人工智能在交通中的应用专辑（第二集） iTSTech 2022

人工智能在交通中的应用专辑

第二集

智能交通技术公众号

iTSTech

2022年11月

目录

说明1

人工智能如何帮助缓解交通拥堵2

人工智能的工作原理——人工智能操作和功能12

数字李生中的人工智能一一技术现状、挑战和未来研究课题16

人工智能如何改善运输和物流47

在未来智慧城市中的智慧道路进展54

人工智能在交通中的应用：更快地走向未来86

说明

人工智能（AI）是指机器执行人类能够轻松完成的感知、推理、学习和解决问

题等认知功能的能力。过去20年以来，由于互联网产生的海量数据的可用性，

人工智能在全球范围内获得了关注。最近，使用高级算法处理这些数据给政府

和企业带来了巨大的好处。物联网、机器人过程自动化、计算机视觉、自然语

言处理等各种技术支持的机器学习算法的强劲增长，使人工智能的增长成为可

能。

本专辑收集了人工智能在交通物流领域中的应用，是人工智能在交通中的应用

专辑的第二集（第一集的内容清单见附件），希望能对同行有所帮助。

1

人工智能如何帮助缓解交通拥堵

2022-11-23

人工智能（AI）的快速发展给道路交通管理带来了翻天覆地的变化。人工智能

现在可以非常准确地预测和控制交通网络上不同点的人、物体、车辆和货物的

流动。除了为市民提供更好的服务外，人工智能还通过优化十字路口的流量以

及在因施工或其他事件导致道路关闭期间提高安全性来减少事故。此外，人工

智能处理和分析大量数据的能力允许有效的公共交通，例如乘车共享服务。那

么，人工智能如何彻底改变道路交通管理呢？

一、人工智能如何在交通管理中使用？

人工智能用于道路交通管理，以帮助分析来自各种交通工具的实时数据，包括

汽车、公共汽车和火车。人工智能分析这些信息，寻找可能表明安全风险的模

式。然后，这些信息将用于建议减轻这些风险并减少事故数量的方法。凤凰城

正在实施一个新的交通管理系统，该系统使用人工智能来协调灯光。通过该系

统，凤凰城的车辆延误时间减少了40%。凤凰街交通公司总监KiniKnudson认

为人工智能将使交通管理更加高效：“我们正在使用5年或10年前没有的技术。

凤凰城是目前正在测试人工智能在交通管理中的众多城市之一，这是马里科帕

政府协会更大计划的一部分，该协会在进行大规模投资之前测试新技术的可行

性。安全和现实世界对于此推出过程至关重要。

1、交通信号灯-交通信号控制系统

交通信号灯是交通基础设施的重要组成部分。它们有助于保持交通畅通和有秩

序。过去，交通信号灯是由人类操作的。他们使用计时器和其他工具来保持事

2

情顺利进行。但是，情况已不再如此。今天，交通信号灯由计算机运行。这种

改进是为了提高效率。它可以更好地控制交通信号灯的配时。近年来，人们一

直在推动使交通信号灯更加智能。这样做的目的是提高驾驶员的效率。领导这

项工作的一家公司叫做NoTraffico这是使交通信号灯智能化的新努力的背后。

该公司正试图使用人工智能来改善交通管理。人工智能可以改善交通灯控制

2、自动距离识别

自动距离识别（ADR）是一种使用传感器检测汽车与其前方物体之间的距离的

技术。这些传感器包括激光器、雷达和摄像头。ADR的目的是在汽车与前方物

体之间保持安全距离，从而降低发生事故的风险。ADR系统在现代汽车中变得

越来越普遍。许多不同的公司提供ADR系统，包括特斯拉，沃尔沃和梅赛德斯

-奔驰。

3、智能停车

人工智能可以帮助预测停车情况。例如，如果镇上有音乐会或其他重大活动，

人工智能可以帮助确定最有可能拥堵的区域，并提前推荐停车位。这将有助于

司机避免交通拥堵并节省时间。

3、使用AI的交通执法

人工智能用于交通管理以执法。ITMS提供了一种工具，可以根据当地法律自动

监控违法者，并提供快照和视频方面的支持证据数据。人工智能还用于速度违

规检测，当有多个人骑着没有头盔的自行车或摩托车时，它会提醒使用者，这

有助于防止涉及这两种交通方式和其他机动交通工具的事故。该系统还可以与

闭路电视和交通控制系统集成，从而形成防止当前交通威胁的整体解决方案。

3、什么是ITS?-智能交通管理系统

ITS是一个计算机视觉应用领域，专注于车辆分类、交通违章检测和交通流分析。

ITS通常通过注意诸如十字路口行驶中的车辆与行人之间的距离等因素来帮助减

少拥堵。ITS使用人工智能，通过结合物联网和人工智能来帮助交通更顺畅地移

动，以提高流动性，减少污染并降低死亡率。

3

二、在交通管理中使用人工智能有什么好处?

