本發明涉及道路數字化管理，具體涉及一種高速數字化監測孿生系統。

背景技術：

1、隨著社會經濟的發展，國家基建的建設，我國高速公路網建設里程數飛速增長，高速公路的車流量不斷增大，但是高速公路上的行車管理效率不足的問題也逐漸浮現出來，傳統的單一模式運輸方式建模往往難以全面考慮不同高速公路之間的相互影響和關聯。

2、對于現代化、數字化的高速公路建模建設業務應用來說，需要滿足以下幾點需求：

3、(i)全域感知需求：對路、橋、互通全場景下的車、路、環境、道路結構、事件的智能、全時效、全天候的識別和監測需求；

4、(ii)分析預測需求：對日常運營、重大節假日、惡劣天氣、交通事故等狀況下的交通事態分析和交通流預測需求；

5、(iii)預警協同需求：對異常事件預測預警、協同聯動，對應急事件采取一體化高效處理需求；

6、(iv)智慧管控需求：圍繞實際應用場景，實現從“宏觀路網-微觀車道級”全時效、全方位的車輛動態跟蹤、擁堵狀態監測、事件報警反饋。

7、數字化建模技術是通過數字化手段對物理實體對象的特征、行為、形成過程和性能變化進行全面描述和物理建模顯示的一項技術；然而，通過對當前可用的相關技術和論文進行研究后可知，目前綜合立體交通網絡數字化的視線在可視化、邏輯控制一致性、數據采集真實性、數據分析反饋及時性和數據處理精細度方面仍存在許多不足，例如，在中國專利文獻上公開的“基于數字孿生的極端雨水天氣下高速公路車速預警方法”，其公開號為cn202310172681.9，包括如下步驟：s1、基于車載式三維激光路面檢測系統的道路狀態檢測；s2、基于微波檢測技術的雨水參數的實時測量與傳輸；s3、建立基于多源數據融合的數字化信息模型；s4、建立數字化信息模型與仿真軟件的數據交互；s5、基于多源數據融合的附著系數模型仿真分析；s6、不同工況組合下的最大安全行駛車速仿真推演；s7、基于數字孿生的車速實時預警。

8、上述方案基于數字孿生的車速實時預警機制與方法，實現高速公路極端雨水天氣下車輛在不同工況組合情況下對汽車速度的準確實時預警，彌補了高速公路限速值理論性和實時性不足的缺陷，但是該方案僅對車速進行限制預警無法完全滿足高速公路上復雜的車輛類型構成和不同車輛對車速的需求，無法對竄道超車、危化品車輛進行車速預警和數字化建模反饋。因此，一種對于復雜路況、車況以及車輛類型進行數字化地圖建模和數字孿生建模工作的數字化監測系統的出現對高速公路上的行車安全的改善具有非常重要的意義，同時全線高精度地圖建模和數字孿生建模對實現高速公路數字化、智能化管理、預警、數據回溯提供重要基礎。

技術實現思路

1、針對現有技術中存在的不足，本發明提供了一種高速數字化監測孿生系統，該系統通過高精度數字地圖的建模為其他地圖服務的數據采集、數據管理和數據處理提供支持，同時通過對全息融合數字孿生系統的應用實現對高速公路全線車輛用戶提供可視化數據支持，確保對高速公路上各類事件的快速預警和實時反饋。

2、本發明公開了一種高速數字化監測孿生系統，該系統包括高精度地圖測繪系統和全息融合數字孿生應用系統，具體包括：

3、所述高精度地圖測繪系統由測繪采集子系統、數據標定子系統、地圖生成與服務子系統組成，所述測繪采集系統將測繪工具進行數據化處理，將處于測繪范圍內的所有測繪設備整合添加得到數字化編碼，所述數字化編碼對應于各個獨立測繪設備的一個數字化圖標和一串特征編碼，所述特征編碼為有序字符串，所述有序字符串包括起始字符串、中間字符串和結束字符串，所述存在電性連接關系或功能連接關系的不同測繪設備的特征編碼的起始字符串和結束字符串存在相同字符段，所述中間字符串包括設備信息碼和設備采集數據格式碼；

4、所述數據標定子系統包括道路對象要素管理、地圖屬性管理、自動標定、手動標定和地圖學習訓練功能，所述數據標定子系統將測繪采集系統得到的目標數據進行對象要素管理和數據編輯，對數據進行特征化分類，并對分類結果進行特征化標注和地圖標注結果顯示，形成完整的地圖特征化要素測量和特征化標定顯示；

