2021-2022数字孪生技术应用报告.pdf

2 2021-2022数字孪生技术应用报告2 前言 随着经济社会数字化转型的持续推进，数字孪生逐渐成为产业各界关注的热点技术。 数字孪生 起源航天军工 领域 ， 近年来持续 向智能制造、智慧城市等 垂直行业拓展，实现机理描述、异常诊断、风险预测、决策辅助等应用价值，已成为助力企业数字化转型、促进数字经济发展的重要抓手。 本白皮书聚焦数字孪生 关键 技术和行业应用发展，梳理数字孪生 整体发展情况，深入分析技术体系和典型垂直行业应用 场景 ，旨在 为产业界在规划实施数字孪生相关应用时提供参考借鉴，助力数字孪生技术演进和产业发展。 3 目录 前言 . 2 1 数字孪生概述 . 5 1.1 数字孪生内涵与发展历程 . 5 1.2 数字孪生典型特征与概念辨析 . 6 1.3 数字孪生发展现状 . 7 2 数字孪生技术体系 . 10 2.1 数字孪生技术架构概述 . 10 2.2 基础技术：感知 . 11 2.3 基础技术：网络 . 13 2.4 关键技术：建模 . 16 2.5 关键技术：仿真 . 19 3 数字孪生赋能智慧城市 . 22 3.1 总体情况 . 22 3.2 核心价值 . 24 3.2.1 促进多源数据互通融合 . 24 3.2.2 建设城市全生命周期管理体系 . 24 3.2.3 打造多方建设的创新模式 . 24 3.3 关键技术 . 25 3.3.1 多源数据融合技术 . 25 3.3.2 多尺度建模技术 . 26 3.3.3 三维可视化技术 . 27 3.4 应用场景 . 28 3.4.1 城市综合治理 . 28 3.4.2 城市规划建设 . 29 3.4.3 城市交通管理 . 30 3.5 典型案例 . 31 3.5.1 数字孪生助力城市大脑高效指挥 . 31 3.5.2 数字孪生助力区域时空信息管理 . 33 4 数字孪生赋能智能制造 . 36 4.1 总体情况 . 36 4.2 核心价值 . 37 4.2.1 实现生产流程可视化提高生产管控 . 38 4.2.2 建设企业数字业务化降本增效 . 38 4.2.3 打造高度协同生产制造价值链释放价值 . 38 4.2.4 构筑数字孪生运营模式赋能转型升级 . 38 4.3 关键技术 . 38 4.3.1 多源异构数据集成技术 . 38 4.3.2 多模型构建及互操作技术 . 39 4.3.3 多动态高实时交互技术 . 39 4.4 应用场景 . 39 4.4.1 设备实时监控和故障诊断 . 39 4.4.2 设备工艺培训 . 40 4 4.4.3 设备全生命周期管理 . 40 4.4.4 设备远程运维数 . 41 4.4.5 工厂实时状态监控 . 42 4.5 典型案例 . 43 4.5.1 数字孪生助力医药生产制造异地协同管控 . 43 4.5.2 数字孪生助力新能源装备制造智能化升级 . 45 4.5.3 数字孪生助力汽车制造全流程数字化管理 . 46 5 数字孪生赋能智慧网络 . 49 5.1 总体情况 . 49 5.2 核心价值 . 50 5.2.1 沉浸式的管理体验 . 50 5.2.2 网络业务全生命周期管理 . 51 5.2.3 网络风险和成本降低 . 51 5.2.4 网络实时闭环控制 . 51 5.3 关键技术 . 51 5.3.1 网络数字孪生体建模技术 . 51 5.3.2 数字线程技术 . 52 5.3.3 网络数字孪生可视化技术 . 53 5.4 应用场景 . 54 5.4.1 无线网络重保 . 54 5.4.2 智慧园区网络管理 . 55 5.5 典型案例 . 57 5.5.1 数字孪生助力场馆重点区域网络保障 . 57 5.5.2 数字孪生助力运营商光网络高效管理 . 59 6 总结与展望 . 61 7 缩略语 . 63 8 编写单位及作者 . 64 5 1 数字孪生 概述 1.1 数字孪生 内涵与 发展历程 数字孪生是一种数字化理念和技术手段，它以数据与模型的集成融合为基础与 核心，通过在数字空间实时构建物理对象的精准数字化映射，基于数据整合与分析预测 来模拟、验证、预测、控制物理实体全生命周期过程，最终 形成智能决策的优化闭环。 其中，面向的物理对象包括实物、行为、过程，构建孪生体涉及到的数据包括实时传感数据和运行历史数据，集成的模型涵盖物理模型、机理模型和流程模型等。 数字孪生的概念始于航天 军工领域 ， 经历了 “技术探索 、 概念提出 、 应用萌芽 、 行业渗透 ”四个发展阶段 。 