许多道路交通流程可以得到显著改善。每个必须在交通信号灯前等待几分钟的

司机-即使没有明显的理由这样做-除了交通灯系统按照完全独立于当前交通状

况的固定模式工作之外，可能与此有关。使用人工智能来保持流量移动以响应

当前情况具有许多优势：

■畅通的交通，没有交通堵塞，对环境有好处。这与其说是要求使用硬件,

不如说是要求进一步开发软件，使其成为另一个相关的环境方面。

-它可以优化许多业务流程，例如交付，这对经济有很大的好处。

■到目前为止，人为错误是事故最常见的原因，通过对交通流量的全面管

理，可以在很大程度上消除人为错误。消除人为因素可以大大减少事故

的数量。

■它也为运输部门提供了有吸引力的机会:术语卡车排描述了在高速公路上

以电子方式连接行驶在车队中的几辆卡车的概念。在这里，人类驾驶员

只坐在前面的车里。AI接管了接下来所有卡车的控制。

流动的交通-借助AI的力量

所有这些因素都有助于优化整个交通系统。每个道路使用者都从中受益一一即

4

使是那些以前在没有数字工具帮助的情况下只能在有限程度上参与道路交通的

人。

通过识别即将发生的事件并将其显示在易于使用的可视化地图上，Eventflow可

帮助运输经理更有效地规划路线。这可以提高乘客量和服务水平，并减少人工

搜索。Eventflow还有两个API-一个用于开发人员，另一个面向希望以开放格

式获取数据的非开发人员。这使运输经理可以轻松地利用现有系统为乘客量和

服务水平创造新的机会。

三、质量数据-道路交通中人工智能的关键

自动驾驶汽车将依赖于作为基础设施一部分实施的人工智能交通管理系统。重

要的是，这些系统能够访问高质量的数据，这样它们才能正常运行，并确保每

个人在道路上的安全。这就是为什么我们致力于为客户提供最好的数据。设计

用于道路交通的软件的质量一方面受到算法编程的影响，另一方面也在很大程

度上受到训练数据的数量和质量的影响。机器学习数据集越可靠、越现实，安

全道路交通设计的潜力就越大。很明显，道路交通中的人工智能必须接受许多

挫折，尤其是在当前的发展阶段。由故障软件引起的事故一次又一次地成为头

条新闻。然而，从现实的角度来看，这些个别事件原则上只是部分适合质疑自

动驾驶。关于自动驾驶对道路安全和减少事故数字的贡献的最终声明要求进行

可靠的比较，将两个数字相互关联：

(1)有多少事故是由错误的编程引起的？

(2)在相同情况下，由于人为错误，发生了多少事故？

由软件错误引起的事故受到公众的密切监控。相比之下，缺乏人类关注作为事

故的原因很少成为头条新闻。然而，这并不一定反映人类控制的永恒优越性。

四、交通管理中的人工智能个有争议的支持

在交通管理中使用人工智能(AI)是一个有争议的话题。虽然有些人认为它可

以帮助减少拥堵和改善燃料消耗，但其他人不确定人工智能可以为这一领域带

来的好处。交通拥堵通常被视为城市生活的祸根。它可能会让司机感到沮丧，

5

导致排放增加，甚至增加道路死亡的可能性。然而，目前尚不清楚人工智能在

减少这些因素方面能产生多大的影响。有许多应用程序可以将AI用于流量管理。

例如，紧急车辆抢占允许救护车和消防车等车辆在响应紧急情况时绕过红灯或

其他障碍物。公交信号优先使公共汽车在十字路口享有优先权，因此它们不会

陷入交通堵塞，从而改善了乘客的整体旅行时间。行人安全系统使用嵌入在路

面上的传感器来检测何时有人过马路，以便过马路信号更快地变化。虽然在交

通管理中使用人工智能有许多潜在的好处，但由于担心其可靠性和有效性，它

仍然是一个有争议的话题。

1、在交通管理中使用AI的挑战

在交通管理中使用人工智能时，存在一些挑战。

・数据采集和了解潜在挑战。

・用于预测建模的数据处理和特征提取。

・模型部署、监视和更新。

・反馈分析和从错误中学习。

・处理数据中的不确定性和噪声。

・集成不同类型的数据（例如，视频、图像、GPS）

・可扩展性-随着城市规模的扩大，系统能否处理增加的负载？

・隐私问题-个人信息将如何使用或共享？

・成本效益-人工智能可以在不对新基础设施进行大量投资的情况下使用

吗？

.标准化-是否有一个单一的平台供所有市政部门使用来管理交通？

2、网络安全问题

IT安全对于AI交通系统至关重要网络安全是一个非常重要的问题，它影响着现

代技术的数据和操作。网络安全对于这些直接专注于管理道路交通的系统如此

重要的原因是，它们容易受到可能造成严重损害的黑客的潜在攻击。如果这些

系统不安全，并且数据有可能纵，则它们将无法正常运行。道路交通管理系统

的网络安全问题是基于计算机的组件（包括GPS、移动应用程序和网站）对网

络攻击的潜在脆弱性。这可能会导致流量损失和运营中断。

6

3、经济问题

人工智能在交通方面的优势将为城市交通部门节省时间和金钱，并且对环境的

影响较小。提高个人最大化时间的能力也可以提高效率。如果个人能够有效地

管理他们的时间，那么他们将能够赚更多的钱。一个经济问题是，从长远来看,

自动驾驶汽车系统是否真的具有成本效益。关于如何处理用自动驾驶汽车取代

人类驾驶汽车的成本，以及在允许自动驾驶汽车上路之前需要解决的问题，存

在一些主要问题。

4、道德考虑一一人工智能会在交通管理中取代我们吗？

不过，新技术引起了一些关于就业的社会问题。例如，传统上在运输行业工作

的人现在会失业吗？或者这会为那些正在寻找工作的人创造新的机会吗？例如,

如果机器可以更快、更准确地完成一项工作，那么过去做这项工作的人会发生

什么？在某些情况下，机器可能能够比人类做得更好。例如，英伟达开发了一

