車聯(lián)網(wǎng)(IoV)是移動(dòng)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)相結(jié)合而產(chǎn)生的一個(gè)概念。車輛是傳感器網(wǎng)絡(luò)中的移動(dòng)智能節(jié)點(diǎn)，需要對大規(guī)模數(shù)據(jù)[1]進(jìn)行感知、采集、信息處理和存儲(chǔ)。在車聯(lián)網(wǎng)的行車安全、交通效率、信息娛樂等領(lǐng)域開展了大量研究，但基于[2]大數(shù)據(jù)信息處理的需求，在智慧城市背景下的研究尚不充分。比如如何在智能城市中與集成傳感器互動(dòng)。Shah等人提出，將車輛作為數(shù)據(jù)mue(移動(dòng)無處不在的局域網(wǎng)擴(kuò)展)，并在智能城市的特定機(jī)會(huì)參與數(shù)據(jù)采集和交通分發(fā)，將充分利用智能城市[3]的高機(jī)動(dòng)性節(jié)點(diǎn)。車聯(lián)網(wǎng)在智慧城市的應(yīng)用還包括環(huán)境監(jiān)測(如空氣污染、廢物管理)，以及監(jiān)測敏感區(qū)域和識(shí)別可疑行為的城市監(jiān)測。在這個(gè)車網(wǎng)場景中，可以使用位于車輛對象上的攝像頭來執(zhí)行監(jiān)視任務(wù)[4]。Tuyisenge et al .,在考慮城市環(huán)境的智慧和大數(shù)據(jù)處理的前提下一般情況下,智慧城市汽車網(wǎng)絡(luò)進(jìn)行了研究,并提出一個(gè)新的通用汽車網(wǎng)絡(luò)框架,該框架分為識(shí)別、對象層、層、通信層內(nèi)的設(shè)備,云層、數(shù)據(jù)層、應(yīng)用層到多媒體計(jì)算。每一層又分為更多的功能子層，提供不同的服務(wù)［5］。
與此同時(shí)，智慧城市的實(shí)現(xiàn)需要建設(shè)更加完善的空間信息基礎(chǔ)設(shè)施，以確保各種智慧城市應(yīng)用能夠得到充分利用和負(fù)擔(dān)?；跀?shù)字孿生的智慧城市在經(jīng)濟(jì)轉(zhuǎn)型、城市智慧管理、公共智慧服務(wù)等方面有著廣闊的前景，使人與自然更加協(xié)調(diào)發(fā)展[6]。所提出的智慧城市數(shù)據(jù)豐富，對城市基礎(chǔ)設(shè)施的決策和管理要求較高。然而，目前從城市數(shù)據(jù)中發(fā)現(xiàn)知識(shí)的數(shù)據(jù)驅(qū)動(dòng)方法往往缺乏集體數(shù)據(jù)開發(fā)的能力。智慧城市數(shù)字孿生旨在克服這一障礙，將更全面的分析和可視化方法集成到異構(gòu)城市數(shù)據(jù)的實(shí)時(shí)知識(shí)發(fā)現(xiàn)過程中。Mohammadi等人提出了智慧城市數(shù)字雙城數(shù)據(jù)集體發(fā)展的時(shí)空知識(shí)發(fā)現(xiàn)框架，該框架將社會(huì)數(shù)據(jù)與傳感器數(shù)據(jù)相結(jié)合，從人類認(rèn)知中發(fā)現(xiàn)提升智慧城市的機(jī)遇。這是利用異構(gòu)城市數(shù)據(jù)[7]進(jìn)行數(shù)字二進(jìn)制決策的第一步。
在了解車聯(lián)網(wǎng)在智慧城市中的服務(wù)需求以及數(shù)字孿生對智能城市的應(yīng)用能力后，我們將對關(guān)于智能城市的數(shù)據(jù)孿生的概念與關(guān)于車聯(lián)網(wǎng)的數(shù)據(jù)孿生的概念進(jìn)行系統(tǒng)性整理。
