基于数字孪生的评估系统及方法

技术领域

本申请涉及评估系统领域，尤其涉及一种基于数字孪生的评估系统及方法。

背景技术

随着数字经济的高速发展，数字孪生技术已经融合在各行各业当中。数字孪生技术通过借助历史数据，实时数据库以及算法模型等，进行模型验证和预测等。但是在实际生产过程中，通过数字孪生系统，对新的任务和应用场景进行仿真预测的时候，由于新的任务和场景往往是冷启动的过程，没有数据或者只有少量数据，如何将历史数据用好，使得仿真过程精准，评估结果最终能达到能指导实际生产的目的，是当下数字孪生评估系统的难点。

因此，如何提供一种能够解决上述问题的基于数字孪生的评估系统是亟待解决的问题。

发明内容

有鉴于此，提出了一种数字孪生的评估系统及方法，能够解决在针对目标任务没有数据或少量数据情况下，无法将历史数据用好，针对目标任务的仿真过程不精准、评估结果无法能达到能指导实际生产的问题。

第一方面，本申请的实施例提供了一种基于数字孪生的评估系统，所述系统包括：

策略选择模块，用于接收针对目标任务的输入数据，根据所述输入数据的类型确定目标样本数据的获取方式，其中，所述输入数据表示执行所述目标任务的真实环境的特征；

数据迁移模块，用于基于所述获取方式和所述输入数据，利用预设的数据库获取与所述目标任务匹配的目标样本数据和各所述目标样本数据对应的元数据；

环境生成模块，用于根据所述目标样本数据和各所述目标样本数据对应的元数据进行环境仿真，构建出对应于所述目标任务的目标环境模型；

仿真分析模块，用于基于所述目标环境模型进行针对所述目标任务的仿真预测，得到仿真结果，以根据所述仿真结果对所述目标任务在所述真实环境中的执行情况进行评估。

在一种可能的实现方式中，所述输入数据包括采样数据或针对所述真实环境的描述信息，

所述根据所述输入数据的类型确定目标样本数据的获取方式，包括：

若所述输入数据为采样数据且所述采样数据对应于负样本数据，则所述获取方式为优先获取负样本数据的负样本仿真策略，其中，所述采样数据是所述真实环境中采集的环境数据；或者

若所述输入数据为采样数据且所述采样数据对应于正样本数据，则所述获取方式为优先获取正样本数据的正样本仿真策略，其中，采样数据是所述目标任务在所述真实环境中执行的事件数据，所述事件数据中包括所述真实环境的环境数据；或者

若所述输入数据为所述描述信息，则所述获取方式为优先获取正样本数据和负样本数据的无数据仿真策略。

在一种可能的实现方式中，所述若所述输入数据为采样数据且所述采样数据对应于负样本数据，则所述获取方式为优先获取负样本数据的负样本仿真策略，包括：

在所述采样数据的数据量大于或等于第一阈值的情况下，若所述输入数据为采样数据且所述采样数据对应于负样本数据，则所述获取方式为优先获取负样本数据的负样本仿真策略。

在一种可能的实现方式中，所述系统还包括：

数据采集模块，用于进行针对所述目标任务的数据采集，得到所述采样数据，并将所述采样数据作为输入数据发送至所述策略选择模块；和/或

信息获取模块，用于根据检测到的用户输入操作确定出描述信息，并将所述描述信息作为输入数据发送至所述策略选择模块。

在一种可能的实现方式中，数据迁移模块，包括：

第一迁移子模块，在确定所述获取方式为所述负样本仿真策略或所述正样本仿真策略的情况下，基于所述获取方式、所述采样数据和所述数据库确定出与所述目标任务匹配的目标正样本数据；

将所述目标正样本数据和所述采样数据确定为所述目标样本数据。

在一种可能的实现方式中，在确定所述获取方式为所述负样本仿真策略的情况下，基于所述获取方式、所述采样数据和所述数据库确定出与所述目标任务匹配的目标正样本数据，包括：

根据各所述采样数据的元数据确定出所述采样数据对应的目标元数据，将所述数据库存储的多个正样本数据中元数据与所述目标元数据匹配的正样本数据确定为所述目标正样本数据；并且/或者

从所述数据库存储的多个样本编解码模型中确定出元数据与所述目标元数据匹配的目标样本编解码模型，将利用所述目标样本编解码模型生成的正样本数据确定为所述目标正样本数据，其中，所述样本编解码模型用于生成样本数据；并且/或者

确定出所述采样数据的目标数据特征，从所述数据库存储的多个负样本数据中确定出数据特征与目标数据特征匹配的负样本数据，将所述数据库中与所述负样本数据对应的正样本数据确定为所述目标正样本数据。

在一种可能的实现方式中，在确定所述获取方式为所述正样本仿真策略的情况下，基于所述获取方式、所述采样数据和所述数据库确定出与所述目标任务匹配的目标正样本数据，包括：

根据各所述采样数据的元数据确定出所述采样数据对应的目标元数据，将所述数据库存储的多个正样本数据中元数据与所述目标元数据匹配的正样本数据确定为所述目标正样本数据；并且/或者

从所述数据库存储的多个样本编解码模型中确定出元数据与所述目标元数据匹配的目标样本编解码模型，将利用所述目标样本编解码模型生成的正样本数据作为所述目标正样本数据，其中，所述样本编解码模型用于生成样本数据。

在一种可能的实现方式中，所述第一迁移子模块，还用于在确定所述获取方式为所述正样本仿真策略的情况下，根据各所述采样数据的元数据确定出所述采样数据对应的目标元数据，将所述数据库存储的多个历史环境模型中元数据与所述目标元数据匹配的历史环境模型确定为所述目标环境模型，并将所述目标环境模型发送至所述仿真分析模块。

在一种可能的实现方式中，所述数据迁移模块，还包括：

第二迁移子模块，在确定所述获取方式为所述无数据仿真策略的情况下，将所述数据库中存储的多个正样本数据和多个负样本数据中元数据与所述描述信息匹配的正样本数据和负样本数据确定为所述目标样本数据；并且/或者

从所述数据库存储的多个样本编解码模型中确定出元数据与所述描述信息匹配的目标样本编解码模型，将利用所述目标样本编解码模型生成的正样本数据和负样本数据确定为所述目标样本数据，其中，所述样本编解码模型用于生成样本数据。

第二方面，本申请的实施例提供了一种基于数字孪生的评估方法，所述方法包括：

接收针对目标任务的输入数据，根据所述输入数据的类型确定目标样本数据的获取方式，其中，所述输入数据表示执行所述目标任务的真实环境的特征；

基于所述获取方式和所述输入数据，利用预设的数据库获取与所述目标任务匹配的目标样本数据和各所述目标样本数据对应的元数据；

根据所述目标样本数据和各所述目标样本数据对应的元数据进行环境仿真，构建出对应于所述目标任务的目标环境模型；

基于所述目标环境模型进行针对所述目标任务的仿真预测，得到仿真结果，以根据所述仿真结果对所述目标任务在所述真实环境中的执行情况进行评估。

第三方面，本申请的实施例提供了一种基于数字孪生的评估装置，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令时实现如上述第二方面的基于数字孪生的评估方法。

第四方面，本申请的实施例提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如上述第二方面的基于数字孪生的评估方法。

第五方面，本申请的实施例提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备中运行时，所述电子设备中的处理器执行上述第二方面的基于数字孪生的评估方法。

本申请的这些和其他方面在以下(多个)实施例的描述中会更加简明易懂。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本申请的示例性实施例、特征和方面，并且用于解释本申请的原理。