种机器学习算法，能够比人类更快、更准确地阅读交通标志。这可能导致交通

信号维护工人等工作被机器取代。对于一个在工作中工作多年的人来说，因为

机器可以做得更好而失去生计公平吗？公平与否，由于人工智能目前的局限性,

它不太可能在不久的将来取代人类，但它仍然可以通过加速和自动化任务来提

高人类劳动效率。例如，人工智能可以帮助我们比人类更快、更高效地处理大

量数据。它还可以帮助我们根据复杂的数据集做出更好的决策。因此，它可能

在许多领域发挥重要作用，包括医疗保健、金融和制造业。

五、智慧城市-城市中的人工智能交通系统

“智慧城市”这个词已经存在了几年，但它实际上意味着什么？智慧城市是一

个有效利用技术为市民提供服务和利益的城市。最著名的例子是迪拜，它建立

在尖端技术之上，能够为政府和民众提供公共交通、交通监控和废物管理等服

务。让我们来看看智慧城市的一些特征和特点。

1、自适应交通控制系统（ATCS）

自适应道路交通控制系统（ATCS）是一种交通管理系统，它使用人工智能

（AI）来优化通过城市地区的车辆流量。它可以将交通信号灯的等待时间减少

7

多达一半，并帮助市政部门更好地了解地面条件和交通趋势。ATCS是不断增

长的智能交通或智能交通系统（ITS）市场的关键组成部分。根据

MarketsandMarkets的数据，到2026年，全球ITS市场将达到680亿美元

2、自动驾驶车辆

自动驾驶汽车在我们的道路上变得越来越普遍。虽然许多人在听到“自动驾驶

车辆”一词时会想到自动驾驶汽车，但这只是自动驾驶汽车的一种。

使用无人机自动交付

其他类型的自动驾驶汽车包括：

・的士

・巴士

・送货车或无人机

・火车

•商用飞机

与传统的载人车辆相比，自动驾驶汽车可以提供许多优势。例如：

・它们可以帮助减少车辆怠速造成的能源消耗，并有助于减少发动机排放。

・它们可以自动化停车流程，为驾驶员腾出时间以提高工作效率。

•自动化系统在区分道路使用者方面正在改进，这可以提高安全性。

但是，使用自动驾驶汽车也有一些缺点：人类仍然需要做出需要长期规划的决

8

策，尽管许多任务可以自动处理事故和交通路线等即时问题。例如，Vivacity智

慧城市依靠人类和机器协同工作，以减轻市中心繁忙交通的负担。另一个缺点

是自动化系统的实施和维护成本很高。

3、智能停车规划

想象一下，您正在开车到城市开会。你知道有很多建筑正在进行中，所以你留

出额外的时间来寻找停车位。当您接近目的地时，您意识到寻找停车位将比您

想象的更具挑战性！但是，如果有一个应用程序可以提前5小时预测停车情况

呢？这就是Eventflow的用武之地。他们是一家专门从事预测分析和事件预测的

公司。他们的应用程序可以预测从交通拥堵和道路堵塞到卡车司机的停车位和

休息时间的所有内容。然后，这些信息通过易于使用的HTML5可视化工具提

供，该工具可通过开放API获得。

4、减少交通拥堵-改善道路交通流量

人工智能可以通过在堵塞区域周围规划汽车路线、优化送货路线和减少施工需

求来减少交通拥堵。路口的智能摄像头可以自动识别不同的道路使用者，如行

人、骑自行车的人和汽车。交通管理系统应根据道路使用者的需求进行调整，

例如空气质量或学校交通。例如，如果某条道路上发生事故，系统将需要相应

地重新规划交通。然而，人类仍然需要做出需要长期规划的决策，比如应该在

哪里建造新道路。尽管许多任务可以自动处理事故和交通路线等即时问题，但

对于城市交通流量的整体管理，人类仍然是必要的。

5、安全和应急

紧急情况是每个人都非常关注的问题。在这种情况下，管理部门必须能够迅速

有效地采取行动，确保所有民众的安全。为此，各机构将实施综合交通管理系

统（ITMS）。ITMS将自动调节信号灯，并警告驾驶者改道。新系统将在促进

救护车和消防招标等紧急车辆的快速通行方面发挥至关重要的作用。ITMS还将

警告驾驶者在前方出现拥堵时要改道。

9

cs

J1丁

人工智能在公共交通中的应用

6、交通规划-智能交通系统

使用人工智能规划交通可以减少旅行时间和交通拥堵，同时提高公共汽车、火

车和渡轮的效率。人工智能帮助规划者决定哪种类型的交通最适合某个地区，

以及最有效的路线是什么。为了改善公共交通，人工智能可用于优化公共汽车

和火车的路线，使其更高效。人工智能还有助于为管理路线的交通部门员工创

建更好的时间表。

7^城市规划

城市规划是设计和管理城市地区增长的过程。它涉及制定土地、交通系统、公

共设施和供水、废物管理和能源分配等服务的开发和使用计划。

在城市规划中找到适当的平衡很重要

10

城市规划的主要目标是创造一个人们可以工作和生活的宜居环境。这需要平衡

居民、企业、通勤者和游客等不同群体的需求。为了有效规划，城市需要关于

人口规模、人口统计、就业趋势、经济状况等的准确数据。城市还需要了解人

们如何在其中移动。这就是人工智能和机器学习等技术的用武之地。它们可以

帮助城市更有效地收集数据并更快地进行分析。这有助于规划人员就如何分配

资源做出更好的决策。

六、交通管理中的人工智能常见问题

1、人工智能如何改善流量？

人工智能可以通过减少人为错误、加快事故检测和响应过程以及提高安全性来

改善道路交通。人工智能还有可能通过优化交通流量来帮助提高高峰时段的效

率。

2、人工智能是否用于交通信号灯？

人工智能用于交通信号灯中，以检测车辆的速度并相应地调整时间。

3、人工智能如何减少或解决流量问题？

人工智能可以通过协助自动驾驶汽车、机器人助手和无人机来提高交通安全。