5、所述地圖生成與服務子系統將完成地圖特征化要素測量和特征化標定顯示的地圖進行發布，并通過提供接口或地圖數據向各個業務子系統提供地圖數據服務。

6、測繪采集子系統是由測繪工具管理、測繪數據采集、測繪數據處理和測繪數據管理組成的多源數據融合的精準測量和數據采集系統，其中測繪工具管理通過設備信息管理功能、設備采集數據格式約定功能和數據設備交互方式約定功能對測繪設備型號、設備類型、設備使用狀態等信息進行添加、修改、刪除以及查詢，同時支持建立多種數據格式的模板和模板導入、導出功能，完成多種數據傳輸方式的配置和切換，方便管理員根據實際情況選擇合適的輸入輸出方式；測繪數據采集功能通過使用激光雷達、攝像頭、慣性測量單元和各類無人設備對獲取環境中的三維點云數據進行采集和數據反饋，精確描繪地圖輪廓以及地形特征，利用攝像頭捕捉目標的視覺信息，將該視覺信息通過數據篩選提取有用的地理信息，將上述地圖輪廓、地圖特征以及目標地理信息結合當地的經緯度坐標位置進行整合備份；基于適量數據三維化處理技術、三維數據解析技術和空間三維模型構建技術，實現高精度地圖適量數據的三維模型化處理，實現三維模型請求數據量的突破性降低，提高數據加載渲染性能，提升用戶體驗。

7、數據標定子系統對高精度地圖上的各類地圖要素進行要素管理、屬性管理、自動標定、手動標定和地圖學習訓練，支持用戶對地圖屬性進行管理和編輯，對地圖數據進行特征性定義，實現用戶對地圖數據的主動分類和查詢；自動標定根據設定的標定策略執行地圖要素的標定，手動標定支持用戶手動對需求要素進行額外標定，完成自動標定和手動標定后，數據標定子系統的地圖學習訓練功能對道路對象要素、地圖屬性、地圖特征模型等數據集合進行特征性訓練。

8、高精度地圖測繪系統通過無人機、衛星遙感等技術實現自動化的數據采集，大幅度提高了數據獲取的效率和速度，智能化測繪和分析大規模數據集能夠為后續對數據產生的決策提供更精準的數據支持，將各類測繪設備進行特征字符串編碼，方便后續對各類測繪設備采集數據的調用、處理和回溯，方便測繪數據的管理。

9、作為本發明的進一步改進，所述地圖生成和服務子系統基于拓撲連接關系將所有測繪設備的數字化圖標進行拓撲連接，包括：

10、若第一測繪設備的數字化編碼的結束字符串與第二測繪設備的數字化編碼的起始字符串存在連續相同部分，則第二測繪設備的輸入端接入第一測繪設備的輸出端；若第一測繪設備和第二測繪設備的數字化編碼的起始字符串或尾部存在連續相同部分，則第一測繪設備和第二測繪設備之間進行輸出并聯或輸入并聯。

11、使用拓撲連接關系將測繪設備進行特征化連續管理，能夠實現計算機等上位機系統對整個測繪設備體系的統一管理，以起始字符串和結束字符串作為計算機可讀存儲介質對測繪數據進行連續性存儲，能夠更好地體現設備關聯性和數據關聯性，有利于后續對數據的處理效率以及對測繪設備的維修管理。

12、作為本發明的進一步改進，所述地圖生成與服務子系統的提供接口為接口api，所述地圖生成通過設置api的配置授權指令、配置有效時間向其他系統提供api共享服務；所述其他系統通過接入申請后，通過接口api管理功能提供地圖數據服務；在其他系統接入過程中，通過接口api管理功能完成對數據接入狀態的監控，當其他系統停止接入后，通過接口api管理功能完成api的停用，切斷與其他系統的計入通道。

13、利用api接口進行地圖數據共享提供了標準化的訪問方式，能使直接利用現成接口進行特定功能、數據調用，api模塊化的開發方式簡化了數據的額外編寫和維護，提高接口開發的穩定性和效率；同時api可以使得用戶獲取地圖數據過程中進行迭代升級，使得前端應用程序保持最新狀態并獲得更好地功能和性能。