图1示出相关技术中基于数字孪生的评估过程示意图。

图2、图3分别示出根据本申请一实施例的基于数字孪生的评估系统的结构框图。

图4示出根据本申请一实施例的基于数字孪生的评估系统采用负样本仿真策略的流程示意图。

图5示出根据本申请一实施例的基于数字孪生的评估系统采用正样本仿真策略的流程示意图。

图6示出根据本申请一实施例的基于数字孪生的评估系统采用无数据仿真策略的流程示意图。

图7示出根据本申请一实施例的一种电子设备100的结构示意图。

图8示出根据本申请一示例性实施例示出的一种用于基于数字孪生的评估的装置1900的框图。

具体实施方式

以下将参考附图详细说明本申请的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或匹配的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本申请，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本申请同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本申请的主旨。

图1示出相关技术中基于数字孪生的评估过程示意图。相关技术中，如图1所示的基于数字孪生的仿真评估中，针对新的任务，通过在实际的物理空间中利用物理系统进行数据采集，将采集的数据送入到虚拟空间。在虚拟空间中，通过历史数据库中存储的数据构造环境得到仿真模型，而后再利用构造的环境的仿真模型对采集的数据进行仿真，得到用于指导和决策新的任务的仿真结果。相关技术使用的是传统单任务思维，没有考虑数据可迁移性，并且需要在历史数据库中存储大量数据才能保证仿真效果，且仿真效率低，精度差，不能真实并且快速模拟出贴合实际的真实生产环境，对实际生产的指导意义有限。概括而言，相关技术存在以下问题：一、数据存储量大。由于需要模拟各种各样的环境，需要存储大量的数据进行虚拟环境构建，虚拟环境构建效率低，数据使用率低。二、构建的虚拟环境精度低，且和物理世界的真实场景相差较大，最终使得仿真结果对实际的指导有限。三、针对新任务仿真效率低。四、最终仿真的结果维度比较单一，无法多个方面来评价，也无法指导后续数据采集或者真实物理系统调整的方向。

本申请实施例提供了一种基于数字孪生的评估系统。基于针对目标任务的输入数据的类型确定出对应的获取方式后，基于获取方式结合数据库进行多任务分析，通过数据迁移获得所需的目标样本数据，并基于目标样本数据进行目标环境模型的创建，以及基于目标环境模型进行针对目标任务的仿真预测得到仿真结果，以根据仿真结果对目标任务在所述真实环境中的执行情况进行评估。其中，输入数据可以为针对目标任务的少量采样数据或无采样数据，大幅降低人工进行数据采集的成本，提升了效率。且可以根据输入数据的类型针对性确定获取目标样本数据的获取方式，增强了对数据库中数据的利用，可以对新目标任务快速赋能，进行精准的环境生成仿真，使得目标环境模型的生成更加精准，可解释性强，保证仿真结果可用于最终针对目标任务的指导与决策，使得仿真结果可回溯、可解释、针对性强，精准度高。

图2、图3分别示出根据本申请一实施例的基于数字孪生的评估系统的结构框图。如图2所示，本申请提供的基于数字孪生的评估系统，所述系统包括：策略选择模块11、数据迁移模块12、环境生成模块13和仿真分析模块14。

策略选择模块11，用于接收针对目标任务的输入数据，根据所述输入数据的类型确定目标样本数据的获取方式。其中，所述输入数据可以表示执行所述目标任务的真实环境的特征。

在本实施例中，目标任务可以是能够在真实环境中实际执行的数据采集、信号传输、对其他设备进行监测保护等任务。在一些实施例中，目标任务还可以是在真实环境中建造厂房等等。本领域技术人员可以根据实际需要对目标任务进行设置，本申请对此不作限制。

例如，在光纤传感事件识别任务中，要对挖机、夯机等破坏光纤的事件进行识别预警，则目标任务可以为：在光纤的周围部署用于进行信号采集的传感器等采集设备，以通过采集设备对挖机的敲打信号、夯机的敲打信号以及光纤周围的噪声等数据进行采集。而后采集设备可以将采集到的数据转化为图像数据进行内容识别，以确定出光纤当前是否处于安全状态，并在确定光纤已经被破坏或可能会遭到破坏时及时告警提示。但由于光纤传感事件识别任务的实际执行中需要先将采集设备部署到对应位置，而在没有实际部署采集设备之前，用户、技术人员等并不能得知该采集设备实际在真实环境中识别预警的可靠性和准确性等，需要对采集设备在真实环境中的识别预警进行仿真评估，因此可以确定相应的目标任务、获取需要的输入数据，基于本申请的系统进行仿真评估。

在一种可能的实现方式中，输入数据可以包括以下两种类型的数据：采样数据或针对所述真实环境的描述信息。

其中，采样数据可以是针对目标数据在实际真实环境中进行数据采集得到的数据。在一种可能的实现方式中，如图3所示，所述系统还可以包括：数据采集模块15。数据采集模块15，用于进行针对所述目标任务的数据采集，得到所述采样数据，并将所述采样数据作为输入数据发送至所述策略选择模块11。或者，数据采集模块15可以在获取到采样数据之后，将采样数据发送至其他设备存储，用户等相关人员再将其他设备存储的采样数据作为输入数据输入至策略选择模块。

在一些实施例中，采样数据可以包括环境数据和事件数据。其中，环境数据可以是指目标任务执行时所处的真实环境进行温度、湿度、大气压强、环境噪声、风力、地理位置等表征真实环境的基本特征的数据，环境数据本身属于对应于目标任务的负样本数据。事件数据可以是目标任务实际在真实环境中执行所能检测到的对应于目标任务的事件的数据，事件数据本身属于对应于目标任务的正样本数据。其中，事件数据中可以包括对应于事件的数据、也可以包括环境数据。例如，对于上述“光纤传感事件识别任务”，所能采集到的数据包括：检测的挖机的敲打信号、夯机的敲打信号对应的数据、检测到的环境噪声对应的数据。则采样数据可以为仅包括环境噪声对应的数据在内的环境数据。采样数据还可以包括检测的挖机的敲打信号、夯机的敲打信号、环境噪声对应的数据在内的事件数据，其中，环境噪声对应的数据即为环境数据。

在一些实施例中，数据采集模块15可以为传感器等数据采集设备。数据采集模块15可以针对环境进行数据采集得到环境数据，也可以针对事件和环境进行数据采集得到事件数据。

在一种可能的实现方式中，如图3所示，所述系统还可以包括：信息获取模块16。信息获取模块16，用于根据检测到的用户输入操作确定出描述信息，并将所述描述信息作为输入数据发送至所述策略选择模块11。

在一些实施例中，在各类原因的限制下，导致无法在目标任务的真实环境中进行检测，使得针对目标任务无法以采样数据作为输入数据的情况下，可以通过信息获取模块16根据检测到的用户输入操作确定出描述信息。其中，信息获取模块16根据用户输入操作确定出描述信息的方式可以包括但不限于以下几种：信息获取模块16为用户展示能够供用户操作以进行内容输入的输入界面，信息获取模块16可以基于用户通过输入界面输入的内容确定出描述信息。其中，若用户输入内容为记录有真实环境的描述信息的文件，则信息获取模块16可以基于文件进行内容提取，得到描述信息。若用户通过输入界面中的输入框以文字或语音的方式直接进行内容输入，则信息获取模块16可以基于用户在输入框中输入的内容提取出描述信息。若用户通过选择操作对输入界面中展示待选描述信息进行了选择，则信息获取模块16可以将被用户选中的待选描述信息确定为描述信息。

