数字孪生隧道系统建设及实践探索.docx

《数字孪生隧道系统建设及实践探索.docx》由会员分享，可在线阅读，更多相关《数字孪生隧道系统建设及实践探索.docx（10页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、数字孪生隧道系统建设及实践探索当前智能交通行业掀起了数字孪生应用热潮，基于隧道营运需求与数字孪生的契合点，数字孪生隧道受到越来越多的关注。一方面，5G、大数据、人工智能等新技术升级爆发，AI视频、毫米波雷达、激光雷达等新设备在政策支持引导下大规模推广；另一方面，隧道所处环境复杂，且内部空间狭小，当前由于传统隧道信息化建设不足而导致的隐患排查难、应急效率低、交通事故频发等问题日渐凸显。在此背景下，当数字孪生遇到隧道，会碰撞出什么样的火花？我国公路隧道建设管理现状据交通运输部发布数据显示，我国公路隧道里程从2011年8522处、625.3万延米增长到2021年的23268处、2469.89万延米，

2、复合增长率约14.73%；其中2021年特长隧道1599处、717.08万延米，长隧道6211处、1084.43万延米，隧道在交通领域占据越来越重要的地位。在隧道里程增加的同时，也面临着一些问题。北京五一视界数字孪生科技股份有限公司解决方案总监古超认为，当前在隧道运营管理中有两方面问题值得关注：第一，存在人工依赖现象，比如隧道运维常规依然采用“人工目测巡检+专检+定检”的方式，有些地方采用拍照上传的方式实现定位维修处理，但依然无法改变效率低下的现状；第二，隧道是交通事故的高发路段，当前对于突发安全事件的应急预案与保障响应仍存在不足之处，尤其对于特种车辆进入隧道的智能主动发现、状态跟踪以及事故告

3、警与救援处置更需重点关注。事实上，近两年出台的多项文件都强调加强隧道信息化管理，特别是对隧道结构、机电设备、交通事件的监测与预警。在交通强国建设纲要和“十四五”现代综合交通运输体系发展规划中，明确提到了隧道的相关发展建设内容，主要包括交通感知网络覆盖，全要素、全周期数字化，运行情况实时监测，安全风险预警和管控等。在江苏、浙江、北京、山东、云南等已经发布的智慧高速建设指南中，也提出加强隧道环境监测；除了运用传统手段监测外，山东、北京的建设指南还提出了巡检机器人、雷达的监测手段。在此背景下，利用多种感知设备和AI、大数据等技术，打造数字孪生隧道系统，成为当前隧道信息化建设的主流趋势。针对当前存在的

4、隧道现场情况掌握不足，机电、交安设施复杂，应急救援困难等问题，通过数字孪生技术，实现隧道空间基础设施数字化建模，同时实现进出隧道以及在隧道内车辆的监测，并在隧道孪生体中实时映射，从而实现隧道内通行车辆全域感知，改善洞内交通管控，提升应急处置效能。数字孪生隧道建设需解决三个重要技术问题对于数字孪生隧道建设，业内有不同的建设思路与技术路线。对此，北京卓视方案总监郭长全认为，建设技术可靠、实用性强的数字孪生隧道系统，首先要解决三个重要技术问题：一是对交通流的智能感知能力选择；二是应用支撑平台架构选择；三是后端三维引擎与建模方法选择。这三个问题直接关系到系统的交通流实时、准确感知能力，隧道多业务数据融

5、合效率和数字孪生隧道的三维可视化展示效果。智能感知能力前端感知技术一般有毫米波雷达、激光雷达与视频AI感知技术。毫米波雷达是一种波长介于红外波与微波之间的电磁波探测器，具有目标分辨率高，位置精度高、天气适应性好等优点，在智能驾驶汽车领域应用较为广泛。但是在隧道这种环境密闭、金属结构复杂的场景中，往往会受到电磁波衍射、大型车辆遮挡等困扰，造成检测精度降低、可靠性差等问题。激光雷达是以激光线束为探测手段，通过计算激光束发出和返回的飞行时间（TOF）来探测交通目标的检测设备，可分为单点式、机械式、面阵式。单点激光无法直接检测高速动态车辆；机械式在治超等低速场景中应用较为广泛，但高速目标的捕获对算法处