数字孪生技术 最早在 1969 年被 NASA 应用于阿波罗计划中，用于构建航天飞行器的孪生 体，反映航天器在轨工作状态，辅助紧急事件的处置。 2003 年，数字孪生概念正式被密歇根大学的 Grieves 教授提出，并强调全生命周期交互映射的特征。经历了几年的概念演进发展后，自 2010 年开始，数字孪生技术在各行业呈现应用价值，美国军方基于数字孪生实 现 F35战机的数字伴飞 ，降低战机维护成本和使用风险； 通用电器 为客机航空发动机建立孪生模型，实现实时监控和预测性维护；欧洲工控巨头西门子、达索、 ABB在工业装备企业中推广数字孪生技术，进一步促进了技术向工业领域的推广。近年来，数字孪生技术在工业、城市管理领域持续渗透，并向交通、健康医疗等垂直行业拓展，实现机理描述、异常诊断、风险预测、决策辅助等应用价值，有望在未来成为经济社会产业数字化转型的通用技术。 6 图 1-1 数字孪生发展历程沿革 1.2 数字孪生 典型特征与概念辨析 数字孪生 是一种 “实践先行 、 概念后成 ”的新兴技术理念 ， 与物联网 、 模型构建、仿真分析等成熟技术有非常强的关联性 和延续性 。数字孪生具有典型的跨技术领域、跨系统集成、跨行业融合的特点，涉及的技术范畴广，自概念提出以来，技术边界始终不够清晰。 但 是，与既有的数字化技术相比，数字孪生具有 四个 典型 的技 术特征： （一） 虚实映射 。数字孪生技术要求在数字空间构建物理对象的数字化表示，现实世界中的物理对象和数字空间中的孪生体能够实现双向映射、数据连接和状态交互 。 （二）实时同步。 基于实时传感等多元数据的获取， 孪生体可 全面、精准、动态 反映物理对象的状态变化 ，包括外观 、 性能 、 位置、异常 等。 （三）共生演进。 在 理想状态下，数字孪生所实现的映射和同步状态应覆盖孪生对象从设计、生产、运营到报废 的 全生命周期，孪生体应 随孪生对象生命周期进程而不断演进更新 。 （四）闭环优化。 建立孪生体的最终目的，是 通过 描述物理实体内在机理，分析规律、洞察趋势 ， 基于分析与仿真 对物理世界形成优化指令或策略 ，实现对物理实体决策优化功能的闭环。 7 数字孪生与一些技术概念有很强的关联性，但又不完全相同： 一是仿真技术。仿真是一种基于确定性规律和完整机理模型来模拟物理世界的软件方法，是数字孪生的核心技术之一，但不是全部。仿真技术仅能以离线的方式模拟物理世界，主要是用于研发、设计阶段， 通常不搭载分析优化功能，不具备数字孪生的实时同步、闭环优化等特征。 二是资产管理壳（ AAS）。 AAS 的本质是基于德国工业4.0 体系搭建的一套描述语言和建模工具，旨在提升 生产资料 之间的互联互通和互操作性。 AAS 是支撑数字孪生的基础技术之一，数字孪生与 AAS 在一定程度上代表了美国和德国工业数字化转型的不同理念。 三是 数字线程（ Digital Thread） 。 数字线程发源并广泛应用于航空航天业， 是覆盖 复杂 产品全生命周期的数据流，集成并驱动以统一模型为核心的产品设计、制造和运营。数字线程是实现数字孪生多类模型数据融合的 重要 技术。 1.3 数字孪生发展现状 从 政策层面来看，数字孪生成为各国推进 经济社会数字化进程 的重要抓手。国外主要发达经济体从国家层面制定相关政策、成立组织联盟、合作开展研究，加速数字孪生发展，美国将数字孪生作为工业互联网落地的核心载体，侧重军工和大型装备领域应用；德国在工业 4.0 架构下推广资产管理壳 (AAS)，侧重制造业和城市管理数字化；英国成立数字建造英国中心，瞄准数字孪生城市，打造国家级孪生体。 在 2020年， 美国工业互联网联盟（ IIC）和德国工业 4.0 平台联合发布数字孪生白皮书， 将数字孪生纳入工业物联网技术体系。 自 2019 年以来，中国政府陆续出台相关文件，推动数字孪生技术发展， 今年我国又将数字孪生写入 “十四五 ”规划 ， 作为建设数字中国的重要发展方向 。 工业互联网联盟 （ AII）也增设数字孪生特设组，开展数字孪生技术产业研究 ,推进相关标准制定 ,加速行8 业应用推广。 图 1-2 国内数字孪生相关政策沿革 从行业应用层面来看，数字孪生成为垂直行业数字化转型的重要使能技术。数字孪生加速与 DICT 领域最新技术融合，逐渐成为一种基础性、普适性、综合性的理论和技术体系，在经济社会各领域的渗透率不断提升，行业应用持续走深向实。 