在一些实施例中，为保证系统进行仿真评估结果的准确性，可以对描述信息的种类和/或数量进行设置，信息获取模块16在基于用户的输入操作确定出一部分描述信息后，还可以基于这些描述信息进一步获取增补的描述信息，并将用户输入的描述信息和增补的描述信息都确定为后续作为输入数据的描述信息。例如，对于上述“光纤传感事件识别任务”，若用户输入的描述信息仅包含真实环境的地理位置，缺少真实环境的温度、湿度，则信息获取模块16可以基于“地理位置”进一步查询确定出真实环境的温度、湿度，进而将地理位置、温度、湿度均作为“光纤传感事件识别任务”的描述信息。

可以理解的是，信息获取模块16可以通过以上一种或多种方式基于用户输入操作的来获取描述信息，本申请对此不作限制。

在本实施例中，目标样本数据可以包括目标正样本数据和目标负样本数据。其中，目标正样本数据可以为对应于目标任务中的事件的数据，目标负样本数据可以为对应于目标任务的真实环境的数据。

图4示出根据本申请一实施例的基于数字孪生的评估系统采用负样本仿真策略的流程示意图。图5示出根据本申请一实施例的基于数字孪生的评估系统采用正样本仿真策略的流程示意图。图6示出根据本申请一实施例的基于数字孪生的评估系统采用无数据仿真策略的流程示意图。以下结合图4-图6对系统采用三种仿真策略进行针对目标任务的仿真、评估过程进行说明。

在本实施例中，所述根据所述输入数据的类型确定目标样本数据的获取方式，可以包括以下确定方式中的任意一种。

获取方式确定方式一：

如图4所示，若策略选择模块11在步骤S101中确定所述输入数据为采样数据且所述采样数据对应于负样本数据，其中，所述采样数据是所述真实环境中采集的环境数据；则可以确定数据采集模块15在步骤S100中针对当前目标任务并未获取到事件数据仅获取到了环境数据，可以基于环境数据进行样本迁移，所述获取方式可以为优先获取负样本数据的负样本仿真策略。例如，在“光纤传感事件识别任务”中，若仅能采集到真实环境的环境数据，则可以选择负样本仿真策略作为系统进行仿真、评估的仿真策略。

在一种可能的实现方式中，所述若所述输入数据为采样数据且所述采样数据对应于负样本数据，则所述获取方式为优先获取负样本数据的负样本仿真策略，可以包括：在所述采样数据的数据量大于或等于第一阈值的情况下，若所述输入数据为采样数据且所述采样数据对应于负样本数据，则所述获取方式为优先获取负样本数据的负样本仿真策略。

在一些实施例中，第一阈值可以根据环境的情况设定。采样数据(也即环境数据)的数据量大于或等于第一阈值，可以使得环境数据所指示的真实环境更为真实可靠，以使得最终获得目标样本数据更真实可靠，从而提升系统进行仿真、评估的可靠性和真实性。

获取方式确定方式二：

如图5所示，若策略选择模块11在步骤S201中确定所述输入数据为采样数据且所述采样数据对应于正样本数据，其中，采样数据是所述目标任务在所述真实环境中执行的事件数据。所述事件数据中包括所述真实环境的环境数据。则可以确定数据采集模块15在步骤S200中针对当前目标任务可以获取到事件数据，可以基于事件数据本身进行样本迁移，所述获取方式可以为优先获取正样本数据的正样本仿真策略。例如，在“光纤传感事件识别任务”中，能够布设采集设备以进行针对挖机、夯机等破坏光纤的事件和真实环境的数据采集，则采集设备若采集到了挖机的敲打信号、夯机的敲打信号(对应于正样本数据的采样数据)，又采集到了噪声数据(对应于负样本数据的采样数据)，则可以选择正样本仿真策略作为系统进行仿真、评估的仿真策略。

在本实施例中，为保证系统基于正样本仿真策略进行仿真评估的精准度，在采样数据为事件数据的情况下，可以对事件数据的最少数据量进行设置，以使得最终获得目标样本数据更真实可靠，从而提升系统进行仿真、评估的可靠性和真实性。其中，若事件数据足够多，满足创建目标环境模型的数据量需求，则策略选择模块11可以直接将事件数据作为目标正样本数据、将从事件数据中提取出的环境数据作为目标负样本数据，并将目标正样本数据及其元数据和目标负样本数据及其元数据直接发送至环境生成模块13。

获取方式确定方式三：

如图6所示，若策略选择模块11在步骤S301中确定所述输入数据为所述描述信息，则可以确定数据采集模块15没有进行数据采集且信息获取模块16在步骤S300中获取到了针对当前目标任务无法获取到环境数据和事件数据，可以基于描述信息进行样本迁移，所述获取方式可以为优先获取正样本数据和负样本数据的无数据仿真策略。例如，在“光纤传感事件识别任务”中，由于无法在真实环境中布设采集设备，也就无法获取能够有效反应真实环境和事件的实际采集的数据，仅能获得一些针对真实环境的描述信息，则可以选择无数据仿真策略。

在一些实施例中，上述仿真策略(仿真策略包括上述负样本仿真策略、正样本仿真策略和无数据仿真策略)可以是预先设置的、与不同类型的输入数据的获取方式相对应。仿真策略可以为使得本申请实施例所提供的评估系统能够实现目标任务仿真、评估的方案集合。本申请提供的三种仿真策略，可以根据输入数据的类型提供针对性的仿真策略，从而大幅降低数据采集带来的成本。

数据迁移模块12，用于基于所述获取方式和所述输入数据，利用预设的数据库20获取与所述目标任务匹配的目标样本数据和各所述目标样本数据对应的元数据。

环境生成模块13，用于根据所述目标样本数据和各所述目标样本数据对应的元数据进行环境仿真，构建出对应于所述目标任务的目标环境模型(如图4中的步骤S105、图5中的步骤S207、图6中的步骤S303)。其中，环境生成模块13可以对目标正样本数据和目标负样本数据进行融合，并利用目标正样本数据和目标负样本数据分别对应的元数据搭配融合后的样本数据的元数据，进而根据融合后的样本数据及其元数据构建出对应于目标任务的目标环境模型。这样，所构建出的目标环境模型与目标任务的真实环境相似度高，为后续仿真分析和评估的高精度和高准确度提供基础。例如，环境生成模块13可以生成对应于目标任务的真实环境，如“武汉、28度、雨天”的目标环境模型、“北京、30度、晴天”的目标环境模型。

在本实施例中，如图3所示，数据库20可以包括样本库21。其中，样本库21中存有基于不同的历史目标任务所确定的多个样本数据，样本数据包括正样本数据和负样本数据。样本库21中的正样本数据可以是对应的历史目标任务的事件数据，样本库21中的负样本数据可以是对应的历史目标任务的环境数据。

在本实施例中，如图3所示，数据库20还可以包括编解码库22。编解码库22中存储有基于不同的历史目标任务所确定的样本编解码模型，样本编解码模型包括编码模型和解码模型。其中，编解码库22中的编码模型是基于对应的历史目标任务的样本数据(包括正样本数据和负样本数据)确定的，能够用于作数据迁移性分析，可以对新的目标任务的输入数据进行特征提取得到提取结果。解码模型用于基于提取结果进行样本数据生成，也即解码模型可以基于提取结果生成对应于新的目标任务的目标正样本数据和/或目标负样本数据，以使得数据迁移模块12可以获取到满足目标环境模型构建所需的目标样本数据。在一些实施例中，编码模型可以为编码器，该编码器可以是基于AI模型生成的，能够对输入数据的特征进行提取得到提取结果。解码模型可以为解码器，该解码器也可以是基于AI模型生成的，可以用于基于编码器所得到的提取结果进行特征表达、以及进行目标正样本数据和/或目标负样本数据的生成。