數(shù)字孿生(DT)是一個(gè)新興的概念，在各個(gè)行業(yè)受到關(guān)注。它為了充分確定DT的預(yù)期性能，Minerva等人從制造業(yè)的原始定義開始調(diào)查。并考慮了增強(qiáng)和虛擬現(xiàn)實(shí)(如虛擬化身)、多智能體系統(tǒng)和虛擬化的背景。這個(gè)調(diào)查從而允許一組廣泛的DT的識(shí)別特性,指出軟件化物理對象。作者認(rèn)為一旦DT定義得到了鞏固，就會(huì)從適用性和機(jī)會(huì)的角度討論它的技術(shù)和業(yè)務(wù)價(jià)值。[8]
工業(yè)4.0概念的進(jìn)步促進(jìn)了它的發(fā)展，特別是在制造業(yè)。數(shù)字孿生的定義很廣泛，但最好的描述是在物理機(jī)和虛擬機(jī)之間的任意方向的輕松的數(shù)據(jù)集成。Fuller的綜述根據(jù)研究領(lǐng)域?qū)λ鼈冞M(jìn)行了分類:制造業(yè)、醫(yī)療保健和智慧城市，討論了一系列反映這些領(lǐng)域和研究現(xiàn)狀的論文。由于物聯(lián)網(wǎng)連接的快速發(fā)展，數(shù)字雙胞胎在智能城市中的使用和潛力正在逐年增加。隨著越來越多的智能城市的發(fā)展，社區(qū)之間的聯(lián)系也越來越緊密，數(shù)字雙胞胎的使用也越來越多。不僅如此，我們從嵌入到城市核心服務(wù)中的物聯(lián)網(wǎng)傳感器中收集的數(shù)據(jù)越多，還將為創(chuàng)造先進(jìn)的人工智能算法的研究鋪平道路。智能城市中的服務(wù)和基礎(chǔ)設(shè)施能夠擁有傳感器，并通過物聯(lián)網(wǎng)設(shè)備進(jìn)行監(jiān)控，這對于各種類型的未來防護(hù)具有重要價(jià)值。它可以幫助當(dāng)前智慧城市的規(guī)劃和發(fā)展。除了規(guī)劃的好處，在節(jié)能領(lǐng)域也有好處。智能城市的進(jìn)步是利用數(shù)字孿生技術(shù)的潛力。它可以通過在一個(gè)虛擬雙胞胎中創(chuàng)建一個(gè)活的測試床來促進(jìn)增長，這個(gè)虛擬雙胞胎可以實(shí)現(xiàn)兩件事;第一，測試場景，第二，允許數(shù)字雙胞胎通過分析收集的數(shù)據(jù)的變化來從環(huán)境中學(xué)習(xí)。收集的數(shù)據(jù)可以用于數(shù)據(jù)分析和監(jiān)控。隨著智能城市的發(fā)展，網(wǎng)絡(luò)連接和可用數(shù)據(jù)量的增加，數(shù)字雙胞胎的發(fā)展范圍變得更加可行[9]
在智慧城市的基礎(chǔ)上，我們將重點(diǎn)討論車聯(lián)網(wǎng)的數(shù)字孿生研究

一表總結(jié)創(chuàng)新研究

車聯(lián)網(wǎng)中數(shù)字孿生子消息傳遞協(xié)議和串行化格式的性能比較，Proos等人對流行的應(yīng)用層消息傳遞協(xié)議和二進(jìn)制序列化格式在車載云通信環(huán)境下的性能進(jìn)行了比較，以維護(hù)數(shù)字孿生。對于序列化格式，Protobuf的序列化消息大小比flatbuffer小三倍，而且序列化速度更快。在內(nèi)存使用和反序列化時(shí)間方面，flatbuffer是贏家，它可以彌補(bǔ)在云中數(shù)據(jù)處理方面的糟糕性能。在消息傳遞協(xié)議的上下文中，已經(jīng)發(fā)現(xiàn)消息延遲、可靠性和消息開銷之間的主要權(quán)衡。例如，使用不可確認(rèn)消息的CoAP具有最低的延遲，但不能保證交付。事實(shí)上，即使是可確認(rèn)的消息，CoAP也不能在高損失場景下實(shí)現(xiàn)100%的交付；但是對于不關(guān)心可靠性的情況，CoAP是最好的選擇。綜合而言他們的研究對減少移動(dòng)網(wǎng)絡(luò)中的數(shù)據(jù)使用且實(shí)現(xiàn)新興的對延遲敏感的智能運(yùn)輸系統(tǒng)功能有益。[10]
