Feb, 2024

双胞胎车联网络在密集区域是否能提升其性能？

PDF
TL;DR该研究探讨了数字孪生（DT）在提升密集人口城区中的网络性能方面的潜力，具体关注车辆网络。研究包括两个阶段，第一阶段利用交通数据和人工智能聚类来确定关键位置，尤其是在事故率高的拥挤城区。第二阶段评估了通过三种部署场景对车辆网络进行孪生的优势：基于边缘的孪生、基于云的孪生和混合孪生。我们的分析表明，孪生显著减少了网络延迟，虚拟孪生优于物理网络。虚拟孪生即使在车辆密度增加的情况下，如 300 辆车的情况下，仍保持较低的延迟，例如 15.05 秒。此外，在某些情境中，云孪生的计算速度较快，是边缘孪生的 1.7 倍。这些发现为高效车辆通信提供了见解，并强调在做出部署决策时考虑现实因素的重要性。
发现论文，激发创造
  • 通过垂直和水平学习将无线网络映射到数字现实

    VH-Twin 是一个基于时间序列数据驱动的框架，通过竖直同构和水平同构阶段，以及基于地理和无线特性的网络区域的周期性聚类机制，有效地将无线网络映射到数字现实中。通过使用实际的无线网络流量数据，在细胞无线网络中进行综合实验，验证了 VH-Twin 构建、部署和维护网络数字孪生的有效性。参数分析还提供了在规模上在孪生效率和模型准确性之间取得平衡的见解。

    Apr, 2024

  • 数字孪生在自主驾驶机动系统中的应用探索 —— 新的移动时代

    本篇论文提供了数字孪生在自主车辆工业中的系统评述，重点强调了准确的数据收集、实时分析和高效的模拟能力，以此来提高性能和可靠性，同时探讨了数字孪生的技术挑战和中心技术，并对在智慧城市中自主车辆所使用的不同方法进行了对比分析，最后讨论了数字孪生在自主车辆行业中的应用挑战和限制。

    May, 2023

  • 城市物流中数字孪生应用概述

    本研究提供了数字孪生技术在城市物流网络中的应用框架，包括城市物流的关键因素、数字孪生技术的本体论、学习能力和优化能力，以及定量模型。此外，我们还对数字孪生技术在城市物流中的应用进行了调查，并讨论了潜在的研究效益和局限性。

    Feb, 2023

  • 基于多模空间数据的基础设施数字化关键技术研究

    构建一个包含数字孪生、交通行业、点云、道路网络和道路标志检测的研究论文的关键词和总结。

    Oct, 2023

  • 数字孪生移动性编制：一种时空图学习方法

    基于大数据和数字孪生技术构建的数字孪生移动性建模框架在交通相关应用中展现了良好的性能和有效性。

    Feb, 2024

  • AI 与数字孪生的相互作用：构建数据驱动和模型驱动方法之间的桥梁

    数字孪生网络在网络编排、资源管理和人工智能模型训练及智能推理等方面具有重要作用，是实现 6G 网络的关键技术之一。本文探讨数字孪生网络与人工智能相互促进的机制，并为探索数字孪生网络与人工智能的未来研究方向提供参考。

    Sep, 2022

  • 工业网络的数字孪生本地化人工智能驱动服务架构

    互联需求的剧增导致物联网（IoT）传感器过量。为了满足大规模网络的管理需求，如准确的监测和学习能力，数字孪生是关键驱动因素。然而，由于物联网网络的连续连接要求，目前对数字孪生的实施尝试仍然不足。为了应对这些挑战，我们提出了一种数字孪生本地 AI 驱动的服务架构，以支持物联网网络概念。在提出的数字孪生本地架构中，我们实现了基于 TCP 的数据流水线和基于强化学习的学习模型。我们将该架构应用于物联网网络的一个广泛概念，即车联网。我们测量了我们提出的架构的效率，并注意到由于基于 TCP 的数据流水线而节约了约 30％的处理时间。此外，我们通过应用多种学习速率组合来测试学习模型的性能，并强调最成功的模型。

    Nov, 2023

  • 一种基于学习的自主车辆交通标志识别的数字孪生原型

    本文提出了一个新颖的数字孪生原型，用于学习能力的自动驾驶车辆，其主要目标是进行交通标志识别和车道保持。数字孪生架构依赖于联合仿真，采用了功能模拟接口和 SystemC 事务级建模标准。数字孪生由四个客户端组成，即 i）在 Amesim 工具中设计的车辆模型，ii）在 Prescan 中开发的环境模型，iii）在机器人操作系统中设计的车道保持控制器，以及 iv）在 BIP（行为、交互、优先级）的形式建模语言中开发的感知和速度控制模块。这些客户端与数字孪生平台 PAVE360-Veloce System Interconnect（PAVE360-VSI）进行接口。PAVE360-VSI 充当联合仿真协调器，负责通过服务器进行同步、互连和数据交换。服务器在不同客户端之间建立连接，并确保遵守以太网协议。最后，我们给出了数字孪生仿真和未来工作的建议。

    Feb, 2024

  • 基于学习的数字孪生技术辅助的车联网任务卸载

    本文提出了一种数字孪生（DT）辅助的任务卸载框架，用于移动边缘计算卸载策略的优化，基于预测未来计算任务的学习方案，将卸载调度过程建模为马尔可夫决策过程（MDP），以在延迟、能耗和云租用成本之间平衡，以获得最优卸载策略。

    Dec, 2021

  • 交通诊断数字孪生系统的系统性映射研究

    数字孪生在交通领域的诊断能力有限，需要进一步研究以实现诊断推理。

    Jan, 2024