在本实施例中，如图3所示，数据库20还可以包括环境模型库23。其中，环境模型库23中存储有基于不同的历史目标任务所构建的历史环境模型。历史环境模型是基于对应的历史目标任务的样本数据(包括正样本数据和负样本数据)确定的，历史环境模型是对应的历史目标任务的真实环境对应的目标环境模型，可以重复利用。在有新的目标任务的情况下，若可以从环境模型库23中确定出与新的目标任务匹配的历史环境模型，则可以直接将确定出的历史环境模型作为新的目标任务的目标环境模型，无需进行环境模型的创建，以简化仿真、评估过程，提高仿真评估的速度和效率。

在本实施例中，如图3所示，数据库20还可以包括元数据库24。其中，元数据库24中存放有对应于样本库21中各样本数据的元数据、对应于编解码库22中的编解码模型的元数据以及对应于环境模型库23中的历史环境模型的元数据。元数据又称为中介数据、中继数据，用于描述对应的样本数据或编解码模型的属性信息，例如，样本数据的元数据所记录的属性信息可以是温度、湿度、地理位置、天气等信息。编解码模型的元数据所记录的属性信息可以是温度、湿度、地理位置、天气等信息。历史环境模型的元数据所记录的属性信息可以是的温度、湿度、地理位置、天气等信息。元数据库24的设置，使得数据迁移性分析所获得的目标样本数据更精准，以保障后续精准构建目标环境模型，以使得目标环境模型的结果可解释。

在本实施例中，数据库20可以根据接收到的由终端设备等设备发送数据新增提示进行数据获取，将获取到的新增数据存储在数据库中，其中，新增数据可以包括以下至少一种：编解码模型及其对应的元数据、样本数据及其对应的元数据、历史环境模型及其对应的元数据，等等。

在本实施例中，如图3所示，数据迁移模块12可以包括第一迁移子模块121和第二迁移子模块122。其中，第一迁移子模块121用于在确定所述获取方式为所述负样本仿真策略或所述正样本仿真策略的情况下，进行目标样本数据的获取。第二迁移子模块122用于在确定所述获取方式为无数据仿真策略的情况下，进行目标样本数据的获取。

在一种可能的实现方式中，如图3所示，数据迁移模块12，可以包括：第一迁移子模块121。第一迁移子模块121，在确定所述获取方式为所述负样本仿真策略或所述正样本仿真策略的情况下，基于所述获取方式、所述采样数据和数据库确定出与所述目标任务匹配的目标正样本数据。将所述目标正样本数据和所述采样数据确定为所述目标样本数据。

在一些实施例中，在确定所述获取方式为所述负样本仿真策略或所述正样本仿真策略的情况下，目标样本数据与目标任务的匹配可以是指目标样本数据对应的元数据与采样数据(也即输入数据)的元数据相同或相似程度超过相似度阈值。其中，相似度阈值可以根据评估的精度等需求进行设置，本申请对此不作限制。例如，在“光纤传感事件识别任务”中，采样数据的元数据包括地理位置且为北京xx街道123号。则与所述目标任务匹配的目标正样本数据的元数据可以为“北京xx街道123号”或“地理位置与北京xx街道123号的相似程度超过相似度阈值”。

在本实施例中，负样本仿真策略和正样本仿真策略下，第一迁移子模块121所执行的操作存在差异，且负样本仿真策略和正样本仿真策略下，第一迁移子模块121获取到目标正样本数据的方式也不相同，以下分别进行说明。

在一种可能的实现方式中，如图4所示，在确定所述获取方式为所述负样本仿真策略的情况下，第一迁移子模块121获取到目标正样本数据的方式可以包括下述目标正样本数据获取方式一、二、三中的至少一种(如图4中的步骤S103)。

目标正样本数据获取方式一：

第一迁移子模块121，在确定所述获取方式为所述负样本仿真策略的情况下，根据各所述采样数据的元数据确定出所述采样数据对应的目标元数据(如图4中的步骤S102)。将数据库20存储的多个正样本数据中元数据与所述目标元数据匹配的正样本数据确定为所述目标正样本数据(如图4中的步骤S1031)。其中，目标元数据可以是第一迁移子模块121根据采样数据确定出能够表征采样数据的元数据的特征的数据。

目标正样本数据获取方式二：

第一迁移子模块121，在确定所述获取方式为所述负样本仿真策略的情况下，从数据库20存储的多个样本编解码模型中确定出元数据与所述目标元数据匹配的目标样本编解码模型。将利用所述目标样本编解码模型生成的正样本数据确定为所述目标正样本数据(如图4中的步骤S1032)。其中，所述样本编解码模型用于生成样本数据。目标样本编解码模型包括目标编码模型和目标解码模型，目标编码模型用于对采样数据进行提取得到提取结果，目标解码模型用于根据提取结果生成目标正样本数据。

在本实施例中，数据库20的编解码库22中各样本编解码模型的元数据、数据库20的样本库21中各正样本数据的元数据与目标元数据是否匹配可以基于样本编解码模型或正样本数据的元数据与目标元数据相似度确定。样本编解码模型或正样本数据的元数据与目标元数据相似度可以根据样本编解码模型或正样本数据的元数据所对应的地理位置与目标元数据对应的地理位置之间的地理距离、样本编解码模型或正样本数据的元数据所对应的向量与目标元数据对应的向量之间的向量距离等来确定。

其中，地理距离越近，样本编解码模型或正样本数据的元数据与目标元数据相似度越高，样本编解码模型或正样本数据的元数据与目标元数据的匹配程度越高。可以设置地理距离阈值，若样本编解码模型或正样本数据的元数据所对应的地理位置与目标元数据对应的地理位置之间的地理距离小于地理距离阈值，则可以确定元数据对应的样本编解码模型或正样本数据与目标元数据匹配。可以通过查询距离表的方式来确定样本编解码模型或正样本数据的元数据所对应的地理位置与目标元数据对应的地理位置之间的地理距离。例如，目标任务的目标元数据指示目标任务的地理位置位于北京，通过查询距离表可以知道在数据库中和北京匹配的地理位置包括河北，则可以确定数据库中元数据为河北的正样本数据与目标元数据匹配、数据库中元数据为河北的样本编解码模型与目标元数据匹配。

其中，向量距离越近，样本编解码模型或正样本数据的元数据与目标元数据相似度越高，样本编解码模型或正样本数据的元数据与目标元数据的匹配程度越高。可以设置向量距离阈值，若样本编解码模型或正样本数据的元数据所对应的向量与目标元数据对应的向量之间的向量距离小于向量距离阈值，则可以确定还元数据对应的样本编解码模型或正样本数据与目标元数据匹配。例如，目标元数据可以指示目标任务的真实环境的温度为零下10℃、天气为下雨、地理位置为武汉，则可以确定数据库中元数据的温度、湿度、地理位置对应的向量与(-10℃，下雨，武汉)的向量距离小于向量距离阈值的正样本数据、样本编解码模型与目标元数据匹配。

在目标正样本数据获取方式一中，第一迁移子模块121可以将样本库21中满足数据匹配条件的正样本数据确定为目标正样本数据，以及从元数据库24中提取出满足数据匹配条件的各正样本数据对应的元数据。其中，样本库21中满足数据匹配条件的正样本数据可以包括：元数据中的地理位置与目标元数据指示的地理位置之间的地理距离小于或等于地理距离阈值的正样本数据、和/或元数据对应的向量与目标元数据对应的向量之间的向量距离小于或等于向量距离阈值的正样本数据。