工业领域中 ，在石化、冶金等流程制造业中，数字孪生聚焦工艺流程管控和重大设备管理等场景，赋能生产过程优化；在装备制造、汽车制造等离散制造业中，聚焦产品数字化设计和智能运维等场景，赋能产品全生命周期管理。 智慧城市领域中 ，数字孪生赋能城市规划、建设、治理、优化等全生命周期环节，实现城市全要素数字化、全状 态可视化、管理决策智能化。另外，数字孪生在自动驾驶、站场规划、车队管理、智慧地铁等 交通领域中 ，在基于 BIM 的建筑智能设计与性能评估、智慧工地管理、智能运营维护、安全应急协同等 建筑领域 中，在农作物监测、智慧农机、智慧农场等 农业领域 中，在虚拟人、身体机能监测、智慧医院、手术模拟等 健康医疗领域 中也有不同程度的应用。 从市场前景层面来看， 数字孪生是 热度最高的数字化技术之一 ，存在巨大的发展空间。 Gartner连续三年将数字孪生列入年度（ 2017-2019）十大战略性技术趋势，认为它在未来 5 年将产生颠覆性创新 ， 同时 预测 到 2021 年，半数的大型工业企业将使用数字孪生，从而使这些企业的效率提高 10%；到 2024 年，超过9 25%的全新数字孪生将作为新 IoT原生业务应用的绑定功能被采用。根据 Markets and Markets预测，数字孪生市场规模将由 2020年的 31亿美元增长到 2026年的482亿美元，年复合增长率 58%。 从企业主体层面来看，数字孪生被纳入众多科技企业战略大方向，成为数字领域技术和市场竞争主航道。 数字孪生技术价值高、市场规模大，典型的 IT、 OT和制造业龙头企业已开始布局，微软与仿真巨头 Ansys合作，在 Azure物联网平台上扩展数字孪生功能模块；西门子基于工业互联网平台构建了完整的数字孪生解决方案体系，并将既有主流产品及系统纳入其中； Ansys依托数字孪生技术对复杂产品对象全生命周期建模 ， 结合仿真分析 ， 打通从产品设计研发到生产的数据流 ； 阿里聚合城市多维数据 ， 构建 “城市大脑 ”智能孪生平台 ， 提供智慧园区一体化方案，已在杭州萧山区落地；华为发布沃土数字孪生平台，打造 5G AI赋能下的城市场景、业务数字化创新模式。 从标准化层面来看， 数字孪生标准 体系初步建立，关键领域标准制修订进入快车道 。 ISO、 IEC、 IEEE 和 ITU等国际标准化组织推动数字孪生分技术委员会和工作组的成立，推进标准建设、启动测试床等概念验证项目。例如：2018 年起， ISO/TC 184/SC 4 的 WG15 工作组推动了面向制造的数字孪生系统框架系列标准（ ISO 23247）的研制和验证工作。 2020年 11 月， ISO/IEC JTC 1 的 SC41更名为物联网和数字孪生分技术委员会，并成立 WG6数字孪生工作组，负责统筹推进数字孪生国际标准化工作。 10 2 数字孪生技术体系 2.1 数字孪生 技术架构 概述 数字孪生 技术通过构建 物理对象 的数字化镜像 ， 描述物理对象在现实世界中的变化， 模拟 物理对象在现实环境中行为和影响，以实现状态监测、故障诊断、趋势预测和综合优化。 为了构建数字化镜像并实现上述目标， 需要 IOT、建模、仿真等基础支撑技术通过平台化的架构进行融合，搭建从物理世界到孪生空间的信息交互闭环。整体来看，一个完成的数字孪生系统应包含以下四个实体层级：一是数据采集与控制实体 ，主要涵盖感知、控制、标识等技术，承担孪生体与物理对象间上行感知数据的采集和下行控制指令的执行。 二是核心实体， 依托 通用支撑技术，实现模型构建与融合、数据集成、仿真分析、系统扩展等功能 ，是生成孪生体并拓展应用的主要载体。 三是用户实体， 主要以可视化技术和虚拟现实技术为主，承担人机交互的职能。 四是跨域实体， 承担各实体层级之间的数据互通和安全保障职能。 图 2-1 数字孪生技术架构 11 2.2 基础 技术 ：感知 感知是数字孪生体系架构中的底层基础，在一个完备的数字孪生系统中，对运行环境和数字孪生组成部件自身状态数据的获取，是实现物理对象与其数字孪生系统间全要素、全业务、全流程精准映射与实时交互的重要一环。因此，数字孪生体系对感知技术提出更高要求，为了建立全域全时段的物联感知体系，并实现物理对象运行态势的多维度、多层次精准监测，感知技术不但需要更精确可靠的物理测量技术，还需考虑感知数据间的协同交互，明确物体在全域的空间位置及唯一标识，并确保设备可信可控。 