综述:智能交通系统:数字孪生与机器学习控制集成综述
《IoT》:Intelligent Transportation Systems: A Review of Integration of Digital Twin and Machine Learning Control
【字体:
大
中
小
】
时间:2026年08月28日
来源:IoT 4.3
摘要
本文对智能交通系统(ITS)与数字孪生(DT)技术融合应用于智能交通管理进行了全面综述。本文探讨了包括物联网(IoT)、机器学习(ML)、深度学习(DL)、强化学习(RL)、图神经网络(GNN)、车联万物(V2X)通信和边缘计算在内的关键使能技术的作用。这些技术支持智能交通系统中的实时交通监控、交通预测和自适应控制。该综述综合了关于传统交通控制方法、基于优化的方法、基于学习的技术以及基于数字孪生的交通管理方案的近期研究。特别关注了数字孪生与智能交通信号控制、实时同步、多交叉口协调、通信延迟、感知不确定性和可扩展性的集成。所综述的文献展示了基于数字孪生的智能交通系统通过数据驱动决策来提高交通效率、减少拥堵、增强交通安全和支持可持续出行的潜力。然而,在通信延迟、传感器和数据不确定性、计算复杂性、可扩展性以及真实城市条件下的验证方面仍存在重大挑战。基于所综述的文献,本文识别了关键的研究空白,并勾勒了面向下一代智慧城市的可扩展、可靠、自适应和实时数字孪生智能交通系统架构的未来研究方向。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号