在目标正样本数据获取方式二中，第一迁移子模块121可以将编解码库22中满足第一编解码匹配条件的样本编解码模型确定为目标样本编解码模型，以及从元数据库24中提取出满足第一编解码匹配条件的各样本编解码模型对应的元数据。其中，编解码库24中满足第一编解码匹配条件的样本编解码模型可以包括：元数据中的地理位置与目标元数据指示的地理位置之间的地理距离小于或等于地理距离阈值的样本编解码模型、和/或元数据对应的向量与目标元数据对应的向量之间的向量距离小于或等于向量距离阈值的样本编解码模型。若第一迁移子模块121确定出满足第一编解码匹配条件的样本编解码模型为一个，则可以将该样本编解码模型确定为目标样本编解码模型。若第一迁移子模块121确定出满足第一编解码匹配条件的样本编解码模型为多个，则可以将满足第一编解码匹配条件的多个样本编解码模型中的任意一个确定为目标样本编解码模型；或者第一迁移子模块121也可以将满足第一编解码匹配条件的多个样本编解码模型中元数据中的地理位置与目标元数据指示的地理位置之间的地理距离最小的一个确定为目标样本编解码模型、或者第一迁移子模块12还将满足第一编解码匹配条件的多个样本编解码模型中元数据对应的向量与目标元数据对应的向量之间的向量距离最小的一个确定为目标样本编解码模型。

在目标正样本数据获取方式二中，第一迁移子模块121在基于目标样本编解码模型生成目标正样本数据之后，可以基于目标元数据、各采样数据的元数据和/或目标样本编解码模型对应的元数据，生成各目标正样本数据的元数据。

目标正样本数据获取方式三：

第一迁移子模块121，在确定所述获取方式为所述负样本仿真策略的情况下，确定出所述采样数据的目标数据特征(如步骤S102)，从所述数据库20存储的多个负样本数据中确定出数据特征与目标数据特征匹配的负样本数据。将所述数据库20中与所述负样本数据对应的正样本数据确定为所述目标正样本数据。

其中，目标数据特征可以是对采样数据进行特征提取获取到的，目标数据特征能够表征采样数据本身的特征。目标数据特征可以通过对应于采样数据的目标特征向量表示。则可以确定数据库20的样本库21中各负样本数据的特征向量，进而将数据库20的样本库21中特征向量与目标特征向量的向量距离小于对应的阈值的负样本数据确定为“匹配于目标特征向量的负样本数据”，将数据库20的样本库21中与“匹配于目标特征向量的负样本数据”对应的正样本数据确定为所述目标正样本数据。其中，与“匹配于目标特征向量的负样本数据”对应的正样本数据可以与“匹配于目标特征向量的负样本数据”对应于相同或相似的历史目标任务。这样，可以基于采样数据的目标数据特征确定出目标正样本数据。

其中，第一迁移子模块121可以基于上述目标正样本数据获取方式一、二、三中的至少一种方式确定出目标正样本数据。其中，为保证所创建的目标环境模型的准确性，可以对需要获取的目标正样本数据的最少数据量进行设置，以使得第一迁移子模块121可以获取数据量大于或等于最少数据量的目标正样本数据。在一些实施例中，可以对第一迁移子模块121所采用目标正样本数据获取方式一、二和/或三进行目标正样本数据的获取过程进行设置，例如，第一迁移子模块121可以先采用“目标正样本数据获取方式一”获取目标正样本数据，若所获得的目标正样本数据的数据量a小于最少数据量A，则可以进一步利用“目标正样本数据获取方式二”再获取出目标正样本数据。其中，若a≥A，则确定目标正样本数据已经足够，可以结束目标正样本数据的获取。若“目标正样本数据获取方式二”所获得的目标正样本数据的数据量b与a的和小于A(也即a+b＜A)，则可以进一步利用“目标正样本数据获取方式三”再获取出目标正样本数据，直至“目标正样本数据获取方式三”获取出目标正样本数据c与b、a的和大于或等于A(也即a+b+c≥A)。其中，若a+b≥A，则确定目标正样本数据已经足够，可以结束目标正样本数据的获取。

在本实施例中，第一迁移子模块121基于上述“目标正样本数据获取方式一、二、三”中的至少一种方式借助数据库20确定出目标正样本数据之后，由于采样数据本身就是真实环境采集到的环境数据，则可以将采样数据确定为目标负样本数据。这样，使得环境生成模块13创建的目标环境模型所利用的目标样本数据包括目标任务的真实环境中采集的环境数据，可以提高目标环境模型的精度和准确性。

在一种可能的实现方式中，如图5所示，第一迁移子模块121在确定所述获取方式为所述正样本仿真策略的情况下，先根据各所述采样数据的元数据确定出所述采样数据对应的目标元数据(如步骤S202，其中确定目标元数据的方式与负样本仿真策略中确定目标元数据的方式相似，参见上文，此处不予赘述)。而后判断数据库20的环境模型库23中是否存在元数据与所述目标元数据匹配的历史环境模型(如步骤S203)。若环境模型库23中存在元数据与所述目标元数据匹配的历史环境模型，则将所述数据库存储的多个历史环境模型中元数据与所述目标元数据匹配的历史环境模型确定为所述目标环境模型，并将所述目标环境模型发送至所述仿真分析模块14(如步骤S204)。若环境模型库23中不存在元数据与所述目标元数据匹配的历史环境模型，则采样下述“目标正样本数据获取方式四”和/或“目标正样本数据获取方式五”进行目标正样本数据的获取(如步骤S205)。

在本实施例中，数据库20的环境模型库23中各历史环境模型中元数据与目标元数据是否匹配可以基于历史环境模型的元数据与目标元数据的相似度(与上述“目标正样本数据获取方式一”、“目标正样本数据获取方式二”中描述的元数据和目标元数据的相似度相同)来确定，则第一迁移子模块121可以将环境模型库中满足环境模型匹配条件的历史环境模型，确定为与所述目标元数据匹配的历史环境模型。其中，环境模型库23中满足环境模型匹配条件的历史环境模型可以包括：元数据中的地理位置与目标元数据指示的地理位置之间的地理距离小于或等于地理距离阈值的历史环境模型、和/或元数据对应的向量与目标元数据对应的向量之间的向量距离小于或等于向量距离阈值的历史环境模型。

其中，若第一迁移子模块121从环境模型库23中所确定出的满足环境模型匹配条件的历史环境模型为一个，则可以直接将该历史环境模型作为目标环境模型发送至仿真分析模块14。若第一迁移子模块121从环境模型库23中所确定出的与目标元数据匹配的历史环境模型为多个，则第一迁移子模块121可以将满足环境模型匹配条件的多个历史环境模型中的任意一个作为目标环境模型发送至仿真分析模块14；或者第一迁移子模块121可以将满足环境模型匹配条件的多个历史环境模型中元数据中的地理位置与目标元数据指示的地理位置之间的地理距离最小的一个作为目标环境模型发送至仿真分析模块14；或者第一迁移子模块121还可以将满足环境模型匹配条件的多个历史环境模型中元数据对应的向量与目标元数据对应的向量之间的向量距离最小的一个作为目标环境模型发送至仿真分析模块14。或者，若第一迁移子模块121从环境模型库中所确定出的与目标元数据匹配的历史环境模型为多个，则第一迁移子模块121可以将满足环境模型匹配条件的多个历史环境模型均作为目标环境模型发送至仿真分析模块14，以使得仿真分析模块14基于每个目标环境模型(也即历史环境模型)的仿真结果是精度和准确度进行模型的仿真效果分析，若各目标环境模型的仿真效果均不好，则在正样本仿真策略下，仿真分析模块14向第一数据迁移子模块121发送如图5所示的样本数据获取指令，样本数据获取指令用于指示第一数据迁移子模块121采样下述“目标正样本数据获取方式四”和/或“目标正样本数据获取方式五”进行目标正样本数据及其元数据、目标负样本数据及其元数据的获取(详细过程参见下文仿真分析模块14的相关描述，此处不予赘述)。

