一种城市场景仿真模拟系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115470707A(43)申请公布日2022.12.13(21)申请号202211156784.8G06N3/08(2006.01)(22)申请日2022.09.22(71)申请人上海时氪信息技术有限公司地址200000上海市杨浦区国通路127号16层(集中登记地)(72)发明人张焱(74)专利代理机构北京汇捷知识产权代理事务所(普通合伙)11531专利代理师李俊华(51)Int.Cl.G06F30/27(2020.01)G06Q10/04(2012.01)G06Q50/26(2012.01)G06Q50/30(2012.01)G06N3/04(2006.01)权利要求书3页说明书8页附图1页(54)发明名称一种城市场景仿真模拟系统(57)摘要本发明公开了一种城市场景仿真模拟系统，包括：城市场景开发编辑器，城市场景库模块和优化模块；场景开发编辑器调用并自定义组合解决方案库，根据角色、车辆、环境系统，创建城市场景库模块，进行三维场景实时渲染与预览；解决方案库包括场景资源库、任务动作库、产品素材库；城市场景库模块包括交通规划场景库、制造产业场景库、商业中心场景库、低碳生活场景库；优化模块包括交通优化子模块、产业优化子模块、商业优化子模块和低碳优化子模块。本发明提出的基于PINN原理与深度学习的模拟预测方法，可对各种场景中人流量、交通情况、碳减排、商业布局等进行动态模拟和预测。CN115470707ACN115470707A权利要求书1/3页1.一种城市场景仿真模拟系统，其特征在于，包括：城市场景开发编辑器，城市场景库模块和优化模块；所述场景开发编辑器调用并自定义组合解决方案库，根据角色、车辆、环境系统，创建城市场景库模块，进行三维场景实时渲染与预览；解决方案库包括场景资源库、任务动作库、产品素材库；所述城市场景库模块包括交通规划场景库、制造产业场景库、商业中心场景库、低碳生活场景库；优化模块包括：交通优化子模块、产业优化子模块、商业优化子模块和低碳优化子模块；交通优化子模块根据输入的道路规划参数、无人车动作参数，使用GAN神经网络生成新数据集，并对数据集进行深度学习，得出无人车行驶最佳路径；产业优化子模块根据输入的产业规划参数、区域位置参数、人口结构参数，使用GAN神经网络生成新数据集，并对数据集进行深度学习，输出最佳产业布局；商业优化子模块根据输入的商业类型参数、商业位置参数、使用GAN神经网络生成新数据集，并对数据集进行深度学习，输出最佳人流量模型；低碳优化子模块根据输入的空间布局、热湿环境、光环境、气流组织参数、使用GAN神经网络生成新数据集，并对数据集进行深度学习，输出CO2减排量，所述空间布局包括空调末端系统、遮阳系统、照明系统、门窗的设置。2.根据权利要求1所述的城市场景仿真模拟系统，其特征在于，所述交通规划模块包括自动驾驶环线场景和地下物流配送网络场景；所述制造产业场景库包括孵化空间场景、企业服务空间场景、企业总部场景；所述商业中心场景库包括商业综合体场景、娱乐文化中心场景；所述低碳生活场景库包括地下能源网络场景、绿色建筑场景、垃圾回收场景和雨水收集场景。3.根据权利要求1所述的城市场景仿真模拟系统，其特征在于，所述场景开发引擎通过模块化进行场景搭建，并通过脚本进行场景模拟与数据可视，并基于地理信息对环境进行预设模拟。4.根据权利要求1所述的城市场景仿真模拟系统，其特征在于，交通优化子模块使用基于PINN的深度学习方法进行深度学习，其中的目标函数为：2CN115470707A权利要求书2/3页其中route为控制变量，代表车辆的推荐路线或人群的疏导信号或交通信号灯的实时控制；U为系统关注的状态变量，包括道路交通流量与车辆拥堵情况、人群分布情况与实时基站信号、场景能耗与交易信息；Lu和Lf为根据状态实测数据与系统运行规律计算获得损失函数，用于训练PINN中使用的神经网络，W为神经网络参数，通过训练获取；x和t为系统运行的空间与时间变量，和为系统离散之后状态损失函数关注的具体时间空间节点，和为系统离散之后运行规律损失函数关注的具体时间空间节点；ui为收集用于训练的状态数据，Nu与Nf为采样的数据样本数量。5.根据权利要求1所述的城市场景仿真模拟系统，其特征在于，产业优化子模块使用基于PINN的深度学习方法进行深度学习，其中的目标函数为：其中site为控制变量，代表各产业的设置分布；U为系统关注的状态变量，包括城市容量、人口数量、产业链分布；Lu和Lf为根据状态实测数据与系统运行规律计算获得损失函数，用于训练PINN中使用的神经网络，W为神经网络参数，通过训练获取；x和t为系统运行的空间与时间变量，和为系统离散之后状态损失函数关注的具体时间空间节点，和为系统