6、理依赖度高。面阵激光检测能力较强，但单价较高，不利于批量项目级推广应用。视频AI感知是基于隧道监控视频流或辅以卡口抓拍图像，采用AI深度图像识别技术对隧道内车辆智能感知和识别，提供常见的目标位置、目标属性、目标轨迹，以及异常交通事件、交通违法、交通参数等多类型信息感知能力，其信息量丰富、经济性好；但其弱点是对环境灯光条件、拍摄位置和监控视角等要求较高。除以上三种前端感知技术外，也有毫米波与视频融合技术，其初衷是发挥两者优势并解决毫米波信息简单和视频检测距离短等缺陷，不过目前该技术仍处于试验探索阶段，且在隧道环境中雷视融合的优势并不明显。郭长全认为，数字孪生隧道系统前端采集以视频AI感知分析为基

7、础，但在前端设计过程中综合考虑传统视频分析遇到的问题及限制条件加以设计改进和技术优化，才能取得最佳的项目经济性和实用效果。应用支撑平台架构数字孪生隧道系统的软件平台架构主要包括面向服务架构与微服务架构。面向服务架构（SOA）是一种粗粒度、松耦合的平台服务框架，系统中包含多个服务，服务之间通过定义好的协议与接口联系起来，这些协议和接口具备极大的兼容性，可以独立于实现服务的硬件平台、操作系统和编程语言。数字孪生系统是一个数据实时性要求非常高的系统。在SOA架构中每个服务之间都依赖ESB（Enterprise Services Bus）进行通讯，ESB可能成为影响整个系统的单一故障点，如果其中一个服

8、务变慢可能会阻塞ESB，造成系统容错性较差。微服务架构是一项适合云中部署应用和服务的新技术，微服务不需要像普通服务那样成为一种独立的功能或资源是未来的方向。微服务架构将应用和服务分解成更小的、松散耦合的组件，使得系统更容易升级和扩展。通常认为系统的服务粒度越粗就越难以符合复杂规则，服务粒度越细，就越能灵活地降低变化和负载所带来的影响。隧道数字孪生系统是多业务、多数据融合系统，系统中视频监控、机电监控、电力监控等业务子系统并立，交通流数据、AI图像数据和结构化数据大规模并发，综合考虑系统的容量以及未来扩展和升级能力。三维引擎与建模方法三维引擎与建模方法一般包括游戏级引擎+GIS引擎、Cesium

9、引擎+BIM模型两种方法。对于游戏级引擎+GIS引擎而言，UE4和Unity 3D都是比较热门的通用级3D游戏引擎。UE4或Unity 3D+GIS引擎是解决虚拟与现实世界联通的一种技术有效途径。从系统开放性而言，Unity 3D较为开放，而UE4则相对封闭。UE4采用C+的开发语言，而Unity使用C#与JavaScript；对应开发成本而言Unity 3D相对较低。UE4则在高画质方面已经建立了超高的标准，并提供了复杂的粒子模拟效果与先进的动态照明技术。Unity 3D则在过去十几年中持续火爆，有超过200万款游戏基于该引擎开发。对于数字孪生隧道这种重业务的展示系统，上述游戏级引擎对系统软

10、硬件要求较高。对于Cesium引擎+BIM模型而言，Cesium是一个开源的三维地球GIS引擎，可以加载标准的地图图层、瓦片图、矢量图等实现对实体建筑的三维可视化展示；同时还支持GIS计算、DEM高程图等复杂功能。BIM（Building Information Modeling）建筑信息模型，是一种包含建筑物的物理与功能特性的数字化表达过程模型。基于BIM模型和引擎可以对隧道内部结构等进行微观的三维可视化。现实交通中的车辆通过视频AI分析和坐标映射技术，将目标属性、位置坐标、行车轨迹、速度等关键信息实时上传隧道数字孪生系统，系统通过GIS引擎再将这些数据在隧道模型中完成人、车、物等动态模型的

11、1:1映射，可对隧道场景和交通流在宏观和微观层面的多维度、多视角展示提供支撑。基于以上分析，郭长全表示，数字孪生隧道系统一般由感知子系统、传输子系统和平台子系统三部分构成：感知子系统主要实现隧道内交通目标、交通流态势的实时感知与采集，隧道传统机电子系统数据与报警采集等功能；传输子系统主要是前端感知数据的上传和平台控制指令的下发通道；平台子系统是数字孪生隧道的核心层，主要由AI智能终端（MEC）或后端AI视频服务器、三维GIS引擎服务器、大数据服务器集群、数字孪生工作站等构成。数字孪生隧道三个主流技术路线实践成果近年来，多地积极探索数字孪生隧道的建设与落地。据悉，目前数字孪生隧道有三个主流技术路