例如，目标任务的目标元数据指示目标任务的地理位置位于北京，通过上述以相似度为依据的环境模型匹配条件第一数据迁移子模块121可以确定出在环境模型库23中满足环境模型匹配条件的历史环境模型包括：地理位置为河北的第一历史环境模型、地理位置为天津的第二历史环境模型，且第一历史环境模型对应的地理位置与目标任务的地理位置的地理距离更近，所以第一数据迁移子模块121可以将第一历史环境模型确定为目标环境模型发送至仿真分析模块14。

在该实现方式中，若第一数据迁移子模块121从环境模型库23中确定出了目标环境模型，则环境生成模块13无需执行任何操作，第一迁移子模块121可以直接将目标环境模型发送至仿真分析模块14。这样，可以简化系统整体针对目标任务进行仿真评估的过程，提高仿真评估的效率和速度。

在本实施例中，在确定所述获取方式为所述正样本仿真策略的情况下，第一迁移子模块121优先从数据库20的环境模型库23中确定目标环境模型，若从环境模型库23中确定出元数据与目标元数据匹配的历史环境模型则可直接作为目标环境模型发送至仿真分析模块14。若从数据库20的环境模型库23中并未确定出目标环境模型，则第一迁移子模块121则可以继续执行下述“目标正样本数据获取方式四”和/或“目标正样本数据获取方式五”从数据库确定出目标正样本数据。

在一种可能的实现方式中，如图5所示，在确定所述获取方式为所述正样本仿真策略的情况下，第一迁移子模块121获取到目标正样本数据的方式可以包括下述目标正样本数据获取方式四、五中的至少一种。

目标正样本数据获取方式四：

第一迁移子模块121，在确定所述获取方式为所述正样本仿真策略的情况下，根据各所述采样数据的元数据确定出所述采样数据对应的目标元数据(如图5中的步骤S202)，将所述数据库20存储的多个正样本数据中元数据与所述目标元数据匹配的正样本数据确定为所述目标正样本数据(如图5中的步骤S2051)。

目标正样本数据获取方式五：

第一迁移子模块121，在确定所述获取方式为所述正样本仿真策略的情况下，从所述数据库20存储的多个样本编解码模型中确定出元数据与所述目标元数据匹配的目标样本编解码模型，将利用所述目标样本编解码模型生成的正样本数据作为所述目标正样本数据，其中，所述样本编解码模型用于生成样本数据(如图5中的步骤S2052)。

其中，目标正样本数据获取方式四中基于目标元数据进行目标正样本数据确定的实现方式与上述“目标正样本数据获取方式一”相似，目标正样本数据获取方式五中基于目标元数据获取到目标正样本数据的实现方式与上述“目标正样本数据获取方式二”相似，此处不予赘述，本领域技术人员可以参照上述“目标正样本数据获取方式一”、“目标正样本数据获取方式二”的实现方式对目标正样本数据获取方式四、目标正样本数据获取方式五进行设置，本申请对此不作限制。

在本实施例中，第一迁移子模块121可以基于上述“目标正样本数据获取方式四”和/或“目标正样本数据获取方式五”基于数据库20确定出目标正样本数据之后，由于采样数据为事件数据且事件数据本身还可以包括从真实环境采集到的环境数据，则第一迁移子模块121可以将从采样数据中分离出的环境数据确定为目标负样本数据、以及将采样数据本身也作为目标正样本数据。这样，使得环境生成模块13创建的目标环境模型所利用的目标样本数据包括目标任务的真实环境中采集的事件数据，可以提高目标环境模型的精度和准确性。

在本实施例中，第一迁移子模块121基于上述目标正样本数据获取方式四、五中的至少一种方式确定出目标正样本数据的过程中。其中，为保证所创建的目标环境模型的准确性，可以根据采样数据(也即事件数据)的数据量对需要获取的目标正样本数据的最少数据量进行设置，以使得第一迁移子模块121可以从基于数据库所确定出的目标正样本数据量大于或等于最少数据量的目标正样本数据，最终用于进行目标环境模型的目标样本数据的数据量大于或等于最少数据量加采样数据的数据量之和。在一些实施例中，可以对第一迁移子模块121所采用目标正样本数据获取方式四和/或进行目标正样本数据的获取过程进行设置，例如，第一迁移子模块121可以先采用“目标正样本数据获取方式四”获取目标正样本数据，若所获得的目标正样本数据的数据量a小于最少数据量A，则可以进一步利用“目标正样本数据获取方式四”再获取出数据量至少为(A-a)的目标正样本数据。其中，若a≥A，则确定目标正样本数据已经足够，可以结束目标正样本数据的获取。

在一种可能的实现方式中，如图6所示，所述数据迁移模块12，还可以包括：第二迁移子模块122。第二迁移子模块122用于在确定所述获取方式为所述无数据仿真策略的情况下，基于数据库确定出与目标任务匹配的目标样本数据及其元数据(如图6中的步骤S302)。其中，第二迁移子模块122获取到目标样本数据的方式可以包括目标样本数据获取方式一、二中的至少一种。

目标样本数据获取方式一：

第二迁移子模块122，在确定所述获取方式为所述无数据仿真策略的情况下，将数据库20中存储的多个正样本数据和多个负样本数据中元数据与所述描述信息匹配的正样本数据和负样本数据确定为所述目标样本数据(如图6中的步骤S3021)。

在本实施例中，第二迁移子模块122，在确定获取方式为无数据仿真策略的情况下，将数据库20的样本库21中存储的多个正样本数据中元数据与描述信息匹配的正样本数据确定为目标正样本数据。将数据库20的样本库21中存储的多个负样本数据中元数据与描述信息匹配的负样本数据确定为目标负样本数据。

在本实施例中，样本库21中样本数据(包括正样本数据和负样本数据)对应的元数据与描述信息的匹配程度可以通过元数据与描述信息的相似度确定。第二迁移子模块122可以将样本库21中满足描述信息匹配条件的正样本数据确定为目标正样本数据、以及将样本库21中满足描述信息匹配条件的负样本数据确定为目标负样本数据，以及从元数据库中提取出满足数据匹配条件的各正样本数据和各负样本数据分别对应的元数据。其中，样本库21中满足描述信息匹配条件的样本数据可以包括：元数据中的地理位置与描述信息指示的地理位置之间的地理距离小于或等于地理距离阈值的样本数据、和/或元数据对应的相邻与描述信息所对应的向量之间的向量距离小于或等于向量距离阈值的样本数据。

目标样本数据获取方式二：

第二迁移子模块122，在确定所述获取方式为所述无数据仿真策略的情况下，从数据库20存储的多个样本编解码模型中确定出元数据与所述描述信息匹配的目标样本编解码模型。将利用所述目标样本编解码模型生成的正样本数据和负样本数据确定为所述目标样本数据(如图6中的步骤S3022)。其中，所述样本编解码模型用于生成样本数据。

在本实施例中，第二迁移子模块122可以将编解码库22中满足第二编解码匹配条件的样本编解码模型确定为目标样本编解码模型，以及从元数据库24中提取出满足编解码匹配条件的各样本编解码模型对应的元数据。其中，编解码库22中满足第二编解码匹配条件的样本编解码模型可以包括：元数据中的地理位置与描述信息指示的地理位置之间的地理距离小于或等于地理距离阈值的样本编解码模型、和/或元数据对应的向量与目标元数据对应的向量之间的向量距离小于或等于向量距离阈值的样本编解码模型。