人工智能还将有助于减少道路拥堵，因为每小时的车辆数量以及通过交通所需

的时间都会减少。

4、人工智能在运输部门实施的例子是什么？

人工智能在运输部门实施的一个例子是自动化卡车。这允许更智能，更有效地

利用资源，消除人类驾驶员处理驾驶，导航或装卸等任务的需要

11

人工智能的工作原理一一人工智能操作和功能

2022-11-22

近年来，人工智能(AI)已成为公众意识的最前沿。无论是通过《机械姬》

(ExMachina)和《终结者》(TheTerminator)等好莱坞大片，还是关于人工

智能在各种任务中超越人类的新闻报道，人们都开始了解这个领域的意义。但

是，尽管它越来越受欢迎，但人们对人工智能仍然存在很多困惑。本文将试图

消除一些困惑，并让您对AI的工作原理有一个基本的了解。我们还将介绍机器

学习、神经网络和人工智能的简史。人工智能的历史

人工智能在人类历史上的首次出现很难确定。一些人认为古代神话和传说包含

对人工智能的引用，而另一些人则声称第一个真正的人工智能是在1950年代开

发的。然而，历史上有几个关键时刻，人工智能对社会产生了重大影响。1843

年，AdaLovelace为机器编写了第一个算法，后来被称为分析机。这是计算领

域的重大进步，为未来的人工智能发展铺平了道路。1950年，艾伦•图灵

(AlanTuring)发表了一篇题为“计算机与智能”的文章，提出了机器是否可

以思考的问题。本文被认为是人工智能研究领域的开端。1956年，约翰•麦卡

锡(JohnMcCarthy)创造了“人工智能”一词，并组织了关于该主题的第一次

12

会议。这一事件标志着人工智能发展的转折点，并在接下来的几十年里带来了

许多重要的突破。1997年，IBM的深蓝成为第一台在国际象棋上击败世界冠军

的计算机。这是人工智能发展的一个重要里程碑，表明计算机在某些任务中可

以胜过人类。近年来，人工智能大受欢迎，成为现代生活的主要内容。现在有

无数的人工智能技术应用，从自动驾驶汽车到语音识别软件。然而，与任何新

技术一样，其发展也存在一些风险。随着人工智能的不断发展，我们必须确保

安全和负责任地使用它，以造福整个人类。

一、人工智能到底意味着什么？

人工智能是一个广义的术语，可以指许多不同的事物。一般来说，人工智能是

指允许机器执行通常需要人类智能的任务的任何技术，例如理解自然语言和识

别图像中的物体。创建AI系统有几种方法，但机器学习是最常见的一种。机器

学习算法通过示例学习如何做某事。例如，如果你想要一个机器学习算法来学

习如何识别猫，你会给它看很多猫的照片，并告诉它哪些是猫。然后，该算法

将通过研究图片并将信息纳入其决策过程来“学习”如何识别猫。一旦确定了

目标变量，就需要收集有助于计算机学习的数据。这些数据可以来自各种来源,

包括实验、调查和历史数据。收集完这些数据后，您需要清理它并准备供计算

机使用。此过程通常涉及删除任何不相关的数据并将其标准化，以便所有值都

在同一范围内。下一步是选择机器学习算法。这是计算机从数据中学习的过程。

有许多不同的算法可用，每种算法都有自己的优点和缺点。您需要为数据和目

标变量选择合适的算法。最后一步是对数据运行机器学习算法。然后，计算机

将分析数据并学习如何执行所需的任务。

二、什么是神经网络？

神经网络是一种机器学习算法，用于对数据中的复杂模式进行建模。它们类似

于其他机器学习算法，但它们由大量互连的处理节点或神经元组成，可以学习

识别输入数据的模式。神经网络已经存在了很长时间，但由于人工智能的发展,

近年来它们重新流行起来。神经网络的好处之一是，可以训练它们识别其他机

器学习算法无法识别的过于复杂的模式。这使得它们非常适合图像识别和自然

语言处理等应用。神经网络还可用于通过分析过去的数据来预测未来事件。神

13

经网络的另一个好处是它们可以通过各种方式实现。有许多不同类型的神经网

络，每种网络都有自己的优点和缺点。这种灵活性使神经网络非常适合广泛的

应用。最后，神经网络通常可以自己学习，而无需人工干预。这意味着他们可

以随着时间的推移提高性能，使其更加准确和高效。

人工智能如何使用神经网络

神经网络以几种不同的方式用于日常生活中。神经网络最常见的使用方式是图

像识别。神经网络用于图像识别，因为它们可以学习图像的特征，然后再次识

别该图像。这对于面部识别或识别图片中的物体等事情很重要。神经网络在日

常生活中使用的另一种方式是预测结果。可以训练神经网络以根据数据预测结

果。这用于股票市场预测或预测天气等。最后，神经网络用于聊天机器人。聊

天机器人使用机器学习来了解人们如何说话，然后做出相应的回应。这对于客

户服务之类的事情很重要，因为聊天机器人需要能够理解客户在说什么并做出

适当的回应。关于神经网络是否构成真正的人工智能存在很多争论。但是，毫

无疑问，它们是对复杂数据进行建模并在机器学习任务中取得更好结果的重要

工具。未来，神经网络可能被用于个性化客户推荐、诊断疾病，甚至驾驶汽车。

它们已经被用于一些最前沿的技术中，它们的潜力才刚刚开始被探索。

三、人工智能的日益普及应用

人工智能如何在沃尔玛中使用？

值得注意的是，财富500强公司越来越多地转向人工智能（AI）来帮助他们提

高利润并在竞争中保持领先地位。人工智能已经被一些公司用于改善他们的客

户服务、营销和运营。例如，沃尔玛正在使用人工智能来

改善其库存管理。该公司开发了一个系统，该系统使用机器学习算法来预测将

销售多少商品并相应地分配必要的资源。这帮助沃尔玛将库存成本降低了数十

亿美元。

如何在IBM中使用AI?

