什么是 数字孪生应用?

“数字孪生应用”是数字孪生技术的进阶形式,是指基于数字孪生技术开发的“智能孪生体”应用程序,可以紧密结合各行业领域实际业务需求,整合物联网、大数据、AI、业务系统等多源数据,将物理世界的业务、业务执行机构、业务治理对象的全生命周期运行态势,与数字孪生体进行一一映射、绑定、关联,从而在数据世界对全要素管理对象进行仿真、监测、分析,升实现对物理世界的全面复现和决策、优化支持,可广泛应用于智慧城市智慧园区公共安全智能制造智慧水利智慧交通等领域。

数字孪生应用的功能主要包括以下几个方面:

建模和仿真: 针对现实世界中的实体对象,通过数字孪生技术,在数字化世界中构建完全一致的对应模型,从而建立了数字孪生基础。

监测和预警: 打通多源数据,动态驱动仿真模型组态、行为逻辑、业务流程、状态变化等,实现在数字世界对物理实体的状态和行为进行全面呈现、精准表达,及时发现问题并预测未来可能出现的问题,从而提前预警。

优化和调整: 建立了孪生和业务的相互规则,基于丰富的历史和实时数据,以及专业的算法模型,可以高效地在数字世界对物理对象的状态和行为进行模拟试验和分析预测,提供更优化的解决方案。

决策支持: 数字孪生应用可以为决策者提供实时的数据、可视化的结果和智能的分析,帮助他们做出更科学的决策。

反向控制: 数字孪生应用既可以接受物理世界的实时信息,更能够进行指令发送,反过来控制物理世界对象,建立“智能预警-智能感知-智能派发-智能处置-智能考评-智能改进”的全流程一体化业务流程闭环。

数字孪生应用的特点包括:

实时性:数字孪生应用可以实时反映物理实体的状态和运行情况,及时发现和解决问题。

精确性:数字孪生应用可以精准地模拟物理实体的结构和行为,提供可靠的数据支持。

可视化:数字孪生应用可以以图形化的形式展现物理实体的状态和运行情况,提供直观的信息呈现方式。

智能化:数字孪生应用可以借助人工智能和机器学习等技术,自动学习和优化模型,并提供智能化的决策支持。

举几个例子:

1.交通信控智能优化

传统的红绿灯调控方式,都是按照固定时间控制的,但车流量是随时变化的,由此,往往会造成难以避免的路口拥堵问题。

基于数字孪生技术构建的“交通大脑”,基于前端传感器实时感知的数据,可以对红绿灯路口各个方向车流情况进行实时全覆盖监测,并将获取到的车辆数量、车速、加速度、距离等信息,实时向“交通大脑”传输,再通过人工智能算法、多维数据可视化分析,能够智能化得出各路口的最优红绿灯配时方案,然后迅速下达指令进行调整,从而实现区域内红绿灯的实时、最优调整,大幅降低高峰期交通拥堵率。

2.道路智能引导屏、导航APP联动

数字冰雹联通过建设智慧丽江“城市大脑”,整合丽江城市街道、视频监控、停车场系统数据、交通运行数据等,对人流、车流变化趋势进行分析预判,当客流快要达到预设值时,数字孪生IOC会自动发出预警,并联动指挥调度系统对客流进行干预,提前实施人流疏导策略和巡检人员的调度。同时,系统会自动响应联动景区广告屏系统,游客可以在各导览屏上,看到各景点人流状况,错峰游览或调整路线。

此外,数字孪生IOC能够实时监测各个泊位的已停车情况和空位记录信息等,并智能化联动道路引导屏、导航APP等系统,及时发布交通路线、泊车诱导信息,实现交通智能疏导和智能停车,有效提升游客体验。

3.观光车智能调度

在许多大型景区中,观光车是实现景区内客流调配的重要载体,在旅游旺季,侯乘人流过载、站点滞留的状况常有发生。通过建设景区数字孪生IOC,实现了“感知——控制——反馈”的闭环模式,在客流过载疏散、观光车排队拥挤优化等应用中发挥了重要作用,助力景区车辆高效智能运维管理。

以景区站点候乘为例,数字孪生IOC能够对站点人流态势进行智能感知、识别,并结合专业分析算法,分析站点游客数量、驻留时长与未来变化趋势,当人流过密、或是候乘时长过久,IOC会发出预警,并自动响应联动车辆调度系统,动态调整运营车辆发班密度,增加线路运力,下达车辆调派指令,及时进行人员疏导,实现了“事件自动感知、车辆智能调度、人员精准疏导”。

随着 IOT、5G、云计算、大数据、AI 等基础技术的成熟运用,建设“数字孪生应用”辅助各行业提升决策效力已经成为一种趋势。推动着各行业管理向数字化、智能化转变。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,324评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,356评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,328评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,147评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,160评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,115评论 1 296
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,025评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,867评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,307评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,528评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,688评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,409评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,001评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,657评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,811评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,685评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,573评论 2 353

推荐阅读更多精彩内容