デジタルツイン東京が稼働開始！具現化された知能、サンプル移行ゼロ、現実世界、共有された群知能
【新知恵の紹介】AIは、アートデザインや文章作成の分野を強化した後、都市計画や都市の動態のリアルタイム監視にも新たな活力を注入しました。
東京の高解像度点群3D デジタルツイン モデルが公開されました！どなたでも無料でダウンロードできます。
プロジェクトのアドレス：https://github.com/tokyo-digitaltwin
デジタルツインモデルのスケールはhですそしてe、そして東京の描写は驚くほど詳細で、絶対位置精度は約10cm以内です。
道路上の横断歩道
NVIDIAのシニアリサーチサイエンティストであるジム・ファン氏は、「今後、ますます多くの都市、住宅、工場がシミュレーション環境に取り込まれるようになるのは当然のことだ」と述べた。
将来、ロボットは単独で訓練されるのではなく、リアルタイムグラフィックスエンジン上で「鋼鉄の艦隊」としてシミュレーションされ、巨大なクラスタによって拡張され、次の数兆個もの高品質な訓練データが生成されるだろう。
言い換えれば、物理環境をデジタル化し、それを仮想シミュレーション世界に取り込むことで、ロボット工学の発展は飛躍的に加速するだろう。
高精度なシミュレーション環境で訓練することで、ロボットは豊富な訓練データを取得し、複雑なシナリオでも迅速に学習することができる。
このアプローチは、ロボットが仮想世界から現実世界へスムーズに移行することを促進し、実用的な用途におけるロボットの効率性と知能を高めるだろう。
都市のデジタルツインとは何ですか？
簡単に言えば、デジタルツインとは、物理空間に存在する実体をサイバースペースに複製したものである。
この再現が一定の精度に達すれば、物理的な物体に取り付けられたセンサーから送信されるリアルタイムデータを使用して、動作をシミュレートしたり、運用状況を監視したりすることが可能になり、「双子都市」の建設と活用が可能になる。
都市のデジタルツインとは、実際には、建物や道路などのインフラ、経済活動、人の流れ、その他の要素を、認識された都市データに基づいてサイバースペース上に「双子」のように再現することである。
言い換えれば、下図のような連続ループにおいて、物理空間における様々な活動領域から得られたリアルタイムデータに基づいてサイバースペースで高度な分析やシミュレーションを実行し、その結果を高速かつインタラクティブな形で物理空間にフィードバックすることが可能である。
ヴェルナー・クリッツィンガーらによると、デジタルツインには3つの段階がある。
最初の段階はデジタルモデリングと呼ばれ、既存の物理オブジェクトと、それが表現される仮想空間との相互変換は手動で行われる作業です。都市のデジタルツインの場合、これは既に利用可能な履歴データ（例えば、交通流データの再現など）を3D都市上に再現する段階です。
第2段階はデジタルシェーディングと呼ばれ、物理オブジェクトをデジタルオブジェクトに自動的に変換することを可能にする、一方向のデータフローの状態である。
第3段階はデジタルツインであり、物理オブジェクトとデジタルオブジェクトが双方向で完全に融合し、各オブジェクトが変化すると自動的に他のオブジェクトに反映される。都市のデジタルツインにおいては、現実の物理空間とサイバー空間における双方向のデータ交換が実現される。
都市のデジタルツインにおける主な価値は以下のとおりです。
- 現実と連動したリアルタイムデータ取得：高度なセンサー技術と通信技術を用いて、さまざまなデータをリアルタイムで収集します。
- 3D空間を用いた解析とシミュレーション：現実を再現した空間での実験など、高度な解析とシミュレーション
- 現実へのフィードバック：意思決定、システム制御などのために、結果をリアルタイムで現実空間にフィードバックします。
例えば、ニューサウスウェールズ州における交通渋滞の分析と規制にデジタルツインとAI予測エンジンを適用することで、交通渋滞によって失われる社会的利益のコストを大幅に削減できる可能性がある。
デジタルツイン対アナログ
都市のデジタルツインとは、現実世界の状況をリアルタイムで反映するように構築された、都市のデジタル複製のことである。
それは、現実の都市と一体となって生きる「影」のように、都市のリアルタイムな動きに合わせて絶えず変化します。このモデルは、都市の現状を反映するだけでなく、現実世界で発生する予期せぬ事態にも迅速に対応できます。
それに対し、都市シミュレーションは、仮定とあらかじめ設定されたルールに基づいた、比較的静的なモデルである。
これは過去の都市運営データを抽出・要約したものであり、一定のパターンを反映することはできるものの、デジタルツインのリアルタイムデータほど正確ではない。都市シミュレーションは、都市の過去の「病歴」に基づいて、将来起こりうる状況を予測するものである。
概して言えば、デジタルツインとシミュレーションはどちらも仮想モデルに基づいたシミュレーションですが、いくつかの重要な違いがあります。
シミュレーションは通常、設計や、場合によってはオフラインでの最適化に用いられます。設計者はシミュレーションに変更点を入力し、様々なシナリオを検証します。一方、デジタルツインは、人々がリアルタイムで操作・更新できる複雑な仮想環境です。規模がはるかに大きく、用途も多岐にわたります。
例えば、自動車シミュレーションでは、初心者ドライバーは没入型のトレーニング体験を通して、様々な自動車部品の操作方法を学び、仮想空間で運転しながら様々な現実のシナリオを体験することができます。しかし、これらのシナリオは実際の自動車とは直接関係がありません。
一方、車のデジタルツインは物理的な車両と関連付けられており、重要な性能統計、過去に交換された部品、センサーによって検出された潜在的な問題、過去のメンテナンス記録など、実際の車に関するすべての情報を学習します。
都市デジタルツインの3つの柱
都市デジタルツインの3つの柱は、「データ保守」、「データ可視化」、「データ分析」と定義される。
- データメンテナンス
デジタルツイン上で処理される地理空間データ情報（3Dデジタルマップ、点群データ、GISデータなど）の維持管理と集約。これにはデータ収集、データ保存、データ管理が含まれる。
- データ視覚化
3Dビューアなどの視覚化システムを通して、複雑なデータは直感的に理解しやすいグラフ、チャート、3Dモデルに変換され、都市管理者は都市全体の「デジタル肖像」を見ることができるようになる。
例えば、ヒートマップは都市のさまざまな地域における人口密度を示すために使用され、動的なフロー図は交通の流れや混雑状況を表すために使用され、3Dモデルは建物内のエネルギー消費の分布をシミュレーションするために使用されます。
これらの視覚化によって、都市管理者はまるで都市の全体像を見通せる「目」を持っているかのように、都市の運営状況を一目で把握することができる。
- データ分析
デジタルツイン上のデータは、様々なアプリケーションシミュレーターを通して分析され、対策に活用される。
都市部の公共交通機関を例にとると、乗客の移動時間、移動経路、移動頻度などのデータを分析することで、バス路線の調整、バスの運行スケジュールの最適化、公共交通機関の運行効率の向上、乗客の待ち時間や移動コストの削減が可能となる。
エネルギー管理の観点から言えば、建物のエネルギー消費データを分析することで、都市のエネルギー消費量を削減し、持続可能な都市開発を実現するための正確な省エネルギー計画を策定することができる。
データ保守、データ可視化、データ分析
東京デジタルツイン
東京デジタルツインプロジェクトは2030年までに実現する予定で、関連するベータ版は既に公開されている。
体験へのリンク：https://3dview.tokyo-digitaltwin.metro.tokyo.lg.jp/? _ga=2.180157796.1370176531.1735090358-57006728.1735090358