另一家使用人工智能产生巨大影响的财富500强公司是IBMoIBM开发了一个

14

名为Watson的平台，该平台使用AI来帮助企业做出更好的决策。Watson可以

快速分析大量数据并推荐问题的解决方案。IBM已经将Watson授权给1,000

多家企业，包括银行、保险公司和医疗保健提供商。

人工智能如何用于营销？

财富500强公司也在使用人工智能来改善他们的销售和营销工作。例如，可口

可乐开发了一个系统，该系统使用人工智能来个性化其营销活动。该系统扫描

客户数据，例如年龄，性别，位置和购买历史记录，以创建个性化的营销消息。

这导致可口可乐在北美的销售额增长了40%o同样，亚马逊使用人工智能来个

性化其网站上向客户推荐的产品。亚马逊的“面向客户的人工智能”系统分析

客户数据，例如购买历史、评级和评论，以推荐每个客户可能感兴趣的产品。

该系统帮助亚马逊成为世界上最大的在线零售商。到目前为止，财富500强公

司已将人工智能主要用于库存管理和营销等后台运营。然而，毫无疑问，人工

智能将很快被用于更具战略性的任务，如产品开发和战略制定。因此，如果财

富500强公司想要保持领先地位，他们应该尽早开始投资人工智能。

四、人工智能的未来

人工智能的未来笼罩在潜力之中，但充满了不确定性。但有一件事是肯定的，

那就是人工智能的潜力是巨大的。随着神经网络的快速发展和计算能力的提高,

人工智能在执行过去需要人类智能的任务方面正在迅速变得越来越好，例如理

解自然语言和识别图片中的物体。有些人担心人工智能最终会取代人类智能，

使我们过时。但其他人认为，人工智能将增强人类的智能，使我们比今天更强

大。无论未来如何，很明显，人工智能在我们的生活中发挥着越来越重要的作

用，并且在未来几年只会变得更加重要。

五、人工智能的影响

人工智能将不可避免地改变我们所知道的世界。凭借其处理大量数据和快速找

到模式的能力，人工智能已经开始改变医疗保健、金融、制造和物流等行业。

随着人工智能的不断发展和普及，其影响只会越来越大。我们必须密切关注人

工智能如何改变我们周围的世界，并确保我们为挑战和机遇做好准备。

15

数字李生中的人工智能

技术现状、挑战和未来研究课题

2022-10-31

摘要

随着数字化进程的推进，大数据、人工智能（AI）、云计算、数字李生、边缘

计算等先进的计算机技术已应用于各个领域。为研究数字挛生与AI结合的应用

现状，本文通过研究当前已发表文献的研究成果，对AI在数字李生中的应用和

前景进行了分类。本文从航空航天、生产车间智能制造、无人驾驶汽车、智慧

城市交通四大领域探讨了数字挛生体的应用现状，并回顾了当前面临的挑战和

未来需要期待的话题。研究发现，数字挛生与AI的融合在航空航天飞行探测仿

真、故障预警、飞机组装甚至无人飞行方面具有显著效果。在汽车自动驾驶的

虚拟仿真测试中，可以节省80%的时间和成本，相同的路况降低了实际车辆动

力学模型的参数尺度，大大提高了测试精度。在生产车间的智能制造中，建立

虚拟工作场所环境可以提供及时的故障预警，延长设备的使用寿命，确保车间

整体运行安全。在智慧城市交通中，模拟真实的道路环境，恢复交通事故，使

交通状况清晰高效，快速准确地进行城市交通管理。最后，我们展望了数字李

生和人工智能的未来，希望为未来相关领域的研究提供参考。

16

一、介绍

数字挛生（DT）最重要的灵感来自真实物理系统和数字网络空间模型之间反馈

的需求［1］。人们试图在数字空间中重现物质世界中发生的事情。只有使用循环

反馈的全生命周期跟踪才是整个生命周期的真正概念⑵-［4］。通过这种方式，

可以在整个生命周期中真正确保与物质世界的数字一致性。基于数字模型的各

种模拟、分析、数据积累、挖掘，甚至人工智能应用，都可以确保它适用于真

实的物理系统智能系统的智能必须首先被观察、建模、评估和推理。

如果数字李生体没有对实际生产系统的准确建模描述，就无法实现智能制造系

统⑻。

基于机器学习（ML）的AI应用程序通常被认为是制造业中一项有前途的技术

［9］o然而，ML方法需要大量高质量的训练数据集。在监督式ML的情况下，

通常需要手动输入来标记这些数据集［10］。这种方法成本高、容易出错且耗时,

尤其是在复杂而动态的制造环境中［11］。阿列克斯普等人（2020）［12］指出数字挛

生模型可以通过生成适当的训练数据集并通过模拟工具链自动标记来加速ML

训练阶段，从而减少用户对训练过程的参与。这些合成数据集可以使用不需要

大量使用的广泛真实世界数据进行扩展和交叉验证。范等人（2021）口引研究并提

出灾难城市数字李生概念的愿景，该概念可以实现信息和通信技术（ICT）在

危机信息学和灾难响应中的跨学科集成。这涉及结合人工智能算法和方法，以

加强不同利益相关者之间的情况评估、决策和协调，从而提高对复杂灾害响应

和人道主义援助动态的可见性。根据拉希德等人的（2019）［14］研究，数字季

生是复杂系统的自适应模型。计算管道、多物理场求解器、人工智能、大数据

控制论、数据处理和管理工具的最新发展使数字李生的前景及其对社会的影响

更接近现实。数字李生目前在广泛的应用中是一个显著上升的趋势。也称为计

算巨型模型、设备影子、镜像系统、化身或同步虚拟原型。因此，数字挛生不

仅在我们如何构建和管理网络物理智能系统方面发挥着变革性的作用，而且在

我们如何促进多学科系统的模块化以解决基本障碍方面也发挥着变革作用。

本文旨在综述数字挛生结合人工智能技术在各个领域的应用现状，以及当前面

临的挑战和未来需要研究的课题。我们希望为数字挛生在各行业的应用研究提

17

供理论依据，并具有一定的启发性效果。

二、数字挛生中人工智能技术的研究现状

1、数字李生中的人工智能

密歇根大学的MichaelGrieves教授博士在2003年［15］首次提出了数字挛生的概

念。它也被称为数字镜像和数字映射。它是一个物理对物理世界或数字表达的

系统。理解它在虚拟世界中是简单明了的。在现实世界中复制真实事物是一个

超越现实的概念［15］。它是一个数字仿真过程，使用物理模型、传感器设备和

历史操作数据集成了多个学科、物理量、尺度和概率。据Gartner称，数字挛生

是2019年十大关键技术趋势之一。据估计，到2020年，将有超过200亿个传感

器和终端连接起来，数字李生将连接数十亿个物理设备，试图在虚拟世界中尽

可能多地模拟物理世界的实际情况。［3］、［16］、［17］。这一预测已经得到验证，

笔者认为，2021年该技术将使用更多的传感器和终端设备。由于数字李生的优

势越来越突出，数字李生的研究领域多样，主要集中在计算机集成制造领域，

发展过程经历了多个阶段［18］,如下图1所示。

18

UniversityofMichigan

NASAApolloProfessorproposedItiscalled

programuses"virtualdigital"mirrorspace

digitaltwinsexpressionequivalentmodel"

tophysicalproducts"