其中，若第二迁移子模块122确定出满足第二编解码匹配条件的样本编解码模型为一个，则可以将该样本编解码模型确定为目标样本编解码模型。若第二迁移子模块122确定出满足第二编解码匹配条件的样本编解码模型为多个，则可以将满足第二编解码匹配条件的多个样本编解码模型中的任意一个确定为目标样本编解码模型；或者第二迁移子模块122也可以将满足第二编解码匹配条件的多个样本编解码模型中元数据中的地理位置与目标元数据指示的地理位置之间的地理距离最小的一个确定为目标样本编解码模型；或者第二迁移子模块122还将满足第二编解码匹配条件的多个样本编解码模型中元数据对应的向量与目标元数据对应的向量之间的向量距离最小的一个确定为目标样本编解码模型。

第二迁移子模块122在基于目标样本编解码模型生成目标正样本数据和目标负样本数据之后，可以基于描述信息和/或目标样本编解码模型对应的元数据，生成各目标正样本数据的元数据和各目标负样本数据对应的元数据。

这样，在输入信息为描述信息的情况下，采用无数据仿真策略，借助数据库可以获取到创建目标环境模型所需的目标样本数据及其对应的元数据，实现目标任务所在真实环境的精准预测，为系统针对目标任务进行精准的仿真、评估提供保障。

仿真分析模块14，用于基于所述目标环境模型进行针对所述目标任务的仿真预测，得到仿真结果，以根据所述仿真结果对所述目标任务在所述真实环境中的执行情况进行评估(如图4中的步骤S106、图5中的步骤S208、图6中的步骤S304)。

在本实施例中，仿真分析模块14可以对目标任务在目标环境模型执行的情况进行仿真和推理，并生成仿真结果，以根据仿真结果对目标任务在真实环境中的执行情况进行指导与决策。仿真分析模块14可以包括AI推理模型和评判指标。其中，AI推理模型可以用于进行目标任务在目标环境模型执行的情况进行仿真和推理，形成执行情况推测结果。评判指标可以对执行情况推测结果进行评判形成仿真结果。这样，就实现了针对执行情况推测结果的白盒化分析，得出的仿真结果对目标任务具有积极的指导意义。其中，仿真结果可以指示如下内容：目标任务在真实环境执行是否满足目标任务的各执行需求。目标环境模型对真实环境的仿真是否满足环境仿真精度需求。

其中，满足环境仿真精度需求可以包括：目标环境模型与目标任务所在真实环境之间的相似度满足相似度基本要求。若目标环境模型与目标任务所在真实环境之间的相似度满足相似度基本要求，则可以确定目标环境模型对目标任务所在真实环境的仿真准确，最终所得到的仿真结果可以作为对目标任务在真实环境中的执行情况进行指导与决策的依据。若目标环境模型与目标任务所在真实环境之间的相似度不满足相似度基本要求，则可以确定目标环境模型对目标任务所在真实环境的仿真不够准确达不到进行针对目标任务的仿真评估的要求，最终所得到的仿真结果也不能作为对目标任务在真实环境中的执行情况进行指导与决策的依据。

在本实施例中，若仿真分析模块14所接收到的一个或多个目标环境模型为第一迁移子模块121发出的。则仿真分析模块14可以基于仿真结果先判断各目标环境模型对真实环境的仿真是否满足环境仿真精度需求，若仿真结果指示各目标环境模型对真实环境的仿真均不满足环境仿真精度需求，则可以向第一迁移子模块121发出如图5所示的样本数据获取指令，以指示第一迁移子模块121基于上述“目标正样本数据获取方式四”和/或“目标正样本数据获取方式五”获取到目标正样本数据及其元数据、确定出目标负样本数据及其元数据之后，将目标样本数据发送至环境生成模块13。若仿真结果指示多个目标环境模型中部分或全部目标环境模型对真实环境的仿真满足环境仿真精度需求，则可以根据满足环境仿真精度需求的目标环境模型所对应的仿真结果进行针对目标任务的指导和决策。

其中，执行需求可以包括目标任务在真实环境中执行的时效性、可靠性、稳定性、安全性、准确性等性能方面的一个或多个要求。若基于仿真结果确定目标任务在真实环境执行满足目标任务的执行需求，则可以认为目标任务可以在其对应的真实环境中顺利执行。若基于仿真结果确定目标任务在真实环境执行不满足目标任务的执行需求，则可以认为目标任务可以在其对应的真实环境中的执行存在问题，可以基于不满足的具体执行需求，对目标任务进行分析、调整。

例如，在上述“光纤传感事件识别任务”中，仿真分析模块14针对采集设备实际在真实环境中识别预警进行仿真，得到了对应的仿真结果。若“光纤传感事件识别任务”的执行需求为采集设备实际在真实环境中识别预警准确度大于80％，而基于仿真结果确定采集设备在真实环境中识别预警的准确度为75％，也即目标任务在真实环境执行不满足“光纤传感事件识别任务”的执行需求。则仿真分析模块14可以基于仿真结果对“光纤传感事件识别任务”不满足执行需求的原因进行分析，并根据分析结果对“光纤传感事件识别任务”进行调整。如，若分析结果指示导致采集设备实际在真实环境中识别预警的准确度低的原因为采集设备中进行信号采集的传感器的数量少，则针对“光纤传感事件识别任务”可以提高采集设备中传感器的数量。

本申请实施例还提供一种基于数字孪生的评估方法，该方法可以应用于电子设备和/或服务器。其中，电子设备可以是任意能够满足目标任务的仿真、评估所需的运算量的设备，数据库可以根据电子设备的性能选择存储在电子设备本地或者电子设备对应的服务器或云端。其中，电子设备可以是手机、可折叠电子设备、平板电脑、桌面型计算机、膝上型计算机、手持计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personalcomputer，UMPC)、上网本、虚拟现实(virtual reality，VR)设备、人工智能(artificialintelligence,AI)设备中的至少一种。本申请实施例对该电子设备的具体类型不作特殊限制。

本申请实施例所提供一种基于数字孪生的评估方法可以包括以下步骤：接收针对目标任务的输入数据，根据所述输入数据的类型确定目标样本数据的获取方式，其中，所述输入数据表示执行所述目标任务的真实环境的特征。基于所述获取方式和所述输入数据，利用预设的数据库获取与所述目标任务匹配的目标样本数据和各所述目标样本数据对应的元数据。根据所述目标样本数据和各所述目标样本数据对应的元数据进行环境仿真，构建出对应于所述目标任务的目标环境模型。基于所述目标环境模型进行针对所述目标任务的仿真预测，得到仿真结果，以根据所述仿真结果对所述目标任务在所述真实环境中的执行情况进行评估。

在一种可能的实现方式中，所述输入数据包括采样数据或针对所述真实环境的描述信息，

所述根据所述输入数据的类型确定目标样本数据的获取方式，可以包括：

若所述输入数据为采样数据且所述采样数据对应于负样本数据，则所述获取方式为优先获取负样本数据的负样本仿真策略，其中，所述采样数据是所述真实环境中采集的环境数据；或者

若所述输入数据为采样数据且所述采样数据对应于正样本数据，则所述获取方式为优先获取正样本数据的正样本仿真策略，其中，采样数据是所述目标任务在所述真实环境中执行的事件数据，所述事件数据中包括所述真实环境的环境数据；或者

