于表征将所述算法中间变量yq按照第q个维度展开，ρ用于表征相邻两次迭代的更新步长，αq用于表征矩阵中各元素之和等于1的参数向量，S用于表征与所述稀疏轨迹张量x大小相同的同类张量，foldq(·)用于表征将矩阵还原成张量的运算符，
Figure FDA0003168352090000036
用于表征进行奇异值分解的运算符；
根据迭代计算后的轨迹张量
Figure FDA0003168352090000037
输出重构轨迹张量。
5.根据权利要求4所述的智慧城市决策系统，其特征在于，
所述推演子系统，用于根据所述重构轨迹张量，确定交通流的流量、速度和密度；
通过如下公式，计算交通流冲击波的传播速度：
Figure FDA0003168352090000038
其中，ω用于表征所述交通流冲击波的传播速度，qt用于表征t时刻的交通流的流量，kt用于表征t时刻的交通流的密度；
根据所述传播速度，计算预设时间后的冲击波位置，并将该位置确定为第一拥堵热点定位结果；
和/或，
所述车辆运行状态数据包括：车辆运行路程；
所述根据所述车辆运行状态数据，计算第二拥堵热点定位结果，包括：根据所述车辆运行路程，计算预设时间内当前路段的车辆平均速度；
判断所述车辆平均速度与拥堵车速判别阈值的大小；
在所述车辆平均速度小于拥堵车速判别阈值时，将该路段确定为所述第二拥堵热点定位结果。
6.根据权利要求5所述的智慧城市决策系统，其特征在于，
所述推演子系统，用于利用如下公式计算交通拥堵热点的定位结果：
J＝λJ1+(1-λ)J2，λ∈[0,1]
其中，J用于表征交通拥堵热点的定位结果，J1用于表征第一拥堵热点定位结果，J2用于表征第二拥堵热点定位结果，λ用于表征J1和J2的置信度参数。
7.根据权利要求2所述的智慧城市决策系统，其特征在于，
当所述决策维度为疫情防控时：
所述孪生子系统，用于实时感知并采集拥堵治理相关的所述城市资源信息；根据拥堵治理相关的所述城市资源信息，集成城市地理信息模型、城市建筑信息模型和城市交通路网模型生成城市信息模型和城市数字孪生空间，保持与现实城市同步运行；基于所述城市信息模型构建所述数字孪生城市操作系统；
所述推演子系统，用于将感知症候群、疾病检测信息、媒体信息和公共卫生事件信息代入所述城市数字孪生空间；用于在所述城市数字孪生空间中进行虚实共生模拟并进行疫情规律推演，分析病毒传播路径，预判疫情的发展趋势和对疫情进行风险评估，并通过物资消耗、医疗救治、社会管理中的一种或多种疫情防控方法对城市疫情防控情况进行推演，得到至少一种疫情发展推演结果；
所述决策子系统，用于根据所述至少一种疫情发展推演结果中的优选结果，获得针对于疫情防控维度的至少一个决策方案。
8.基于权利要求1至7中任一所述的基于数字孪生的智慧城市决策系统的智慧城市决策方法，其特征在于，包括：
所述孪生子系统实时感知并采集城市资源信息；将采集到的所述城市资源信息；将所述城市资源信息以及城市地理信息模型、城市建筑信息模型和城市交通路网模型融合，生成城市信息模型，并根据所述城市信息模型形成城市数字孪生空间；根据所述城市信息模型构建对应至少一个决策维度的数字孪生城市操作系统；
所述推演子系统根据所述城市资源信息以及所述城市信息模型，与现实城市同步，针对至少一个决策维度进行虚实协同推演；
