NVIDIA於GTC22秋季展中介紹了多項與合作夥伴共同研發的Omniverse應用，這邊我們挑選HEAVY.AI與德國鐵路的成功案例進行分享。

先模擬、再架設5G網路

超高的頻寬是5G行動網路最大的優點之一，但是對於電信業者而言，要如何面對成本高昂且複雜的網路需求，是個相當大的挑戰。進階資料分析公司HEAVY.AI推出HeavyRF解決方案，以NVIDIA Omniverse平台為基礎，打造城市的造數位孿生並作為新一代網路規劃和營運工具。

在沒有導入數位孿生的傳統開發流程中，電信營運商必須實際將微型基地台和基地塔放在人口稠密地區，以透過實驗瞭解無線電發報器、環境、移動中的人員和裝置之間的相互作用，並收集樹木密度或大樓等因素所造成干擾的數據資料，過程相當浪費時間與金錢成本。

另一方面，由於5G網路所使用的頻率較高，所以在早期部署5G網路時需要增加3倍的基地台數量，而根據研究人員Analysys Mason提供的數據，5G端點比LTE多消耗3倍電力，且如果以相同方式部署，成本會比LTE提高4倍。

為了大幅提升工作效率，Heavy.AI的數位孿生解決方案運用GPU加速的分析和即時地球物理資訊製圖，使用Omniverse RTX渲染器的即時RTX光線追蹤技術，進行無線射頻（RF）訊號的物理模擬，讓電信公司得以在數秒內透過HeavyRF模組瞭解無線射頻的傳輸狀況，並改善在安裝實體基地台的位置與參數，協助電信公司更高效地規劃、建構和營運新網路的目標，進而大幅節省時間和成本，並可透過機器學習和巨量資料流程不斷反映現有真實世界的條件以進行改善。

▲Heavy.AI透果Omniverse建立城市的數位孿生，並進行無線射頻訊號模擬。

▲從介紹影片可以看出，在數位孿生內進行無線射頻訊號模擬的工作流程相當簡短且節省成本。

鐵路也能建立數位孿生

德國國鐵營運商德國鐵路股份公司擁有5700個車站及33000公里的軌道，是西歐最大的鐵路網，公司旗下的德國數位軌道計畫（Digitale Schiene Deutschland，DSD），正致力於在不建造新軌道的前提下提高鐵路網的運輸能力，其方式為建立能讓列車安全運行的強大的鐵路系統，並縮小彼此之間的列車班距，且以最佳方式行駛在鐵路網中。

DSD與NVIDIA合作製作首個與德國等比例大小的數位孿生模型，以徹底模擬列車自動運行在整個路網中的情況，透過物理模擬方式，逼真模擬包括行經城市和鄉村的軌道、來自車站月台測量結果和車輛感測器等細節在內的完整鐵路系統，並開發出功能強大的感知與事故預防和管理系統，以便在日常鐵路列車運行的過程中偵測異常情況並做出最佳回應。

建立規模如此龐大的數位孿生模型並不是簡單的工作，它需要用到特別訂製的3D開發管線，利用Siemens JT自動化生態系統內建置的電腦輔助設計資料集，與DSD的高解析度3D地圖，並串連多種模擬工具，透過USD（通用場景描述）格調檔案可以將不同的資料來源連接與合併到一個共享的虛擬模型內。

受益於數位孿生中的鐵路網與現實世界完美同步，DSD可以反覆模擬，並不斷輸入最新資料以提升模型品質，進行最佳化及「假設」情境的測試，以測試和驗證調整鐵路系統的情況，並對未知情況提早作出反應。

▲德國鐵路也透過數位孿生簡化鐵路網的模擬工作。

▲德國鐵路能在數位孿生中測試各種不同的行車狀況，並模擬「假設」的意外情境，同時也能訓練AI利用電腦視覺系統持續觀察路線及辨識事件，自動對潛在危險提出警示並作出回應。

DSD 憑藉其在最佳化調整鐵路路網方面的開創性做法，將引領歐洲鐵路系統及相關產業的未來發發展方向。各國之間共用其資料池，可以對未來的車輛持續改進和進行部署，除降低成本又能獲得最佳的運輸品質。