若所述输入数据为所述描述信息，则所述获取方式为优先获取正样本数据和负样本数据的无数据仿真策略。

在一种可能的实现方式中，所述若所述输入数据为采样数据且所述采样数据对应于负样本数据，则所述获取方式为优先获取负样本数据的负样本仿真策略，可以包括：

在所述采样数据的数据量大于或等于第一阈值的情况下，若所述输入数据为采样数据且所述采样数据对应于负样本数据，则所述获取方式为优先获取负样本数据的负样本仿真策略。

在一种可能的实现方式中，所述方法还包括：

利用数据采集模块进行针对所述目标任务的数据采集，得到所述采样数据，并将所述采样数据作为输入数据；和/或

根据检测到的用户输入操作确定出描述信息，并将所述描述信息作为输入数据。

在一种可能的实现方式中，基于所述获取方式和所述输入数据，利用预设的数据库获取与所述目标任务匹配的目标样本数据和各所述目标样本数据对应的元数据，可以包括：

在确定所述获取方式为所述负样本仿真策略或所述正样本仿真策略的情况下，基于所述获取方式、所述采样数据和所述数据库确定出与所述目标任务匹配的目标正样本数据；

将所述目标正样本数据和所述采样数据确定为所述目标样本数据。

在一种可能的实现方式中，在确定所述获取方式为所述负样本仿真策略的情况下，基于所述获取方式、所述采样数据和所述数据库确定出与所述目标任务匹配的目标正样本数据，可以包括：

根据各所述采样数据的元数据确定出所述采样数据对应的目标元数据，将所述数据库存储的多个正样本数据中元数据与所述目标元数据匹配的正样本数据确定为所述目标正样本数据；并且/或者

从所述数据库存储的多个样本编解码模型中确定出元数据与所述目标元数据匹配的目标样本编解码模型，将利用所述目标样本编解码模型生成的正样本数据确定为所述目标正样本数据，其中，所述样本编解码模型用于生成样本数据；并且/或者

确定出所述采样数据的目标数据特征，从所述数据库存储的多个负样本数据中确定出数据特征与目标数据特征匹配的负样本数据，将所述数据库中与所述负样本数据对应的正样本数据确定为所述目标正样本数据。

在一种可能的实现方式中，在确定所述获取方式为所述正样本仿真策略的情况下，基于所述获取方式、所述采样数据和所述数据库确定出与所述目标任务匹配的目标正样本数据，可以包括：

根据各所述采样数据的元数据确定出所述采样数据对应的目标元数据，将所述数据库存储的多个正样本数据中元数据与所述目标元数据匹配的正样本数据确定为所述目标正样本数据；并且/或者

从所述数据库存储的多个样本编解码模型中确定出元数据与所述目标元数据匹配的目标样本编解码模型，将利用所述目标样本编解码模型生成的正样本数据作为所述目标正样本数据，其中，所述样本编解码模型用于生成样本数据。

在一种可能的实现方式中，所述方法还可以包括：在确定所述获取方式为所述正样本仿真策略的情况下，根据各所述采样数据的元数据确定出所述采样数据对应的目标元数据，将所述数据库存储的多个历史环境模型中元数据与所述目标元数据匹配的历史环境模型确定为所述目标环境模型。

在一种可能的实现方式中，基于所述获取方式和所述输入数据，利用预设的数据库获取与所述目标任务匹配的目标样本数据和各所述目标样本数据对应的元数据，可以包括：

在确定所述获取方式为所述无数据仿真策略的情况下，将所述数据库中存储的多个正样本数据和多个负样本数据中元数据与所述描述信息匹配的正样本数据和负样本数据确定为所述目标样本数据；并且/或者

从所述数据库存储的多个样本编解码模型中确定出元数据与所述描述信息匹配的目标样本编解码模型，将利用所述目标样本编解码模型生成的正样本数据和负样本数据确定为所述目标样本数据，其中，所述样本编解码模型用于生成样本数据。

图7示出根据本申请一实施例的一种电子设备100的结构示意图。如图7所示，本申请所涉及的电子设备可以为电子设备100。

电子设备100可以包括处理器110，外部存储器接口120，内部存储器121，通用串行总线(universal serial bus，USB)接头130，充电管理模块140，电源管理模块141，电池142，天线1，天线2，移动通信模块150，无线通信模块160，音频模块170，扬声器170A，受话器170B，麦克风170C，耳机接口170D，传感器模块180，按键190，马达191，指示器192，摄像头193，显示屏194，以及用户标识模块(subscriber identification module，SIM)卡接口195等。其中传感器模块180可以包括压力传感器180A，陀螺仪传感器180B，气压传感器180C，磁传感器180D，加速度传感器180E，距离传感器180F，接近光传感器180G，指纹传感器180H，温度传感器180J，触摸传感器180K，环境光传感器180L，骨传导传感器180M等。

可以理解的是，本申请实施例示意的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中，电子设备100可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。

处理器110可以包括一个或多个处理单元，例如：处理器110可以包括应用处理器(application processor，AP)，调制解调处理器，图形处理器(graphics processingunit，GPU)，图像信号处理器(image signal processor，ISP)，控制器，视频编解码器，数字信号处理器(digital signal processor，DSP)，基带处理器，和/或神经网络处理器(neural-network processing unit，NPU)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。处理器110可以执行上述基于数字孪生的评估方法。

处理器可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。

处理器110中还可以设置存储器，用于存储指令和数据。在一些实施例中，处理器110中的存储器可以为高速缓冲存储器。该存储器可以保存处理器110用过或使用频率较高的指令或数据。如果处理器110需要使用该指令或数据，可从该存储器中直接调用。避免了重复存取，减少了处理器110的等待时间，因而提高了系统的效率。

在一些实施例中，处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit，I2C)接口，集成电路内置音频(inter-integrated circuitsound，I2S)接口，脉冲编码调制(pulse code modulation，PCM)接口，通用异步收发传输器(universal asynchronous receiver/transmitter，UART)接口，移动产业处理器接口(mobile industry processor interface，MIPI)，通用输入输出(general-purposeinput/output，GPIO)接口，用户标识模块(subscriber identity module，SIM)接口，和/或通用串行总线(universal serial bus，USB)接口等。处理器110可以通过以上至少一种接口连接触摸传感器、音频模块、无线通信模块、显示器、摄像头等模块。

可以理解的是，本申请实施例示意的各模块间的接口连接关系，只是示意性说明，并不构成对电子设备100的结构限定。在本申请另一些实施例中，电子设备100也可以采用上述实施例中不同的接口连接方式，或多种接口连接方式的组合。

图8示出根据本申请一示例性实施例示出的一种用于基于数字孪生的评估的装置1900的框图。例如，装置1900可以被提供为一服务器或终端设备。参照图8，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。

本申请的实施例提供了一种基于数字孪生的评估装置，包括：处理器以及用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令时实现上述方法。

本申请的实施例提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述基于数字孪生的评估方法。

本申请的实施例提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RandomAccess Memory，RAM)、只读存储器(Read Only Memory，ROM)、可擦式可编程只读存储器(Electrically Programmable Read-Only-Memory，EPROM或闪存)、静态随机存取存储器(Static Random-Access Memory，SRAM)、便携式压缩盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、数字多功能盘(Digital Video Disc，DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。

这里所描述的计算机可读程序指令或代码可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本申请操作的计算机程序指令可以是汇编指令、指令集架构(Instruction Set Architecture，ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(Local Area Network，LAN)或广域网(WideArea Network，WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(Field-ProgrammableGate Array，FPGA)或可编程逻辑阵列(Programmable Logic Array，PLA)，该电子电路可以执行计算机可读程序指令，从而实现本申请的各个方面。

这里参照根据本申请实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本申请的多个实施例的装置、系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。

也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行相应的功能或动作的硬件(例如电路或ASIC(Application SpecificIntegrated Circuit，专用集成电路))来实现，或者可以用硬件和软件的组合，如固件等来实现。

尽管在此结合各实施例对本发明进行了描述，然而，在实施所要求保护的本发明过程中，本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书，可理解并实现所述公开实施例的其它变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其它单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。

以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。