所述决策子系统，在所述城市数字孪生空间中，用于对所述推演子系统的针对于至少一个决策维度的推演数据进行分析，获得针对于至少一个决策维度的至少一个决策方案。
9.根据权利要求8所述的方法，其特征在于，
所述推演子系统将至少一类所述城市资源信息代入所述城市数字孪生空间；开放仿真集成框架，通过交通模拟、人群模拟、环境模拟、水系模拟和/或融合模拟中的一种或多种以及实时和历史的所述城市异构资源信息与现实城市同步进行虚实共生模拟，对每个所述决策维度进行状态监测、预警监视、模拟推演和态势研判，并实时将推演数据发送给所述决策子系统；
所述决策子系统根据所述推演数据，在所述数字孪生空间中进行对应决策的战略博弈、仿真推演、运筹分析、数据挖掘和/或效能评估，得到针对于至少一个决策维度的至少一个决策方案。
10.根据权利要求8所述的方法，其特征在于，
当所述决策维度为拥堵治理时：
所述孪生子系统实时感知并采集拥堵治理相关的所述城市资源信息；根据拥堵治理相关的所述城市资源信息，集成城市地理信息模型、城市建筑信息模型和城市交通路网模型生成城市信息模型和城市数字孪生空间，保持与现实城市同步运行；基于所述城市信息模型构建所述数字孪生城市操作系统；
所述推演子系统将城市中至少一辆车的车辆轨迹数据和车辆运行状态数据代入所述城市数字孪生空间，用于在所述城市数字孪生空间中，通过所述车辆实时轨迹数据和所述车辆运行状态数据根据所述车辆轨迹数据和所述车辆运行状态数据分别计算第一拥堵热点定位结果和第二拥堵热点定位结果；根据所述第一拥堵热点定位结果和所述第二拥堵热点定位结果进行确定所述交通拥堵热点的定位结果；
所述决策子系统对所述定位结果进行分析，得到针对于拥堵治理的至少一个决策方案；
和/或，
当所述决策维度为疫情防控时：
所述孪生子系统实时感知并采集拥堵治理相关的所述城市资源信息；根据拥堵治理相关的所述城市资源信息，集成城市地理信息模型、城市建筑信息模型和城市交通路网模型生成城市信息模型和城市数字孪生空间，保持与现实城市同步运行；基于所述城市信息模型构建所述数字孪生城市操作系统；
所述推演子系统将感知症候群、疾病检测信息、媒体信息和公共卫生事件信息代入所述城市数字孪生空间；用于在所述城市数字孪生空间中进行虚实共生模拟并进行疫情规律推演，分析病毒传播路径，预判疫情的发展趋势和对疫情进行风险评估，并通过物资消耗、医疗救治、社会管理中的一种或多种疫情防控方法对城市疫情防控情况进行推演，得到至少一种疫情发展推演结果；
所述决策子系统根据所述至少一种疫情发展推演结果中的优选结果，获得针对于疫情防控维度的至少一个决策方案。
CN202110811416.1A 2021-07-19 2021-07-19 基于数字孪生的智慧城市决策系统及方法 Pending CN113609656A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110811416.1A CN113609656A (zh) 2021-07-19 2021-07-19 基于数字孪生的智慧城市决策系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110811416.1A CN113609656A (zh) 2021-07-19 2021-07-19 基于数字孪生的智慧城市决策系统及方法