图 2-2 典型数字孪生感知系统构建 （ 1）数字孪生全域标识 全域标识能够为物理对象赋予数字 “身份信息 ”， 支撑 孪生映射 。 标识技术能够为各类城市部件、物体赋予独一无二的数字化身份编码，从而确保现实世界中的每一个物理实体都能与孪生空间中的数字虚体精准映射、一一对应，物理实体的任何状态变化都能同步反应在数字虚体中，对数字虚体的任何操控都能实时影响到对应的物理实体，也便于物理实体之间跨域、跨系统的互通和共享。同时，数字孪生全域标识是数字孪生中各物理对象及其数字孪生在信息模12 型平台中的唯一身份标识，数字孪生全域标识可实现数字孪生资产数据库的物体快速索引、定位及关联信息加载。目前，主流的物体标识采用 Handle、Ecode、 OID 等。 （ 2）智能化技术 随着行业应用场景不断拓展，传统传感器已无法满足数字孪生对数据精度、一致性、多功能性的需求。而智能化传感器是将传感器获取信息的基本功能与专用微处理器的信息分析、自校准、功耗管理、数据处理等功能紧密结合在一起，具备传统传感器不具备的自动校零、漂移补偿、传感单元过载防护、数采模式转换、数据存储、数据分析等能力，其能力决定了智能化传感器具备较高的精度、分辨率，稳定性及可靠性，使其在数字孪生体系中不但可以作为数据采集的端口，更可以自发地上报自身信息状态，构建感知节点的数字孪生。 （ 3） 多传感器融合技术 由于单一传感器不可避免地存在不确定或偶然不确定性，缺乏全面性、鲁棒性，所以偶然的微小故障就会导致系统失效。多传感器集成与融合技术通过部署多个不同类型传感器对对象进行感知，在收集观测目标多个维度的数据后，对这些数据进行特征提取的变换，提取代表观测数据的特征矢量，利用聚类算法、自适应神经网络等模式识别算法将特征矢量变换成目标属性，并将各传感器关于目标的说明数据按同一目标进行分组、关联，最终利用融合算法将目标的各传感器数据进行合成，得到该目标的一致性解释与描述。多传感器数据融合不仅可以描述同一环 境特征的多个冗余信息，而且可以描述不同的环境特征，极大的增强了感知的冗余性、互补性、实时性和低成本性。 13 2.3 基础 技术： 网络 网络是数字孪生体系架构的基础设施，在数字孪生系统中，网络可以对物理运行环境和数字孪生组成部件自身信息交互进行实时传输，是实现物理对象与其数字孪生系统间实时交互、相互影响的前提。网络既可以为数字孪生系统的状态数据提供增强能力的传输基础，满足业务对超低时延、高可靠、精同步、高并发等关键特性的演进需求，也可以助推物理网络自身实现高效率创新，有效降低网络传输设施的部署成本和运营效率。 伴随 物联网技术的兴起，通信模式不断更新，网络承载的业务类型、网络所服务的对象、连接到网络的设备类型等呈现出多样化发展，要求网络具有较高灵活性；同时，伴随移动网络深入楼宇、医院、商超、工业园区等场景，物理运行环境对确定性数据传输、广泛的设备信息采集、高速率数据上传、极限数量设备连接等需求愈加强烈，这也相应要求物理运行环境必须打破以前“黑盒”和“盲哑”的状态，让现场设备、机器和系统能够更加透明和智能。因此，数字孪生体系架构需要更加丰富和强大的网络接入技术，以实现物理网络的极简化和智慧化运维。 （ 1）基于行业现场网 的组网技术 行业现场网是用于现场设备之间、现场设备与外部设备之间、以及设备与业务平台之间数据互通的通信与管理技术。行业近端网、组网需求碎片化，利用行业现场网可以为行业设备提供在近端通信域互操作的手段，实现行业现场异构网络的互联互通、柔性组网。 行业现场网关键技术包括面向资产盘点、出入库管理等场景的新型无源RFID技术，面向超低时延、超高可靠设备互通信的新型短距技术，面向数据高14 可靠确定性通信的确定性传输技术，面向环境监控等场景的中低速技术，及面向设备及人员定位的室内定位技术等。 5G+行业现场网是以网关为中心， 南向通过无源 RFID、短距、确定性传输等现场网技术实现现场设备连接与通信，北向通过 5G网络将行业现场生产及管理数据传输到平台，可服务于行业生产现场，满足各类业务差异化需求。行业现场网与 5G协同，一方面能够满足不同行业现场通信需求，进一步提升网络的管理和运维能力；另一方面可结合边缘计算、算力感知等能力，提升网络的智能化能力。 图 2-3 5G+行业现场网体系架构 （ 2）基于 SLA服务的 QoS 保障技术 网络故障将带来丢包、乱序、时延、抖动，甚至网络服务中断等问题，这会直接影响用户的使用体验和满意度。如何结合不同等级的 SLA服务对网络可靠性的需求，保证网络业务用户体验是数字孪生网络的重点研究内容之一。