2003-

2005

NASAreleases

modeling,simulation.DigitaltwinsItiscalled

informationtechnologywerecitedfor*'information

andprocessingthefirsttimemirrormodel**

roadmap

2006-

2012

2010

ThedigitaltwintheoryhasGartnerhaslisteddigitaltwins

beenacceptedandGerealizesreal-timeasoneofthetoptenstrategic

popularizedbytheU.S.enginemonitoringbasedtechnologydevelopment

Departmentofdefense,ondigitaltwintrendsforthreeconsecutive

NASAandSiemens

Tissue

图1.数字李生的发展历史

数据采集、数据建模和数据应用是数字挛生的三个主要方面。数据采集是指充

分利用卫星遥感、倾斜航空摄影测量、激光雷达测量、相机等技术，从完整的

物理空间场景中获取三维数据［19］。传感器的功能是获取现实世界中不同种类

的真实数据［20］。数据收集的技术难点和关键是数据收集的高精度和高效率，

这决定了数据收集的质量、效率和成本。

在获取大量原始物理世界数据后，进行数据建模，并利用自动建模工具进行进

一步处理，生成物理世界实际恢复的三维模型。除了环境的高精度虚拟重建外,

数字学生数据在支持各种操作流程方面也更有效。数据建模可分为两部分：可

19

视化3D建模［21］和语义建模［22］。可视化3D建模是对物理世界的3D再现。数

字李生的语义建模包括“结构化”收集的数据并识别车辆、道路、人员和内部对

象等对象。映射概念如图2所示。

图2.数字挛生的概念

人工智能作为计算机科学的一门学科，不仅改变了我们的生活，也改变了许多

行业。它试图理解智能的基础，以便创造一种新的智能机器，能够以类似于人

类智能的方式做出反应。机器人、语言识别、图像识别、自然语言处理和专家

系统都是该学科的研究领域［23］。计算机、机器人、经济和政治决策、控制系

统和模拟系统都采用人工智能。如图3所示，它正在悄悄地改变我们的生活方

式。我们可以使用地图软件来避免外出开车时的拥堵；我们佩戴的智能手表可

以帮助我们监测和预测健康风险；我们家里的机器人可以用父母的声音给我们

的宝宝讲故事；我们的扫地机器人可以轻松清洁大型复式房屋。将人工智能与

数字李生相结合将在我们生活的方方面面产生难以想象的变化［24］-［26］。

20

图3.人工智能在数字李生生态仿真分析中的应用

2、基于数字享生的AI技术应用现状

数字李生中的人工智能是一个普遍适用的理论和技术体系，应用广泛，如产品

设计、设备制造、医学分析、航空航天等领域。目前，我国应用最深入的是工

程建设领域，智能制造在研究领域获得了最大的吸引力。应用领域的分类图如

图4所示。

21

图4.数字李生中人工智能应用领域的分类

(1)数字李生在航空航天领域的使用

数字李生的概念最初是为了在航空航天领域使用而提出的。例如，数字挛生用

于飞行模拟和航空航天飞行机器的维护和质量保证过程［27］。在数字空间中建

立真实的飞机模型，然后利用传感器对数字空间进行整合。飞机的状态与现实

中飞行飞机的状态同步。通过这种方式，每架飞机起飞和降落的过程都被模拟

并存储在数字空间中。通过数字空间的数据分析，可以清楚地了解飞机是否需

要维护，是否可以进行下一次飞行［27］-［29］。

尤尔克维奇等人的研究目的(2021)［30］是开发用于数字空中交通管制的神经模型。

该方法采用分布式组织和技术系统的物理自组织社交网络的概念，其组件连接

到无线4G和5G网络。这种方法的优点是分析和管理的原理非常有前途，并且

与混合人工智能具有复杂的集成。

戴等人(2021)［31］表明自动驾驶无人机(UAV)系统作为安全关键系统，需要不

22

断提高其可靠性和安全性。另一方面，测试复杂的自动驾驶控制系统是一个时

间和金钱密集型项目，需要在项目增长期间进行多次外部飞行测试［32］。因此,

提出了一种自动驾驶平台内部自动化测试系统，以提高无人机开发的效率和安

全性［33］。随着无人驾驶飞机技术的发展，无人驾驶飞机的应用越来越多，并

被视为未来智慧城市基础设施的重要组成部分［34］-［36］。同时，与基于无人机

的应用程序相关的安全和隐私威胁需要适当的测试和监视技术。对于一个在通

用无人机架构上促进基于无人机的应用程序的管理和性能的平台，

Grigoropoulos等人（2020）［37］提供模拟环境和数字李生支持。首先，仿真环境可

以对平台本身和平台上运行的应用程序的功能进行深入测试，然后可以部署到

现实世界中。部署后，数字挛生用于发现应用程序之间的差距和预期行为，从

而在执行仿真测试或未发现故障时用作错误指示器。维护已经从“事后维护”和

“预防性维护”演变为“预测性维护”，使其成为航空业最关键的组成部分之一。

精准维护是未来的发展路径，目的是保证运行安全，降低协同优化目标和运营

成本［38］。为了提高发动机预测性维护的效果，熊等人（2020）［39］研究了数字李

生驱动的飞机发动机预测性维护框架，发现了隐式数字字生IDT（隐式数字挛

生）模型。模型的有效性是通过评估虚拟和实际数据资产的一致性来确定的。

通过集成数据驱动的深度学习（DL）方法［40］证明了该方法的有效性。使用

LSTM（长短期记忆）模型［41］并以航空发动机为例。

如图5所示，与其他行业相比，飞机总成具有结构复杂、零件数量庞大、对产

品空气动力学形状要求极其严格等特点［42］。因此，必须使用专业的装配架，

以确保零件在安装过程中不会受到人为因素的影响，从而导致变形和装配错误

的问题［43］。仅以传统的工程图纸进行工艺设计和生产装配为基础，很难保证

严格的精度要求。数字挛生技术的出现为飞机装配过程与现场信息反馈控制之

间及时有效的交互提供了可能性［44］。梁等人（2020）［45］指出飞机核心部件和数

字李生的全场位移感知在精密生产（如航空制造）中起着至关重要的作用。在

研究中，提出了一种结合在线多点位移监测与矩阵完备理论相结合的实时全场

位移传感方法，建立了基于多点观测信息的全场位移感知概念模型。HPP（高

精度产品）［46］是一种多学科耦合的高精度产品，经常应用于航空航天、海洋、

化工等行业。正是因为HPP的内芯复杂而紧凑，而包含跨学科耦合的装配过程

23

对精度要求很高。依靠手工经验的传统装配方法效率低下，质量不一致。针对

上述问题，孙等人(2020)［47］研究并提出了一种数字李生驱动的HPP组装和调试

方法。提供了数字李生驱动装配与调试的理论架构，以及基于数字李生技术的

装配与调试全元信息模型构建方法。

图5.基于数字挛生的飞行寿命预测

针对民用航空器质量偏差控制系统存在的问题，质量偏差控制数据分散在众多

管理系统中，无法从有关航空器整个生命周期中收集质量数据相关信息；缺乏

用于质量数据分析和质量偏差控制的闭环网络物理融合系统［48］。因此，定位

质量偏差问题很困难，处理这些问题需要很长时间。蔡等人(2021)［48］研究并提

出了基于数字挛生的质量偏差控制模型。利用基于资产管理技术的数字学生建

模，检索和合并多源异构定性偏差数据，构建质量偏差体系。该系统采用FP-