Publications (1)

Publication Number Publication Date
CN113609656A true CN113609656A (zh) 2021-11-05

Family

ID=78304785

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110811416.1A Pending CN113609656A (zh) 2021-07-19 2021-07-19 基于数字孪生的智慧城市决策系统及方法

Country Status (1)

Country Link
CN (1) CN113609656A (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114386150A (zh) * 2022-01-13 2022-04-22 上海理工大学 一种应用6g数字孪生的数字、智慧化建筑物
CN114863699A (zh) * 2022-06-14 2022-08-05 电子科技大学 一种基于数字孪生的城市车路协同交通流预测方法
CN115204269A (zh) * 2022-06-15 2022-10-18 南通市测绘院有限公司 一种基于时空基准的城市治理数据融合方法及系统
CN115775085A (zh) * 2023-02-13 2023-03-10 成都中轨轨道设备有限公司 一种基于数字孪生的智慧城市管理方法及系统
CN116680648A (zh) * 2023-03-24 2023-09-01 中乾思创(北京)科技有限公司 一种数字孪生城市的业务融合数据生成方法及系统
CN116797055A (zh) * 2023-08-28 2023-09-22 日照朝力信息科技有限公司 一种基于物联网的城市道路规划方法及系统
CN116843845A (zh) * 2023-06-07 2023-10-03 福州华仁拾宝网络科技有限公司 一种应用于数字孪生城市的空间数据集成方法及系统
CN116911055A (zh) * 2023-08-01 2023-10-20 沈阳市勘察测绘研究院有限公司 一种基于数字孪生的智慧城市规划治理系统
CN116976702A (zh) * 2023-07-31 2023-10-31 深圳原世界科技有限公司 基于大场景gis轻量化引擎的城市数字孪生平台及方法
CN117057656A (zh) * 2023-08-17 2023-11-14 广东飞翔云计算有限公司 基于数字孪生的智慧城市管理方法及系统
CN117114245A (zh) * 2023-10-18 2023-11-24 长春市联心花信息科技有限公司 一种基于数字孪生的城市数据集成方法
CN117670242A (zh) * 2023-12-08 2024-03-08 格瑞利(江苏)智能科技有限公司 一种基于数字孪生的智慧城市管理方法及系统
CN117726081A (zh) * 2024-02-07 2024-03-19 深圳原世界科技有限公司 基于多模态ai大模型的cim智能决策方法及系统
CN117854286A (zh) * 2024-03-08 2024-04-09 山东金宇信息科技集团有限公司 一种基于数字孪生的城市交通规划方法、设备及介质
CN118097056A (zh) * 2024-04-29 2024-05-28 南京信大卫星应用研究院有限公司 一种基于数字孪生的城市规划构建方法和系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107871204A (zh) * 2017-10-09 2018-04-03 中国电子科技集团公司第二十八研究所 一种城市运营中心系统架构和工程系统
CN107977766A (zh) * 2017-10-09 2018-05-01 中国电子科技集团公司第二十八研究所 一种城市运行仿真与统筹规划系统
CN112652178A (zh) * 2020-12-24 2021-04-13 航天科工智能运筹与信息安全研究院(武汉)有限公司 城市交通的控制系统
CN112785893A (zh) * 2021-02-05 2021-05-11 东南大学 一种传染病突发事件应急处置虚拟仿真系统
CN112801338A (zh) * 2020-12-07 2021-05-14 通控研究院(安徽)有限公司 一种城市轨道交通线网运营突发情况下的辅助决策方法及系统
CN112863685A (zh) * 2020-12-30 2021-05-28 华南师范大学 基于大数据人工智能的传染病应对方法和机器人
WO2021109318A1 (zh) * 2019-12-03 2021-06-10 东南大学 一种城市路网短期交通运行状态估计与预测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107871204A (zh) * 2017-10-09 2018-04-03 中国电子科技集团公司第二十八研究所 一种城市运营中心系统架构和工程系统
CN107977766A (zh) * 2017-10-09 2018-05-01 中国电子科技集团公司第二十八研究所 一种城市运行仿真与统筹规划系统
WO2021109318A1 (zh) * 2019-12-03 2021-06-10 东南大学 一种城市路网短期交通运行状态估计与预测方法
CN112801338A (zh) * 2020-12-07 2021-05-14 通控研究院(安徽)有限公司 一种城市轨道交通线网运营突发情况下的辅助决策方法及系统
CN112652178A (zh) * 2020-12-24 2021-04-13 航天科工智能运筹与信息安全研究院(武汉)有限公司 城市交通的控制系统
CN112863685A (zh) * 2020-12-30 2021-05-28 华南师范大学 基于大数据人工智能的传染病应对方法和机器人
CN112785893A (zh) * 2021-02-05 2021-05-11 东南大学 一种传染病突发事件应急处置虚拟仿真系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张竞涛: "数字孪生技术在智能交通应用中的态势与建议", 《信息通信技术与政策》, no. 3, pages 24 - 28 *
方乐恒: "基于真实城市地图的新型冠状病毒疫情传播仿真数学模型：计算模拟与防控策略的初试研究", 《应用数学学报》, vol. 43, no. 2, pages 383 - 401 *