車聯(lián)網(wǎng)的發(fā)展產(chǎn)生了大量的實(shí)時(shí)交通數(shù)據(jù)。這些交通數(shù)據(jù)構(gòu)成了一種數(shù)字孿生兄弟，通過5G通信將實(shí)體車輛和它們的虛擬表現(xiàn)連接起來。通過分析數(shù)字孿生交通數(shù)據(jù)，交通管理員可以優(yōu)化交通調(diào)度，緩解交通擁堵。然而，車聯(lián)網(wǎng)傳感器的異常不可避免地帶來了交通數(shù)據(jù)稀疏性的問題，從而影響了科學(xué)的交通調(diào)度決策。受此缺點(diǎn)的啟發(fā)，Hu等人通過分析車聯(lián)網(wǎng)傳感器監(jiān)測并通過5G傳輸?shù)慕煌髁亢退俣葦?shù)據(jù)，提出了一種數(shù)字孿生輔助實(shí)時(shí)交通數(shù)據(jù)預(yù)測方法TFVPtime-LSH，該方法基本基于分布式交通攝像頭監(jiān)控的數(shù)字孿生交通數(shù)據(jù)，通過5G網(wǎng)絡(luò)傳輸。通過在南京市交通機(jī)構(gòu)的真實(shí)交通數(shù)據(jù)集上進(jìn)行的一系列實(shí)驗(yàn)，驗(yàn)證了TFVPtime-LSH進(jìn)行短期交通狀況預(yù)測的可行性。[11]
車聯(lián)網(wǎng)(IoV)通過空中通信為車輛提供無縫連接和近似計(jì)算服務(wù)?？罩休o助車的網(wǎng)絡(luò)動(dòng)態(tài)特性對資源配置提出了挑戰(zhàn)。Sun等人建立了空中輔助車的動(dòng)態(tài)數(shù)字孿生模型(DT)，以捕獲時(shí)變的資源供需，實(shí)現(xiàn)統(tǒng)一的資源調(diào)度和分配。這是一種基于Stackelberg博弈的兩階段資源分配激勵(lì)機(jī)制，以車輛或路側(cè)單位DT為leader，提供計(jì)算服務(wù)的路側(cè)單位DT為follower。在第一階段激勵(lì)中，根據(jù)車輛偏好確定愿意提供的計(jì)算資源。為進(jìn)一步使車輛滿意度和整體能源效率最大化，設(shè)計(jì)了一種基于交替方向乘數(shù)法(ADMM)的分布式激勵(lì)機(jī)制，優(yōu)化了各車輛的資源配置策略。激勵(lì)機(jī)制可以在多個(gè)RSUs上并行運(yùn)行，減少了延遲，減輕了無人機(jī)的計(jì)算負(fù)擔(dān)。這方案在提高車輛滿意度的同時(shí)，也提高了車輛的能效。[12]
隨著實(shí)現(xiàn)計(jì)算密集型應(yīng)用的潛力，邊緣計(jì)算與數(shù)字孿生(DT)增強(qiáng)的車聯(lián)網(wǎng)(IoV)相結(jié)合，以提高智能交通能力。通過更新車輛的數(shù)字雙胞胎和卸載服務(wù)到邊緣計(jì)算設(shè)備(ECD)，可以彌補(bǔ)車輛計(jì)算資源的不足。然而，由于DT授權(quán)的車聯(lián)網(wǎng)的計(jì)算強(qiáng)度，ECD在服務(wù)請求過多時(shí)會(huì)超載，從而降低服務(wù)質(zhì)量(QoS)。為了解決這個(gè)問題，Xu等人提案了一個(gè)多用戶卸載系統(tǒng)，其中QoS是通過服務(wù)的響應(yīng)時(shí)間來反映的。在此基礎(chǔ)上，提出了一種基于深度強(qiáng)化學(xué)習(xí)的服務(wù)卸載(SOL)方法。為了獲得最優(yōu)的卸載決策，SOL利用深度Q-網(wǎng)絡(luò)(DQN)， DQN結(jié)合了深度學(xué)習(xí)的值函數(shù)逼近和強(qiáng)化學(xué)習(xí)。[13]
Yang等人結(jié)合網(wǎng)絡(luò)切片和深度學(xué)習(xí)(DL)技術(shù)提出了車聯(lián)網(wǎng)服務(wù)智能網(wǎng)絡(luò)體系結(jié)構(gòu)，在充分研究無線資源分配算法的基礎(chǔ)上，從微觀層面設(shè)計(jì)無人車網(wǎng)絡(luò)的協(xié)同控制機(jī)制。其次，為了提高車輛行駛的安全性，利用深度強(qiáng)化學(xué)習(xí)對車聯(lián)網(wǎng)的無線資源進(jìn)行配置，以滿足車聯(lián)網(wǎng)各種業(yè)務(wù)的需求。研究結(jié)果表明，改進(jìn)的AlexNet算法模型的準(zhǔn)確率可達(dá)99.64%，準(zhǔn)確率大于80%，數(shù)據(jù)傳輸延遲小于0.02 ms，數(shù)據(jù)傳輸丟包率小于0.05。該算法模型對解決車載互聯(lián)網(wǎng)通信的數(shù)據(jù)傳輸相關(guān)問題具有實(shí)際應(yīng)用價(jià)值，為無人駕駛汽車互聯(lián)網(wǎng)的智能化發(fā)展提供重要參考價(jià)值。[14]