growth关联规则算法对飞机质量偏差数据进行评估，系统可以提供结果，以辅

助装配现场，并最大限度地提高在现实世界中纠正质量问题的性能和正确性

[49]。

根据上述讨论，数字挛生在航空航天工业中提供了广泛的用途，包括飞机飞行

路线的数字模拟，故障和维修的及时报告以及无人机性能的测试。这些领域取

得了重大突破和进展。

(2)数字李生在自动驾驶智能化中的应用

随着深度学习和大数据分析技术的进步，人工智能应用正在迅速发展。其中,

24

必须使用人工智能算法开发自动驾驶系统。在现实生活中，自动驾驶技术可以

减少交通事故，实现时空等资源利用的效率，甚至为残疾人的驾驶过程提供极

大的便利。然而，由于自动驾驶的技术要求很高，在虚拟仿真环境中对数字季

生进行模拟驾驶的需求已成为不可或缺的一步［50］。

在自动驾驶汽车真正上路之前，必须经过严格的虚拟仿真测试，以确保安全

［51］0在传统的虚拟仿真测试环境中，HTL（高阈值逻辑）设备［52］通常用于安

全和主动性能测试。但在这种测试中，只有控制器是真实的，其他因素，如驾

驶员、变速箱、动力、道路环境和其他与控制器相关的内容都是在虚拟环境中

模拟的。由于目前计算机水平有限，仿真环境不能设置得太复杂，所以被测车

对象的性能不是那么准确，测试精度有一定的偏差。当然，在真实环境中进行

测试无疑是最好的选择，但由于物理条件的各种限制，不可能每次都保持统一

的测试场景。因此，应实施基于数字李生技术与实际道路环境相结合的自动驾

驶仿真测试测试评估系统］53］。数字挛生测试架构图如图6所示。

自动驾驶数字挛生虚拟场景测试的整体架构

25

拉林等人(2019)［54］指出，基于物联网(IoT)技术的自动驾驶汽车的目标是整

合互联汽车，并将它们变成可以自动移动的“物体”。该技术面临的重要挑战之

一是确保各种组件和物联网系统的兼容性，例如为车辆和道路设备以及传感器

提供服务。采用的解决方案是使用物联网领域的国际标准化组织联合物联网平

台和oneM2M互操作性平台，以确保所有组件之间的通信没有障碍。阿尔梅贝

等人(2021)［55］指出，数字化转型时代带来的新工业革命使得在制造和运输过程

中使用越来越多的人工智能和自动化技术成为可能。数字李生概念在自动驾驶

汽车上的应用得益于数字时代推动的结果。而且，确保自动驾驶汽车的安全可

以有效减少交通事故的发生。此外，在驾驶时保持驾驶员与行人之间的安全距

离也有显著的好处。

为使能智能制造安全运输系统，实现端到端运输模式，研究提出采用全新的安

全设计，增强整个自动驾驶系统的灵活性和安全性。云等人的研究.(2021)［56］指

出，基于数字挛生的计算机仿真是自动驾驶汽车设计中不可或缺的一步。但是,

要设计出与真实路况完全相同的模拟环境需要付出很多努力，而且成本效益非

常低，因为必须实现很多东西。在这项研究中，提出了一种使用网络游戏

“GTA5”(侠盗猎车手V)作为自动驾驶汽车模拟基础的方法。GTA5在线游戏

可以用作适当的模拟工具，因为它具有一系列理想的物品、行人和高速公路。

通过使用OpenCV捕获GTA5游戏屏幕［5刀并用Python的YOLO分析它(你只

活一次)［58］和张量流［59］,通过设计算法可以建立高精度的物体识别系统，避

免物体碰撞和不同车道识别。

将数字李生应用于自动驾驶领域，城市或市级数字李生数据可以作为高精度地

图，即汽车运行的基础环境数据。笔者认为，汽车制造商、自动驾驶设备制造

商和综合解决方案提供商都需要这项技术的普及。一方面，由于自动驾驶的测

试环境非常有限且成本高昂，数字挛生可以为客户提供自动驾驶仿真系统作为

解决方案。使用虚拟仿真的自动驾驶系统可以验证传感器性能和车辆算法的可

靠性。另一方面，它可以作为实际自动驾驶环境中的映射数据之一。汽车制造

商可以使用数字测试场对车辆性能进行虚拟测试，例如车辆动力学、舒适性和

耐用性。虚拟测试轨道是在地面上进行测试的道路。虚拟环境和真实场景要求

尽可能逼真，包括固定车辆、路标、行人、斑马线、障碍物、移动车辆以及场

26

景中的车道数。当然，随着自动驾驶领域技术的不断提升，对虚拟测试场景的

技术复杂度的要求也越来越高，因此我们需要开发更完整的架构。

因此，通过数字挛生自动驾驶测试至少可以节省80%的时间成本，并且可以重

复测试相同的路况，从而减少了实际车辆动力学模型的参数尺度，大大提高了

测试结果的准确性［54］。笔者认为，在虚拟场景中操作的过程可以避免真实交

通条件下可能发生的事故概率，还可以减少不必要的物质损失，从而降低企业

成本。因此，数字李生在自动驾驶领域的使用为汽车制造和性能测试开辟了新

的思路。

(3)数字享生在智能制造中的应用

随着世界各国智能制造技术的不断发展，制造业的信息化水平正在逐步提高。

为了提高产品生产率，及时处理生产过程中的突发事件，企业必须加强生产车

间各模块的管理和控制措施，提高企业对生产过程的控制能力。而且，消费者

对产品的个性化要求更高，导致企业在生产过程中面临大量的数据、数据需求

和数据结构，这使得企业难以管理和分析数据。因此，在制造过程中，如何有

效及时地反馈生产车间设备的使用状态和故障预警，成为当前智能制造行业的

一大难题。

大数据、人工智能、物联网、边缘计算等现代先进信息技术的发展，推动了传

统制造向智能制造的转型。智能制造最关键的特点是自主性和主动自我优化。

周等人(2020)［60］研究并提出了面向智能制造的数字李生制造单元转型的知识驱

动系统框架，可以智能感知、模拟、理解、预测、优化和控制。它不仅可以最

大限度地提高产品质量，还可以降低生产成本。智能制造与其说是传统制造业

面临的挑战，不如说是机遇。智能制造的可持续性特征更加明显。李等人

(2020)［61］研究如何构建面向智能制造项目的可持续发展评价数字李生驱动系统,

并基于经典数字双映射系统开发了数字挛生驱动系统。信息架构是智能制造项

目可持续增长的关键解决方案。随着传感器技术和数据处理的进步，基于信息

物理系统的智能制造已成为制造业发展的主要趋势。鉴于离散生产车间的多样

性和波动性，控制制造工作场所的碳排放存在某些问题。张等人(2019)［62］研究

并提出了智能制造车间数字李生驱动的碳排放预测控制模型，该模型结合了最

27

新的计算机技术和低碳控制技术，在虚拟车间中对模型进行了验证和优化。

数字挛生车间是智能制造的核心组成部分。它们由实体车间、虚拟车间、车间

服务系统和车间李生数据组成，其中虚拟车间是最重要的组成部分。虚拟车间

的建设从三个方向开始，由几个要素组成：使用虚拟数字几何模型来表示车间

的环境元素，包括车间人员、机器、产品等。行为要素包括车间内设备的速度

轨迹和不同的生产指令等生产要素，模拟车间内设备的运行状态。规则元素利

用车间现有的物理环境对生产过程进行评估、分析、预测和优化，实现虚拟车

间的建立。如图7所示。在实际生产过程中，设备故障时有发生，影响生产进

度和成本。如果在故障发生后进行维修，往往很困难，需要大量的人力物力进

行故障筛选。因此，对设备的故障和设备的使用寿命进行预警尤为重要。

Fheremaybeafaultin

theequipment,sendout

anearlywarning

k7

Y

图7.虚拟车间设备故障预警示意图

赵等人的研究(2019)[63]针对数字挛生车间的实时视觉监控，提出了一种基于车

间实时数据的三维视觉监控方法。研究了数字挛生工作场所与三维可视化实时

监控之间的交互作用。提出了一种多级可视化监控模式和实时数据驱动的虚拟