12、线，一是基于激光+视频的数字孪生隧道，二是毫米波+视频的数字孪生隧道，三是AI视频的数字孪生隧道。在第二十四届中国高速公路信息化大会“数字交通创新应用与实践”主题论坛上，广东省交通规划设计研究院机电与智慧交通所所长关小杰介绍了数字孪生隧道一些实践成果。基于激光+视频的数字孪生隧道祈福隧道广明高速祈福隧道为城市下沉式隧道，兼具高速和城市快速路功能，全长1848m，是基于“激光+视频”的数字孪生隧道，实现了隧道入口身份识别，具备洞内全域感知与全程跟踪能力，并能进行多维度的实时监测分析研判。在隧道入口身份识别方面，具体包括车辆识别锁定（隧道入口处将车牌号、位置、速度、航向角等车辆信息进行绑定）、车型

13、分类（客车、货车、7座车；工程车辆、特种车辆）、“两客一危”车辆识别（“两客一危”车辆判别与跟踪提醒）、行人闯入识别（行人闯入判别、报警与跟踪提醒）。在洞内全域感知、全程跟踪方面，主要涉及系统能力、交通参与者检测能力、交通状态检测能力。其中，高精度事件检测涵盖交通事故检测、异常停车检测、交通拥堵检测、车辆变道检测、车辆慢行检测、行人穿越检测、车辆逆行检测、遗撒物检测。基于车辆全域运动轨迹对车辆运动相关的事件进行判断，完成低时延上报；单基站精准感知+多基站感知结果匹配，实现车辆全域运行轨迹；事件证据链提取，事故、事件快速确认，触发监控中心事件报警，同时基于事件位置启动重点位置展示界面，辅助管理人

14、员确认应急事件。在多维度的实时监测分析研判方面，主要包括实时运行状态展示、运行趋势分析、车辆行为分析与统计、图谱分析等。其中，实时运行状态即车流、车辆总数、每车道车辆数、危化品车数、各车道通行速度的实时展示，当前事件实时数据展示；运行趋势分析即基于断面车流量、通行速度、跟车百分比、时间占有率等进行运行趋势分析；车辆行为分析与统计即按车牌号的车辆画像和车辆行为数据统计，当日车辆数、车道平均速度、各类型车辆数统计；图谱分析包括车流图谱、占有率图谱、通行速度图谱、交通事件图谱。基于毫米波+视频的数字孪生隧道金门隧道据关小杰介绍，金门隧道基于Uinty引擎，依托高精地图与三维场景建模技术，构建孪生世界

15、内的隧道真实场景的细节刻画信息，利用高清视频画面结构化与雷达动态目标追踪技术，实现车辆轨迹级别的跨设备、跨面面、无缝化、零盲区、无延迟连贯追踪。金门隧道特色场景是防患于未“燃”。一方面，洞外多级超温车辆预警，通过车辆的车体温度信息与车辆号牌信息，自动判断车辆所处于的超温风险区间（0-550），上报中心并联动交通诱导屏、音柱等声光报警装置，实现对车辆驾驶员的超温事件的声光预警。另一方面，洞内高危车辆轨迹跟踪，为监控员提供了解危化品车辆、超温车辆等高风险车辆在隧道内行驶状态的途径，此外高风险车辆的事前应急处置，能够提升对隧道火灾的防灾减灾能力。基于AI视频的数字孪生隧道杨梅隧道汕头至湛江高速公路惠

16、州至清远段的杨梅隧道，可通过数字孪生可视化管理（实施中），多场景立体呈现，提升用户操作便捷性和实用性，主要包括隧道动静态数字孪生、隧道态势全息感知、隧道安全主动预警、车道级主动安全管控、可视化指挥调度、智能决策分析、智能运维管理。通过隧道运营数据智能分析（实施中），为管理者提供工作报表和辅助决策，主要包括交通量分析、危化品车辆运行分析、货车运行分析、交通事件分析、隧道环境管理分析、基础设施安全性指标分析、应急救援高效性指标分析、隧道养护运营管理分析、设备运维管理分析。总体来看，当前背景下，随着交通行业的数字化转型加速，隧道的数字孪生构建及应用受到广泛关注，未来如何把实践成果规范化、规模化地推广应用仍然任重而道远。10