14、作為本發明的進一步改進，所述全息融合數字孿生應用系統包括數據采集子系統、三維模型建立子系統、模型交互開發子系統和孿生數據融合子系統；

15、所述數據采集子系統是數據采集、數據處理、數據管理組成的多源數據融合的數據采集系統，基于高精度地圖測繪系統得到的地圖數據服務，通過對應的數據采集設備對地圖進行數據采集，將所有獨立的數據采集設備進行獨立數字化編碼，對采集得到的數據進行數據分析并根據數據分析結果對其加入特殊信號標記，所述特殊信號標記為有序字符串，所述有序字符串包括特征碼、結果碼和風險碼，所述特征碼用于對當前地圖采集數據進行存儲、檢索、轉碼和追溯，所述結果碼用于顯示該數據的采集結果，所述風險碼根據設定的風險閾值指標和規則自動檢測數據質量，并提供報警和異常處理功能；

16、所述三維模型建立子系統根據數據采集管理子系統分析處理后的地圖數據、屬性和對象要素將實際物理系統的機構和屬性信息進行建模，構建數字模型，實現對物理系統的精確模擬和仿真；

17、所述模型交互開發子系統通過開發交互界面和用戶界面實現對數字孿生模型進行交互操作；

18、所述孿生數據融合子系統將實時采集的環境數據和系統運行數據與數字模型進行融合，并將數據采集子系統得到的采集數據賦值傳遞函數，所述傳遞函數基于對應的數據采集設備的輸入-輸出參數，實現對物理系統的實時監測、數據分析和預測模擬。

19、數據采集子系統基于高精度地圖測繪系統得到的地圖數據服務提供細致的任務管理、數據質量控制、數據存儲和管理功能，幫助用戶實現高效、可靠、安全的數據采集過程，并且對采集數據進行實時分析、決策支持和業務需求提供優質的數據服務，大幅度提高系統使用的便利性；三維模型建立子系統利用bim技術，將實際物理系統的結構和屬性信息進行建模，構建數字模型，以實現對物理系統的精確模擬和仿真分析，為后續的基于三維地圖引擎實現衛星影像數據與高速公路高精地圖數據的三維場景構建、車流仿真可視化提供可靠的數據和物理基礎；模型交互開發子系統通過開發交互界面和用戶界面，實現用戶對數字孿生模型進行交互操作，如數據查詢、可視化展示、參數調整等，便于用戶對物理系統進行監管、管理和決策支持；孿生數據融合子系統將實時采集的環境數據和系統運行數據，實現對物理系統的實時監測、數據分析和預測模擬，為決策提供科學依據。

20、作為本發明的進一步改進，所述傳遞函數基于對應的數據采集設備的輸入-輸出參數，實現對物理系統的實時監測、數據分析和預測模擬，具體包括以下步驟：

21、(a01)通過測繪設備進行高速公路數據采集并測繪，將測繪數據結果采集并進行數字化編碼，將數字化編碼后的測繪數據發送至數據標定子系統，并通過該數據采集結果形成高速風險閾值；

22、(a02)數據標定子系統根據測繪設備發送的環境數據對地圖數據進行要素管理和數據處理，用戶可以添加、修改和刪除道路對象要素，支持用戶對地圖屬性進行管理和編輯，同時支持用戶完成對標定策略進行設置、標定數據導入、自動執行標定結果和標定結果展示，執行地圖要素的自動或手動標定，得到地圖標定屬性模型；

23、(a03)將步驟(a02)得到的地圖標定屬性模型提供訓練數據導入功能，支持用戶進行機器學習模型；

24、(a04)地圖生成與服務子系統主要是對標定后的地圖進行發布，并通過提供接口或地圖數據等方式向各個業務系統提供地圖服務；

25、(a05)通過步驟(a03)得到的機器學習模型和(a04)提供的地圖數據服務進行當前地圖段的高速監測風險數值，將高速監測風險數值與高速風險閾值進行比對，得到高速路段監測風險評估結果并反饋到用戶界面。

26、所述高速監測風險數值低于高速風險閾值的50％，則為低風險路段；所述高速監測風險數值時高速風險閾值的50％～80％，則為有風險路段；所述高速監測風險數值高于高速風險閾值的80％，則為高風險路段。

27、利用獨立傳遞函數基于對應的數據采集設備的數據執行結果，對執行結果實施賦值運算，并通過賦值運算結果與當前路段高速風險閾值進行數值比對，得到高速路段監測風險評估結果，將該評估結果反饋至用戶界面進行對應的風險提醒。

28、作為本發明的進一步改進，所述數據采集管理子系統對道路交通節點以及收費站進行車輛距離、車輛變道頻率、車輛行駛速率和危化品車輛數量數據采集和數字建模，對該采集數據進行分類賦值，通過分類賦值結果進行數據處理和風險評估，并將該數據處理結果和風險評估結果發送至孿生數據融合子系統。