邊緣智能也是當(dāng)前網(wǎng)絡(luò)發(fā)展的熱門趨勢之一。Liu等人提出了一種DT支持的資源分配方案(DTS-RAS)，使車聯(lián)網(wǎng)環(huán)境下的智能邊緣合作成為可能。作者專注于在DT-IoV框架下的延遲最小化。通過將邊緣服務(wù)器建模，推導(dǎo)出車輛卸載任務(wù)對協(xié)作邊緣節(jié)點(diǎn)響應(yīng)時(shí)間的數(shù)學(xué)表達(dá)式。然后構(gòu)建了以減少響應(yīng)時(shí)間為目標(biāo)的優(yōu)化模型?？紤]到網(wǎng)絡(luò)的復(fù)雜性，采用雙深度Q-learning網(wǎng)絡(luò)(DDQN)對邊緣服務(wù)器進(jìn)行訓(xùn)練，以獲得最優(yōu)的分配行為，并將協(xié)作過程建模為MDP。該方案在執(zhí)行延遲方面有良好的性能表現(xiàn)。[15]
隨著車聯(lián)網(wǎng)的不斷發(fā)展，車載資源在計(jì)算和通信方面呈現(xiàn)快速增長的趨勢。近距離車輛之間道路信息和計(jì)算結(jié)果的共享可以有效提高車聯(lián)網(wǎng)的利用率。然而，車輛間的遠(yuǎn)程資源共享，如信息和計(jì)算資源的共享，仍然是一個(gè)有待研究的問題?；诖耍琓an等人提出了一個(gè)基于數(shù)字孿生的公平交易平臺(tái)，以聯(lián)盟區(qū)塊鏈為基礎(chǔ)，實(shí)現(xiàn)全市車輛資源的共享。作者開發(fā)了一個(gè)基于數(shù)字孿生的車載平臺(tái)，實(shí)現(xiàn)云中的車載資源共享。部署了區(qū)塊鏈聯(lián)盟以跟蹤和保護(hù)數(shù)字雙胞胎之間的資源共享，該聯(lián)盟由設(shè)計(jì)的智能合約和高效的權(quán)益證明(PoS)共識(shí)算法執(zhí)行。以一種創(chuàng)新的激勵(lì)機(jī)制，激勵(lì)全市范圍內(nèi)的車輛資源共享，從而實(shí)現(xiàn)任務(wù)發(fā)布者的利潤最大化。[16]
DT已成為智能城市智能交通系統(tǒng)(ITS)的關(guān)鍵技術(shù)，以保持各種DT請求者的健康和可靠性，如私家車、公共交通、能源系統(tǒng)等。DT和ITS的結(jié)合，可以進(jìn)一步釋放智慧城市參與者的潛力，保證他們的效率和可靠性。盡管支持DT的ITS有很多優(yōu)點(diǎn)，但由于ITS的高度動(dòng)態(tài)特性，并不是所有的請求者都需要相同級(jí)別的DT服務(wù)。DT與ITS的安全可靠匹配仍有待解決。為了解決這些問題，Liao等人建議為ITS提供區(qū)塊鏈支持的數(shù)字孿生服務(wù)(DTaaS)。作者提出了一個(gè)按需DTaaS架構(gòu)，以充分利用ITS的傳感能力和DT的宏觀視角。并設(shè)計(jì)了一種雙拍賣模型和價(jià)格調(diào)整算法，實(shí)現(xiàn)了ITS請求者的最優(yōu)DT匹配，保證了參與者的利益。使用許可的區(qū)塊鏈和新的DT-DPoS共識(shí)機(jī)制，提高了DTaaS的安全性和效率。[17]

[1] Kirimtat, Ayca, et al. “Future trends and current state of smart city concepts: A survey.” IEEE access 8 (2020): 86448-86467.