车间运行模式。该文详细介绍了车间几何建模、车间实时数据管理、车间多级

三维可视化监控、车间状态板施工方法。通过实际算例验证了所提方法的有效

性。吴等人的研究(2019)[64]指出，车间生产线在智能车间设备的基础上，结合

28

关键数字化技术的运用。主要采用虚实数据同步通信和虚实映射技术，实现物

理实体数字仿真的超现实虚拟实时。车间中的物品可以根据实际应用进行开发,

并且可以在内部构建智能车间的虚拟模型。作业车间调度在生产过程中始终至

关重要，也是影响制造效率的最关键因素之一。在实际生产调度过程中存在一

些未知事件、信息不对称、异常干扰等，会产生执行偏差，损害调度执行的效

率和质量。传统的调度策略不足以有效解决这些问题。方等人(2019)[65]提出针

对数字挛生的兴起，具有虚拟现实交互、实时映射和共生进化的特点，提出一

种基于数字李生的作业车间调度新方法，以减少调度偏差。

基于以上研究，可以证明数字李生在智能制造领域取得了突破，尤其是虚拟车

间的使用，可以大大降低设备故障的概率，还可以帮助员工及时调整车间的整

体调度，提高设备生产效率。数字季生技术可以在智能制造领域实现产品、制

造过程乃至整个工厂的虚拟仿真，从而提高产品研发和制造企业制造的生产效

率。此外，它还可以在虚拟三维空间中创建产品。通过修改各种尺寸和装配关

系的零部件和产品，可以大大简化产品几何验证工作、装配可行性验证工作和

工艺实施。同时，在迭代过程中物理原型的制造时间、时间和成本大大降低。

(4)数字挛生在智慧城市中的使用

数字李生的概念就是将现实世界中的人、物、关系、过程映射到虚拟世界，通

过对虚拟空间中的数字李生进行观察和分析，实现对真实物体的研究和控制。

将这一概念应用于城市交通领域，无疑是智慧城市建设的福音，这反映在图8

中。城区的主要功能区管理是以空间控制为主要目标，促进城市和区域发展的

空间组织和策略。高等人的研究(2017)[66]表明：根据大数据和GIS(地理信息

系统)对城市功能区建设方案进行优化分析。城市功能区管理的首要目标是限

制或规范土地的合理利用，为城市区域的高效利用奠定基础。城市规划的主要

依据包括区域对资源环境的承载能力、现有区域发展的密度数据、未来区域增

长可能性等相关指标。借助GIS技术，建筑师可以更好地优化城市场所的功能

位置。智慧交通是利用视频监控、融合毫米波雷达、机动车、非机动车、行人

等交通要素的全息感知，实现数字空间中真实交通系统地图模型的构建。通过

实时分析和跟踪，可有效解决交通资源浪费、信号系统功能刚性、交通事故变

29

幻莫测、交通问题快速响应等问题［67］。数字挛生在智慧交通中的应用可以分

为三个方向：提高无人驾驶训练效率、辅助交通事故分析和辅助交通控制［68］。

图8.数字李生智慧城市示意图

数字挛生提高无人驾驶培训效率［68］。目前，智能研究中心正在开展智能无人

驾驶虚拟训练系统研究，为无人驾驶汽车驾驶算法的道路驾驶安全和智能驾驶

能力提供开放的虚拟测试和培训平台。这类项目的目标是在数字空间中再现真

实的交通场景，通过广义衍生技术为无人驾驶车辆创造极端环境和关键高风险

场景，大幅提升无人驾驶训练的有效性。

基于对静态和动态数据的感知，我们可以创建数字李生模型，实现基于李生数

据的场景再现，帮助无人驾驶车辆进行虚拟测试和训练。但是，仅仅为数字李

生体提供高保真场景是不够的。更重要的是推导和概括双场景，不断丰富无人

车的测试场景。马夫罗马蒂斯等人的研究（2020）［691说明在人工智能彻底改变了

推理、预测和判断任务的世界里，数字挛生成为了影响游戏平衡的工具。一个

典型的例子是CITS（协作智能交通系统）的创建和改进，这是网络物理数字基

础设施和（半）自动化移动的集成。导数泛化是数字学生技术的关键。它必须

从现实中衍生出来，但也必须高于现实，并对现实做出一些改变。巴蒂等人

30

(2020)170］指出，智能电动汽车的普及可减少高达43%的二氧化碳排放。然而，

为了使这些汽车主流化，需要一些支持基础设施来长期增强它们。作为一种新

兴的架构，数字李生的相关方法基于虚拟地图原理，可以作为扩展的基础，可

以进一步帮助研究虚拟环境中多系统主体的生命周期。在系统开发中，还基于

双场景对各种案例进行泛化仿真，如增加天气变化、人类驾驶行为、场景案例

的泛化等。作为场景案例泛化的示例，假设模拟了大型卡车碾压人的事故场景,

但模型完成后，它是一个固定的场景。也就是说，车辆在固定的时间到达固定

位置，缺乏有关实际事故现场的原因和后果的信息。这时需要做一些智能处理,

比如提高车速，或者增加交通参与度等，让场景案例与真实场景相似但又不同。

在这里，相似性是指真实事故场景的再现，而差异则体现在虚拟场景中更动态

的过程再现上。

在交通事故分析中，以卡车交通事故为例。一旦对事故现场环境和交通参与者

的轨迹进行跟踪和恢复，就可以从多个角度观察事故发生过程。鲁德斯科伊等

人(2020)［71］表明所有城市在涌现阶段的交通监管问题都非常严重。最初，控制

中心负责解决此问题。目前，这些中心已逐步引入一些智能交通管理方法，以

帮助解决交通网络的关键问题。借助数字挛生和人工智能，实现现代交通控制

的优化发展。通过定格处理，从车辆的角度可以发现，卡车司机实际上看不到

骑自行车经过的人。道路数字挛生是实现未来智慧城市的重要一步，为此，

ElMarai等人(2020)［72］在带有360°摄像头和一系列连接到唯一集线器车载计算

机的物联网设备上部署了数字李生盒。数字李生盒通过将实时数据(包括360。

实时流、GPS(全球定位系统)位置以及温度和湿度测量值)连续传输到边缘

或云，将物理道路转换为数字副本资产。实时流通过头戴式设备或使用360。基

于Web的播放器显示。这些数据将用作交通状况的实时监控和其他分配，例如

历史交通数据查询。还可以通过在汽车中安装智能摄像头来监控交通事故的发

生。至于智能汽车和驾驶员辅助技术的快速增长，在交通系统中，人类驾驶员

的参与程度各不相同。在这种情况下，刘等人(2020)［73］指出驾驶员的视觉引导

对于避免可能的危险至关重要。为了鼓励视觉指导机制的发展，引入了一种创

新的传感器合并技术，以整合来自云的相机图像和数字挛生知识。结合在车辆

上运行的目标探测器的发现和来自云端的位置信息，绘制并匹配目标车辆的边

31

界框。因此，数字挛生在交通事故分析场景中具有很大的应用价值，可以帮助

追溯和分析事故的具体原因，找到责任人。

在整体交通控制方向，采用数字李生技术模拟城市交通状况，然后通过评价和

演绎来优化交通控制策略。这是数字挛生赋能智慧交通的重要应用场景。它主

要涉及三个级别的功能。

首先是监控和发现。通过数字李生系统，可以创建信息获取和控制的闭环，并

且可以控制整个过程。更重要的是，在一个非常庞大和复杂的场景中，一些关

键问题可以及时发现和处理。例如，在秋冬季节，经常出现某段高速段的雾。

大雾具有能见度低、突发性强、天气预报困难等特点，容易引发交通事故。利

用数字李生技术，实时检测动态感知数据，可以及时发现集群雾的发生并发出

预警。例如，机场交通管制也可以使用数字挛生。赛义夫迪诺夫等人(2020)[74]

在机场集中运输管理领域进行研究并进行了数字挛生实验。使用特定的仿真模

型来模拟车辆空间特征的数据流。该模型可用于解释和模拟传输网络中需要集

中控制系统参与的某些情况。假设在使用数字挛生的早期阶段，具有适当交通

管理能力的用户可以执行控制系统的功