具体来说，基于 SLA服务的 QoS架构及能力分级管理方法，就是通过构建全流程、一体化的网络可靠性参数集、资源分配策略，包括端到端 QoS映射规则、配置规则、监测及保障机制等，实现高效、可靠的 SLA服务管理的增强，以承载各种能力等级要求的泛在感知应用，以及与之相关的用户体验一致性服务。 作为一种服务质量增强技术，该技 术可以将包括用户服务质量请求在内的 15 SLA 请求参数高效传递给抽象后的网络管理虚拟化节点，并且逐步根据 QoS服务的共性特征，形成 API 封装的平台级能力。 （ 3）基于多维度动态调度的资源编排技术 由于数字孪生网络可以感知无处不在的计算和服务，如何实现物理网络资源的统筹调度及编排，是数字孪生网络的重点研究内容之一。具体来说，数字孪生网络的各级管理实体应能够根据感知采样周期、网络拓扑结构和差异化数据质量需求等，以主动协商的方式对抽象后的网络资源、计算资源进行灵活度量和协同编排，决定在什么时间、什么地点、使用合 理的网络控制面和用户面资源来传输什么内容，为全要素、全业务数据的感知信息在网络会话中的关联、分发提供可信服务。 作为一种网络资源智能调度技术，该技术可快速将高优先业务流匹配至最优节点，实现对高质量感知数据的优先传输、运营，也可对整体网络资源进行最优部署、管理，有效降低物理网络的总能耗，实现绿色低碳、计算智能的低能耗网络组合。 （ 4）基于智能路由的数据流控技术 感知数据高效传输是满足物联网系统实现计算智能、认知智能的必要前提。如何在通信域全业务周期中为所有感知节点的实时数据流提供柔性组网、接纳控制的方法，是数 字孪生网络的重点研究内容之一。具体来说，物理网络为了满足行业近端网络碎片化的组网需求，需要考虑引入智能路由的方式，在网络控制平面中定义多通信域之间的角色选择、信息交互机制及交互格式等，实现信息资源在网络中的自动化关联、寻址、调配等智能功能，高效指导实时数据流在全业务周期内的路由配置。 16 作为一种网络管道增强技术，该技术综合考虑全网路由状况和数据流计算状况，在用户不关心物理网络路由配置状态的前提下，保证每个业务流数据的传输路径的先后顺序和逻辑关系，可适用于异构网络自适应融合通信、多域数据流接纳控制等场景，在在网 络流量全息透视、网元全生命周期管理等场景也能发挥重要作用。 2.4 关键技术 ：建模 数字孪生 的建模是将物理世界的对象 数字化 和模型化的过程。通过建模 将物理对象表达为计算机和网络所能识别的数字模型，对物理世界或问题的理解进行简化和模型化 。数字孪生建模需要完成 从多领域多学科角度模型融合以实现物理对象各领域特征的全面刻画 ，建模后的虚拟对象会表征实体对象的状态、 模拟 实体 对象在现实环境中的行为 、分析物理对象的未来发展趋势。建立物理对象的数字化 建 模技术是 实现数字孪生的源头和核心技术，也是“数字化” 阶段的核心。而模型实现方法研究主要涉及建模语言和模型开发工具等，关注如何从技术上实现数字孪生模型。在模型实现方法上，相关技术方法和工具呈多元化发展趋势。当前，数字孪生建模语言主要有 Modelica、 AutomationML、 UML、 SysML 及 XML 等。一些模型采用通用建模工具如 CAD 等开发，更多模型的开发是基于专用建模工具如 FlexSim 和 Qfsm 等。 按照实现来看，物理对象的建模可以包含是个步骤，如下图所示，模型抽象、模型表达、模型构建、模型运行。其中模型抽象实现对物理对象的特征抽象、模型表达对抽象后的信息进行描述，模型构建阶段会实现模型的校验、编排等，模型运行提供虚拟模型运行环境。 17 图 2-4 数字孪生 模型构建流程 为了达到物理实体与数字实体之间的实时准确刻画 ，需要基础支撑技术做为依托， 同时经历 多阶段的演进才能很好的实现物理实体在数字世界中的塑造。 在数字孪生建模的过程中涉及到的技术来看，涉及到不同领域的技术族，可以从模型建模的使用场景来分析。 IT、 OT、 CT三个领域有各自的特点。 IT 领域目前的建模主要集中在两个场景，物联网设备建模和数字孪生城市等场景建模。其中物联网设备的建模主要由大 的平台厂家推动，实现设备数据的平台呈现，在描述层面，大多采用 json、 xml 等语言进行描述，自定义架构，并采用 MQTT， COAP等应用传输协议进行虚实系统交互。 OT领域建模主要集中在复杂装备，对于 OT领域的复杂装备和场景的建模，需要融合机械、电气、液压等不同领域知识。