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114386150A (zh) * 2022-01-13 2022-04-22 上海理工大学 一种应用6g数字孪生的数字、智慧化建筑物
CN114863699A (zh) * 2022-06-14 2022-08-05 电子科技大学 一种基于数字孪生的城市车路协同交通流预测方法
CN115204269A (zh) * 2022-06-15 2022-10-18 南通市测绘院有限公司 一种基于时空基准的城市治理数据融合方法及系统
CN115204269B (zh) * 2022-06-15 2024-03-12 南通市测绘院有限公司 一种基于时空基准的城市治理数据融合方法及系统
CN115775085B (zh) * 2023-02-13 2023-04-25 成都中轨轨道设备有限公司 一种基于数字孪生的智慧城市管理方法及系统
CN115775085A (zh) * 2023-02-13 2023-03-10 成都中轨轨道设备有限公司 一种基于数字孪生的智慧城市管理方法及系统
CN116680648A (zh) * 2023-03-24 2023-09-01 中乾思创(北京)科技有限公司 一种数字孪生城市的业务融合数据生成方法及系统
CN116680648B (zh) * 2023-03-24 2024-01-16 中乾思创(北京)科技有限公司 一种数字孪生城市的业务融合数据生成方法及系统
CN116843845A (zh) * 2023-06-07 2023-10-03 福州华仁拾宝网络科技有限公司 一种应用于数字孪生城市的空间数据集成方法及系统
CN116976702A (zh) * 2023-07-31 2023-10-31 深圳原世界科技有限公司 基于大场景gis轻量化引擎的城市数字孪生平台及方法
CN116976702B (zh) * 2023-07-31 2024-08-02 深圳原世界科技有限公司 基于大场景gis轻量化引擎的城市数字孪生平台及方法
CN116911055A (zh) * 2023-08-01 2023-10-20 沈阳市勘察测绘研究院有限公司 一种基于数字孪生的智慧城市规划治理系统
CN116911055B (zh) * 2023-08-01 2024-05-31 沈阳市勘察测绘研究院有限公司 一种基于数字孪生的智慧城市规划治理系统
CN117057656A (zh) * 2023-08-17 2023-11-14 广东飞翔云计算有限公司 基于数字孪生的智慧城市管理方法及系统
CN117057656B (zh) * 2023-08-17 2024-05-31 广东飞翔云计算有限公司 基于数字孪生的智慧城市管理方法及系统
CN116797055A (zh) * 2023-08-28 2023-09-22 日照朝力信息科技有限公司 一种基于物联网的城市道路规划方法及系统
CN116797055B (zh) * 2023-08-28 2023-11-07 日照朝力信息科技有限公司 一种基于物联网的城市道路规划方法及系统
CN117114245A (zh) * 2023-10-18 2023-11-24 长春市联心花信息科技有限公司 一种基于数字孪生的城市数据集成方法
CN117670242B (zh) * 2023-12-08 2024-08-02 格瑞利(江苏)智能科技有限公司 一种基于数字孪生的智慧城市管理方法及系统
CN117670242A (zh) * 2023-12-08 2024-03-08 格瑞利(江苏)智能科技有限公司 一种基于数字孪生的智慧城市管理方法及系统
CN117726081B (zh) * 2024-02-07 2024-05-14 深圳原世界科技有限公司 基于多模态ai大模型的cim智能决策方法及系统
CN117726081A (zh) * 2024-02-07 2024-03-19 深圳原世界科技有限公司 基于多模态ai大模型的cim智能决策方法及系统
CN117854286B (zh) * 2024-03-08 2024-05-28 山东金宇信息科技集团有限公司 一种基于数字孪生的城市交通规划方法、设备及介质
CN117854286A (zh) * 2024-03-08 2024-04-09 山东金宇信息科技集团有限公司 一种基于数字孪生的城市交通规划方法、设备及介质
CN118097056A (zh) * 2024-04-29 2024-05-28 南京信大卫星应用研究院有限公司 一种基于数字孪生的城市规划构建方法和系统
CN118097056B (zh) * 2024-04-29 2024-07-23 南京信大卫星应用研究院有限公司 一种基于数字孪生的城市规划构建方法和系统

Similar Documents

Publication Publication Date Title
CN113609656A (zh) 基于数字孪生的智慧城市决策系统及方法
Zhu et al. Parallel transportation systems: Toward IoT-enabled smart urban traffic control and management
Xing et al. Traffic state estimation of urban road networks by multi-source data fusion: Review and new insights
Nagel et al. TRANSIMS for transportation planning
Xia et al. Ranking station importance with human mobility patterns using subway network datasets
Braess et al. On a paradox of traffic planning
Feng et al. Resilience towarded digital twins to improve the adaptability of transportation systems
Ye et al. A hierarchical model predictive control approach for signal splits optimization in large-scale urban road networks
CN117057656B (zh) 基于数字孪生的智慧城市管理方法及系统
US20220237345A1 (en) Computing system for implementing and operating model describing target system, and method of predicting behavior of target system using the same
Bowman et al. Modeling traffic flow using simulation and big data analytics
Dai et al. Spatio-temporal deep learning framework for traffic speed forecasting in IoT
Sarkar et al. Effective urban structure inference from traffic flow dynamics
Ye et al. Distributed model predictive control method for optimal coordination of signal splits in urban traffic networks
Arfat et al. Parallel shortest path big data graph computations of US road network using apache spark: survey, architecture, and evaluation
Abidin et al. Towards improved vehicle arrival time prediction in public transportation: integrating SUMO and Kalman filter models
Lin et al. Predicting station-level bike-sharing demands using graph convolutional neural network
Shi et al. Finding communities in bicycle sharing system
Qu et al. Adversarial Attacks on Deep Reinforcement Learning-based Traffic Signal Control Systems with Colluding Vehicles
Zhao et al. Parallel transportation in TransVerse: From foundation models to DeCAST
Bellini et al. Vehicular traffic flow reconstruction analysis to mitigate scenarios with large city changes
Cosido et al. Automatic calculation of bicycle routes by combining meta-heuristics and GIS techniques within the framework of smart cities
Zhang et al. Toward large-scale graph-based traffic forecasting: A data-driven network partitioning approach
Barolli Complex, Intelligent and Software Intensive Systems: Proceedings of the 16th International Conference on Complex, Intelligent and Software Intensive Systems (CISIS-2022)
Sinha et al. Distributed computing approach to optimize road traffic simulation

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20211105

RJ01 Rejection of invention patent application after publication