东京工业大学工程学院 Kei Sakaguchi 教授和弗吉尼亚理工大学 Walid Saad 教授领导的研究小组共同实现了智能移动数字孪生，可以在网络空间中实时复制物理空间的交通状况。

使用这个数字孪生，他们成功演示了集自动驾驶和远程操作于一体的混合自动驾驶系统。该研究是发表在日记中IEEE 智能汽车汇刊。

虽然在网络空间复制物理对象和系统的数字孪生技术在制造和建筑等领域快速发展，但直到现在才应用于动态移动领域。

在这项研究中，东京工业大学大冈山校区的智能移动教育与研究领域被用来构建智能移动数字孪生。此外，还利用该数字孪生开发了结合自动驾驶和远程控制的混合自动驾驶演示系统。

在演示中，数字孪生能够识别更安全、更高效的路线自动驾驶汽车实时并将这些信息传递回车辆。这证实了融合本地自主和远程指导的混合自动驾驶是可行的。

这项研究实现了基于车辆自身传感器的本地路径规划和基于数字孪生更广泛的环境视图的全局路径规划的融合。这是通过 V2X 通信实现的，同时提高了交通安全和效率。

数字孪生，在物理空间中再现物体和系统网络空间制造业、建筑业等第二产业快速发展。近年来，它已应用于医疗、教育、电子商务等第三产业，目前正在向农业、渔业等第一产业延伸。

数字孪生的优势不仅包括利用计算机视觉技术在网络空间进行可视化，还包括通过传感器和物联网技术进行实时监控、利用仿真和人工智能进行预测、基于预测的最优控制和异常避免。

构建数字孪生的难度因对象或系统的动态而异。在动态性较低的制造和建筑领域，数字孪生的实施相对容易，但在动态性较高的移动领域，实现数字孪生一直具有挑战性。

在此背景下，东京工业大学和弗吉尼亚理工大学自2022年以来一直致力于一项受日本国家信息通信技术研究所（NICT）和美国国家科学基金会（NSF）委托的联合研究项目。

该项目名为“研究和开发IoFDT（联合数字孪生互联网）无线边缘计算服务平台，实现社会5.0”，旨在构建智能移动数字孪生，并成功实现了全球首个混合自动驾驶和远程驾驶。这个数字孪生。

东京工业大学与超级智能社会促进联盟成员合作，自2019年以来一直在大冈山校区建设智能移动教育与研究场。

该场地配备了两辆能够进行4/5级自动驾驶的自动驾驶汽车和四个用于下一代ITS（智能交通系统）的路边单元（RSU）。RSU配备了LiDAR和摄像头等传感器、支持760 MHz、5.7 GHz和60 GHz的V2X（车辆到一切）通信、边缘计算（MEC）以及到云的回程网络，从而实现基础设施协调的安全驾驶支持。

智能移动数字孪生在网络空间中实时再现这些物理移动场，允许在数字孪生上进行实时碰撞预测和路线规划，从而实现安全驾驶支持。

智能移动数字孪生的系统配置如图1所示。1.由物理空间的自动驾驶车辆和RSU、边缘和云服务器、编排整个网络的虚拟化平台、网络空间自动驾驶运行的ROS（机器人操作系统）和Autoware软件包、Ookayama等静态信息组成点云地图/3D 模型、Unity 等 3D 可视化软件以及在这些基础设施上运行的动态智能移动应用程序。

自动驾驶车辆和 RSU 中的边缘服务器使用激光雷达和摄像头等传感器来检测周围的交通参与者，如车辆、自行车和行人，构建本地化的数字孪生。多辆车辆和 RSU 检测到的信息在云端聚合并叠加在点云/3D 地图上，以构建整个现场的广域数字孪生。

通过合并这种局域和广域数字孪生（具有任意层数）的分层结构，可以适应具有不同要求的各种智能移动用例，例如避免碰撞和交付优化。

图 2 显示了 Ookayama 智能移动数字孪生的示例。底部显示物理空间中车辆和 RSU 的照片，而顶部显示叠加在网络空间 3D 地图上的车辆（蓝色）和行人（粉色）的实时信息。

中间部分显示叠加在点云上的检测结果以及激光雷达和其他传感器的检测范围。可以看出，多个 RSU 的检测结果融合在一起。尽管本地数字孪生有大约 10 毫秒的延迟，全局数字孪生有 100 毫秒的延迟，但物理孪生和数字孪生几乎是实时同步的。

混合自动驾驶将自动驾驶车辆基于本地环境观测的路径规划与数字孪生通过 V2X 通信提供的基于全球环境观测的路径规划相结合。这可以同时提高交通安全和效率。

图3所示为混合动力自动驾驶演示系统。演示系统中，在网络空间构建自动驾驶车辆的数字孪生体，在网络空间的全局数字孪生体上进行路径规划，将优化后的路径发送回物理空间的自动驾驶车辆，车辆执行自动驾驶操作。使用选定的路径及其传感器进行驾驶。

这种混合动力自动驾驶系统的实际应用在全球尚属首次。虽然自动驾驶的视野仅限于车辆周围的环境，但与人类驾驶类似，全局数字孪生可以观察车辆周围的路况。即时的并以鸟瞰视角，实时选择更安全、更高效的路线。

在演示实验过程中，自动驾驶汽车利用网络空间中的全球数字孪生检测到了其路线上停放的车辆和许多行人，从而使其能够改变到更安全、更高效的周围道路，并将这种变化反馈到物理上。自动驾驶汽车，证实了混合动力自动驾驶的实现。

更多信息：Kui Wang 等人，基于智能移动数字孪生的自动车辆导航系统：概念验证，IEEE 智能汽车汇刊（2024）。DOI：10.1109/TIV.2024.3368109