Modelica是 由瑞典非赢利组织 Modelica 协会开发，是一种开放的、面向对象的、基于方程的多领域统一物理系统建模语言，支持例如机械、 电气、液压、控制、电磁等面向对象的组件模型构建。 工业界的 三大工业建模工具都支持 Modelica建模语言 。 Modelica开放、标准、与平台无关的特性，逐渐形成了丰富的模型库生态，利用模型库可很大提高建模效率和质量，模型库也成为商业 建模工具 最重要的竞争力。 另外，如 OPC UA等技术，在 OT领域的信息模型构建方面也提供了如信息模型描述，信息模型模板等技术。 CT领域的模型构建能力主要集中在 18 网络基础设施和网络组网等能力的构建，主要集中在信息模型领域，以SNMP/mib 方式为主，实现网络中网元状态信息，配置信息等的交互。对于 CT领域数字孪生的需求，目前业界研究 telemetry技术，用 netconf/YANG来实现更高效的虚实交互能力。 从不同层面的建模来看，可以把模型构建分为几何模型构建、信息模型构建、机理模型构建等不同分类 ，完成不同模型构建后，进行模型融合，实现物理实体的统一刻画。如下图提供的模型融合架构。面对不同领域的多种异构模型，需要提供统一的协议转换和语义解析能力。 图 2-5 跨 领域虚实交互框架 数字孪生模型的建立以实现业务功能为目标，对于不同的建模技术，最核心的竞争力都在工具和模型库 。数字孪生模型库 的组件原则可以提供 以人员、设备19 设施、物料材料、场地环境等信息为主要内容的对象 组件 模型库 ，也可 以生产信息规则模型库、产品信息规则模型库、技术知识规则模型库为主要内容的规则模型库。 也可提供与人机交互、业务展示相关的几何、拓扑等模型库。 数字孪生 模型库 是 与建模工具相辅相成的能力 ， 作为 数字孪生 技术的底座和核心 ， 模型构建的 理论、方法和 相关工具及模型库的发展 ， 都是数字孪生核心的 技术 ，这些都是数字孪生 技术应用 的 有效 支撑。 2.5 关键技术 ：仿真 数字孪生体系中的仿真作为一种在线数字仿真技术，将包含了确定性规律和完整机理的模型转化成软件 的方式来模拟物理世界。只要模型正确，并拥有了完整的输入信息和环境数据，就可以基本正确地反映物理世界的特性和参数，验证和确认对物理世界或问题理解的正确性和有效性。从仿真的视角，数字孪生技术中的仿真属于一种在线数字仿真技术，可以将数字孪生理解为：针对物理实体建立相对应的虚拟模型，并模拟物理实体在真实环境下的行为。和传统的仿真技术相比，更强调物理系统和信息系统之间的虚实共融和实时交互，是作贯穿全生命周期的高频次并不断循环迭代的仿真过程。因此仿真技术不再仅仅用于降低测试成本，通过打造数字孪生，仿真技术的应用将扩展到 各个运营领域，甚至涵盖产品的健康管理、远程诊断、智能维护、共享服务等应用。基于数字孪生可对物理对象通过模型进行分析、预测、诊断、训练等（即仿真），并将仿真结果反馈给物理对象，从而帮助对物理对象进行优化和决策。因此仿真技术是创建和运行数字孪生体、保证数字孪生体与对应物理实体实现有效闭环的核心技术。 20 图 2-6 与数字孪生相关的各部分 随着与云计算、大数据、物联网、人工智能等新技术新理念的融合，仿真进入了一个新的发展阶段，向着数字化、网络化、服务化、智能化方向发展，体系逐渐完备。从对象、架构及粒度维度，数字孪生仿真技术发展出很多种类和分支。 按被仿真的对象可以分为： 工程系统仿真 ，将实际工程的状态在模型中进行模拟，通过仿真技术确认工程系统的内在变量对被控对象的影响，如制造过程的仿真，仿真技术已被用于产品制造的整个生命周期； 自然系统仿真 ，对自然场景进行真实模拟，部分自然场景具有不规则性、动态性和随机性，如气候变化仿真、自然灾害仿真，因此对自然 场景的实时仿真具有重大的意义； 社会系统仿真 ，是对复杂社会系统的描述与研究方法，有助于提高决策层对系统运行状态的快速掌握以及对各种状况的及时处理，如人工社会、经济行为的仿真； 生命系统仿真 ，是以生命系统为研究对象，以生命的某种功能为划分系统的原则，以定量研究为特点的一种新兴学科，如数字人体，数字人体是指用信息化与数字化的方法研究和构建人体，即人体活动的信息全部数字化之后，由计算机网络来管理的技术系统，用以了解整个人体系统所涉及的信息过程，并特别注重人体系统之间信息的联系与相互作用的规律。 军事系统仿真 ，在军事仿真 方面，有战争模拟、作战演练、装备使用和维修培训等应用场景，能节约经费、提高效率、保护环境、减少伤亡。