[2] Hamid, Umar Zakir Abdul, Hairi Zamzuri, and Dilip Kumar Limbu. “Internet of vehicle (IoV) applications in expediting the implementation of smart highway of autonomous vehicle: A survey.” Performability in Internet of Things. Springer, Cham, 2019. 137-157.
[3] Vijayaraghavan, V., and J. Rian Leevinson. “Intelligent traffic management systems for next generation IoV in smart city scenario.” Connected vehicles in the Internet of Things. Springer, Cham, 2020. 123-141.
[4] Anagnostopoulos, Theodoros, et al. “IoT-enabled tip and swap waste management models for smart cities.” International Journal of Environment and Waste Management 28.4 (2021): 521-539.
[5] Tuyisenge, Livinus, et al. “Handover mechanisms in Internet of vehicles (IoV): Survey, trends, challenges, and issues.” Global Advancements in Connected and Intelligent Mobility: Emerging Research and Opportunities. IGI Global, 2020. 1-64.
[6] Deren, Li, Yu Wenbo, and Shao Zhenfeng. “Smart city based on DTs.” Computational Urban Science 1.1 (2021): 1-11.
[7] Mohammadi, Neda, and John Taylor. “Knowledge discovery in smart city DTs.” Proceedings of the 53rd Hawaii international conference on system sciences. 2020.
[8] Minerva, Roberto, Gyu Myoung Lee, and Noel Crespi. “DT in the IoT context: a survey on technical features, scenarios, and architectural models.” Proceedings of the IEEE 108.10 (2020): 1785-1824.
[9] Fuller, Aidan, et al. “DT: Enabling technologies, challenges and open research.” IEEE access 8 (2020): 108952-108971.
[10] Proos, Daniel Persson, and Niklas Carlsson. “Performance comparison of messaging protocols and serialization formats for DTs in IoV.” 2020 IFIP networking conference (networking). IEEE, 2020.
[11] Hu, Chunhua, et al. “DT-Assisted Real-Time Traffic Data Prediction Method for 5G-Enabled Internet of Vehicles.” IEEE Transactions on Industrial Informatics 18.4 (2021): 2811-2819.
[12] Sun, Wen, et al. “Dynamic DT and distributed incentives for resource allocation in aerial-assisted internet of vehicles.” IEEE Internet of Things Journal (2021).
[13] Xu, Xiaolong, et al. “Service offloading with deep Q-network for digital twinning-empowered internet of vehicles in edge computing.” IEEE Transactions on Industrial Informatics 18.2 (2020): 1414-1423.
[14] Yang, Bin, et al. “Edge intelligence based DTs for internet of autonomous unmanned vehicles.” Software: Practice and Experience (2022).
[15] Liu, Tong, et al. “Resource Allocation via Edge Cooperation in DT Assisted Internet of Vehicle.” 2021 IEEE Global Communications Conference (GLOBECOM). IEEE, 2021.
[16] Tan, Chenchen, et al. “DT Based Remote Resource Sharing in Internet of Vehicles using Consortium Blockchain.” 2021 IEEE 94th Vehicular Technology Conference (VTC2021-Fall). IEEE, 2021.
[17] Liao, Siyi, et al. “Digital Twin Consensus for Blockchain-Enabled Intelligent Transportation Systems in Smart Cities.” IEEE Transactions on Intelligent Transportation Systems (2021).文章來源地址http://www.zghlxwxcb.cn/news/detail-422659.html

到了這里，關(guān)于數(shù)字孿生應(yīng)用相關(guān)調(diào)研：智慧城市中的車聯(lián)網(wǎng)（十余篇論文簡介）的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！