一种基于数字孪生的计算与分析框架，用于低空空域

《Scientific Reports》：A digital twin-driven computation and analysis framework for low-altitude airspace

　　

摘要

本研究旨在解决低空空域管理中面临的重大挑战，这些问题包括高度动态复杂性、显著的安全隐患以及信息碎片化，并提出了一种基于数字孪生的计算与分析框架。该框架采用四层数字孪生架构，通过多源异构数据融合实现高保真空间映射，提供统一的时空表示、动态演化建模以及双向物理-虚拟闭环交互功能。框架还融入了智能组件：双向GRU-Seq2Seq轨迹预测模型和基于卡尔曼滤波器的误差补偿机制，支持定量资源评估、实时轨迹分析及冲突预警。实验验证表明，在三种运行场景下（常规单目标飞行、多目标协同飞行和极端天气干扰），所提方法的平均轨迹预测误差为1.52米，相较于Transformer基线方法（2.36米）降低了47.9%，相较于ST-GCN方法（2.48米）降低了38.7%，相较于传统几何孪生方法（2.63米）降低了42.2%。此外，该方法在不同预测时间范围内（5–15秒）均保持较低误差，15秒时的最大误差仅为3.9米，显著优于Transformer（4.3米）、ST-GCN（4.6米）和传统几何孪生（6.3米）模型。在GPS信号受阻和通信中断的复杂场景中，该方法仍表现出优异的鲁棒性，平均误差分别为2.15米和2.38米，远低于其他竞争方法。实验结果证实，所提方法在位置精度、预测稳定性和鲁棒性等关键性能指标上均优于传统几何孪生方法和基于深度学习的方法，证明了其在低空空域管理任务中的有效性和实用性。