如通过仿真进行军事演习，可以极大地降低演习的消耗，并避免人员的伤亡。 21 按仿真粒度可以分为： 单元级仿真 ，即面向单个部分或领域的仿真，如机械结构仿真、控制仿真、流体仿真、电磁仿真； 系统级仿真 ，面向单一系统整体行为的仿真，如汽车、飞机等产品的全系统仿真； 体系级仿真 ，面向由多个独立系统组成的体系系统的仿真，关注体系中各部分之间的关系和体系的涌现行为，如城市交通仿真、体系对抗仿真。 按仿真系统架可以分为： 集中式仿真 ，即 运行于单台计算机或单个平台上的仿真系统，适合中小型的仿真系统，便于设计和管理； 分布式仿真 ，即运行于多台计算机或多个平台上的仿真系统，常用于大规模体系级仿真。 数字孪生技术是仿真技术在制造领域的应用并与物联网、虚拟现实等技术相结合的产物，在工业互联网浪潮的推动下，得到迅速传播。数字孪生的概念由于形象通俗的特点而引发行业内外的广泛关注和浓厚兴趣，也使人们进一步认识了仿真技术的价值和重要性。仿真形成了较为完善的理论、方法和技术体系，这些将为数字孪生的研究和应用提供坚实的基础和有力的支撑。 22 3 数字孪生 赋能智慧城市 3.1 总体情况 （一） 需求背景 一是 政策 导向层面。 国家将数字化作为推动经济社会发展重要的战略手段，中华人民共和国国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要 中明确探索建设数字孪生城市，推进城市数据大脑建设，加快数字化发展建设数字中国 。同时住建部、发改委、自然资源部、工信部、网信办等均发布相关政策，鼓励数字孪生城市的发展。 二是 企业支撑 层面。 数字孪生城市理念提出后受到政府和产业界的高度关注和认同，各地对数字孪生城市规划和建设的需求非常强烈，企业纷纷入局数字孪生城市 建设，包括运营商、地理信息与测绘、 BIM、建模仿真、集成商、互联网企业、大数据厂商、硬件厂商等，集结各领域优秀企业，共同建设数字孪生城市。 三是 城市建设需求 。 新冠疫情防控、洪涝灾害充分暴露出我国城市治理还存在诸多短板和弱项，包括城市风险预警预测滞后、突发事件应急响应迟钝、资源统筹协调能力不足等，将全周期管理意识落实到城市治理的具体实践中还有很多现实困难，需要解决目前还存在的技术应用割裂、数据碎片化分布、治理协同难以达成等问题。如何通过数字孪生技术，构建韧性城市，是当前亟需解决的问题。 （二） 功能架构 基于云 计算、大数据、人工智能、物联网新一代信息技术构建的开放创新和运营平台，其深度整合汇集政府数据、设备感知数据、历史统计数据、 GIS数据、行为事件、宏观经济等人、事、物数据等海量、多源、异构数据，开展数据融合计算，完成数据融合、智能感知、业务联动处置闭环，实现城市运行感知、公共23 资源配置、宏观决策指挥、事件预测预警等功能，完成对城市可视、可监、可控的闭环控制。并基于统一的标准和规范，积累完整的城市大数据资产，支撑城市管理、生态环保、安全保障、应急管理、公共服务、产业发展等各领域的数字化转型升级，辅助城市管理者实现 从规划 -建设 -管理 -运维的城市全生命周期体检评估，有利于提升城市精细化治理水平，提升政府管理能力。 图 3-1 数字孪生城市整体架构 1） 基础设施： 汇聚城市多维时空数据， 包含政府热线、网格巡查、设备感知、专业数据及外部数据。 2） 数据资源： 对原始数据如矢量数据、栅格数据、 BIM模型数据、点云数据、人工建模数据等静态数据， IoT感知数据、业务运行数据、仿真算法数据等动态数据。进行聚合、质量管理、数据清洗，形成不同结构化的主题数据库 ，提供基础计算能力。 3） 通用能力：又 称平台支撑层，包含城市骨架、空间服务与行为运控，城市骨架，供包括应用代码、 SDK、操作系统以及 API在内的 IT 组件，借助微服务组建及平台开发工具，构建 UBD数字孪生底座、可视化平台、场景编辑平台、业务仿真平台及业务开发平台，同时，用户可使用工具集自定义数字孪生体。融合算法模型，向下接通数据，向上支撑业务应用 。 24 4） 行业应用： 为数字孪生平台应用提供赋能，一方面为数字孪生行业应用业务系统提供功能扩展接口，行业应用，如智慧城市、智慧园区、智慧水务 、智慧交通、智能汽车、智能制造、智能港口等行业。另一方面实现运行、管理、预警应急等协同工作机制，并提供创新性的业务应用 。 5） 互动： 通过运营大屏、会商中屏、巡检小屏完成对数字孪生平台的可视化呈现。 