29、基于融合后的數據和分析結果，對用戶提供決策支持，幫助用戶做出更合理的決策，將多方位采集數據進行數字化比對，使得當前路段的風險評估結果更直觀。

30、作為本發明的進一步改進，所述風險評估包括以下步驟：

31、(b01)以交通節點或收費站為數據采集路段的起始點和結束點，將數據采集路段分隔為多個評估路段，通過采集設備實時記錄當前評估路段上的車輛數量以及當前評估路段的長度l；

32、(b02)通過數據采集管理子系統中的采集任務執行和監控功能進行采集頻率設定以及設定風險評估分段閾值t1；

33、(b03)通過數據采集管理子系統中的數據質量控制功能進行數據質量檢測，當數據質量符合檢測標準時，將數據上傳并存儲，將當前瞬間的車輛數量記為m；當數據質量不符合檢測標準時，重新計數并發送報警信號；

34、(b04)將步驟(b03)得到的車輛數量m分化成單條車道上的車輛數量m1、m2……ma，并分別采集單條車道上的前后不同車輛距離l1、l2……lb，左右不同車道上的不同車輛的變道數量n1、n2……na，單條車道上的不同車輛的行駛速率s1、s2……sb以及整段評估單條路段上危化品車輛的數量e1、e2……ea，其中a為車道數量，b為單條車道上的車輛數；

35、(b05)通過(b04)得到的各項數據分別計算出當前評估路段上的車輛密度k、左右不同車道上車輛變道頻率p1、單條車道的平均行駛速率sn(n＝1、2……a)和整段評估路段上危化品車輛的占比q，并對這四項評估數據進行整合加權賦值，得到風險評估值t2；其中其中t2＝0.2k+0.4p1+0.02sn+5q；

36、(b06)將得到的t2與t1進行比對，根據比對結果反饋數據；

37、(b07)將(b06)得到的比對結果反饋到三維模型建立子系統和孿生數據融合子系統進行數據分析并顯示道路安全態勢顏色分布圖；

38、(b08)將所有的評估路段進行整合，得到并顯示全路段道路安全態勢顏色分布圖。

39、通過直觀的加權賦值進行風險評估，并將路段風險評估結果實時轉化為道路安全事態顏色分布圖，通過不同顏色區分路段安全風險級別，直觀展示路段安全態勢，及時發現潛在的事故風險隱患。

40、作為本發明的進一步改進，所述基于數字全息融合數字孿生應用系統的應用包括以下內容：

41、(c01)道路運行實時監控，通過數字孿生技術對道路進行高精度還原；

42、(c02)通過交通數據采集系統對現實場景進行車輛還原，進行交通流仿真還原，完成車輛追蹤、交通流統計分析，實現車輛運行數據監測；

43、(c03)通過交通數據采集對交通設施設備進行圖形化處理，在數字孿生平臺中進行數據驅動仿真，結合ai大數據統計分析形成設備維護數據庫，對未來的道路健康以及道路車流狀況進行預報；

44、(c04)通過道路健康狀況以及道路車流狀況結合視頻監控平臺實現大數據只能統計分析，實現事件預測、預警，同時在數字孿生三維場景中進行視頻融合，真實呈現現場情況，為應急處理決策提供數據和記錄支持；

45、(c05)在數字孿生場景中對重點車輛實時車道級仿真定位，完成對單獨車輛的事實監控，對單一車輛的超速、偏航等異常狀態進行可視化警告；

46、(c06)通過數字孿生場景接入天氣變化預警。

47、(c07)將(c01)～(c06)得到的道路仿真數據、監測數據、預報結果、決策數據支持和可視化警告進行數據整理，進行數字化培訓，實現基于數字孿生的三維可視化演練。

48、與現有技術相比，本發明的有益效果為：

49、1、測繪數據以及測繪設備通過特征化數字編碼進行統一管理，利用獨立傳遞函數將特征化數字編碼進行數據傳遞，實現了測繪設備以及測繪設備的測繪數據的數字化智能評估，并且將該評估結果反饋至全息融合數字孿生系統應用，在虛擬空間中構建與物理實體相對應的模型，實現對物理實體的實時監控、預測和優化；

50、2、以數字孿生系統建模形成物理建模得到的數字化信息模型和仿真模型為基礎，利用數據采集系統對物理建模中的各類數據進行實時采集，反饋后使用加權賦值的比對方法得到高速路上各個路段的風險情況，通過直觀的加權賦值進行風險評估，并將路段風險評估結果實時轉化為道路安全事態顏色分布圖，通過不同顏色區分路段安全風險級別，直觀展示路段安全態勢，及時發現潛在的事故風險隱患。