(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211156784.8 (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. G06F 30/27(2020.01) G06Q 10/04(2012.01) G06Q 50/26(2012.01) G06Q 50/30(2012.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (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。 权利要求书3页 说明书8页 附图1页 CN 115470707 A 2022.12.13 CN 115470707 A 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： 权　利　要　求　书 1/3 页 2 CN 115470707 A 2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。 6.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， 商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： 权　利　要　求　书 2/3 页 3 CN 115470707 A 3