3.2 核心价值 3.2.1 促进多源数据互通融合 汇聚城市多源异构数据，包含由地理矢量数据、模型数据、 BIM数据等为主的基础数据，以及城市各业务涉及的专题数据，形成可复用的、庞大的数据资产库 ， 解决数据碎片化 、 数据不完整 、 格式不一致 、 数据孤岛等问题 ， 通过精准的“数据反哺 ”， 为数据驱动城市运行提供基础 。 3.2.2 建设城市全生命周期管理体系 通过构建城市规划、建设、管理、运营全生命周期管理体系，实现一张蓝图绘到底、干到底、管到底：一张蓝图绘到底，支撑多规合一的规建业务，实现多要素的静态场景和图层的管理；一张蓝图干到底，支持动态引入制定模型，实现城市 -系统同步更新，多精度场景贴近现实；一张蓝图管到底，支撑城市综合治理业务，实现数据驱动静态场景、动态场景，映射现实世界。在这一蓝图的基础上，围绕人民群众最关心的问题 ， 开展大城市治理 ， 像 “绣花 ”般精细 ， 像钉钉子般务实卖力，形成有效的超大城市的治理体系靠的是精细化管 理水平。 3.2.3 打造多方建设的创新模式 城市本身 是一个知识集成、技术集成、数据集成、算法集成、工具集成、应25 用集成的复杂巨系统，因此必须有强有力的产业生态紧密协作，对零散的应用平台进行集成和升级，通过政府、企业、社会合作构建产业生态，打造集约化平台，用科技产业发展带动技术进步，推动整个社会参与城市治理服务、数字经济发展，实现公共资源高效调配，城市事件精准处置。 3.3 关键 技术 3.3.1 多源数据融合技术 以 GIS数据、 IoT数据、 BIM数据、公共专题数据、行业专题数据、互联网数据等海量异构多维时空数 据为数据源，利用机器学习、深度学习算法，对时空大数据进行自动识别、数据挖掘及三维重建，能够为数据赋予空间特性及用途，构建涵盖地上地下、室内室外、二三维一体化的全息、高清的数字空间。同时，构建时空数据库，为数据设计统一定义、存储、索引及服务机制，形成 TB级数据集、分布式集群管理，实现数据统一接入、交换和高效共享，构建全要素数据体系。为城市提供完整统一的三维数字底板。数字孪生系统包含全要素场景衍生数据（ DEM、 DOM、矢量、倾斜摄影、 BIM、激光点云、人工模型等）、行业数据（城市、交通、航空、码头、医疗、工地、 能源、生态、水务等）、物联感知数据（智能手机、可穿戴设备、传感器等）等多种数据。 26 组 图 3-2 全要素场景数据处理 3.3.2 多尺度建模技术 以应用场景为导向，基于不同精度标准还原较大规模城市及区域场景，能够实现大规模环境下的多尺度建模。融合倾斜摄影、激光点云数据、 GIS 基础数据、IoT数据及其他业务数据，匹配不同尺度与不同颗粒度数据，生成多尺度数据融合标准，以此标准为依据，自定义不同层级呈现的数据主题，完成人、事、地、物全要素的多尺度建模，实现物理空间与数字空间的分层次映射。同时基于深度学习技术，对点云进行语义分割，进行多种场景下的事件检测、事件相关元素以及事件间的关系抽取，再进一步做单体的语义建模，形成三维语义模型，将模型赋予灵魂。 (a) 初精度模型 (b) 中精度模型 (c) 高精度模型 27 (d) 高拟真模型 (e) 全拟真模型 组 图 3-3 多尺度建模 3.3.3 三维可视化技术 三维场景高效可视化技术是基于游戏引擎、 3DGIS技术、混合现实技术，多层次实时渲染复杂三维场景，从宏观的城市场景到精细局部的微观细节，支持三维场景全域可远观、可漫游，观察距离从 32 千米到 1 米，实现对空间地理数据的可视化表达，对物理场景进行 1:1还原，实现地上地下一体化、室内室外一体化、静态动态一体化。地上地下一体化基于地形挖开和侧面剖切的方式，对地下空间进行展示浏览的可视化功能。支持将地下地质模型、水体模型等上升到地表独立进行可视化查看，使地上地下三维场景既可以一体化展示，也可以 独立化展示。室内室外一体化基于游戏引擎的流式关卡加载技术，快速高效地实现由室外至室内的一体化浏览。静态动态一体化在大范围静态三维场景下，支持人流、车流等各类智能交通体的动态模型可视化。 组 图 3-4 大场景到精细场景 28 组 图 3-5 地上地下 组 图 3-6 室内室外 组 图 3-7 静态动态 3.4 应用场景 3.4.1 城市综合治理 数字孪生城市通过对各类城市基础设施、电力系统、生态环境等元素的模拟，建立起物理世界和数字世界的映射和交互平台，打破传统智慧城市建设领域中 条块化的建设和管