华为：数字孪生城市白皮书_19页_1mb.pdf

我们理解的数字孪生城 市运用数字技术在物理城市与数字 城市之间建立相互映射的关联关系 , 通 过对物理实体 、 规则 、 边界 、 系统属性的数字化映射 ,支持数字城市到物理城市的动态监 测 与模拟仿真 ,实现城市从规划 、 建设 、 管理到服务的全过程 、全要素 、 全方位 、 全周期的数字化 、 在线化和智能化 , 依此指导优化城市面貌 , 重 塑 城市现代化治理模式 , 促进城市的 可 持续高质 量发展 。数字孪 生数字孪生是充分利用 物 理模型 、 传感器更新 、 运行历史等数据 , 集成多学科 、多物理量 、 多尺度 、 多概率的仿真过程 , 在虚拟空间中完成映射 , 从而反映相对应的实 体 装备的全生命周期过程 。 数字孪生 是 一种超越现实的概念 , 可以被视为一个或多个重要的 、 彼 此依赖的装备系统的数字映射系统 。- 百度百科数字孪 生 城市2020年 7月大数据战略重点实验室全国科学技术名词审定委员会 研究基地收集审定的第一批 108条大 数据新词 , 报全国科学技术名词审 定 委员会批准 ,准予向社会 发 布试用 。-百度 百 科第一 章数字孪生城 市 的理解03数字孪生 城 市白皮书镜子前面是你 , 镜子后 面 是一个 数字镜像 的你 !在数字孪生世界中也存在一个虚实镜像的介质 , 我们将它定义为 数字孪生镜像平面 (简称孪生平面 ), 平面一侧是物 理 世界的属性 , 平面另一侧是镜像的数字表达 。 孪生平面自下而上包括 : 智能设备 、 联接网络和数字孪生平台 , 分别归属于 传统 IT 架构划分的感知层 、 传输层和平台层 。随着 5G、 AI 芯片的普及和技术推广 , 感知终端由原有的 哑终端 逐步向智能终端演进 , 更加可通 、 可管 、 可控 。 感知终端以标准的传输协议将状态数据传送到应用层 , 支持实现物理城市的感知 、 互联 、 监测与预测。目前 , 物联感知终端在城市的诸多领域已发挥巨大作用 , 主要包括 : 计量终端 (水务、燃气、热力、电 力 等 ), 环境监测传感器(大气 、 水 、 噪声 、 辐射 、 土壤 、 生态等 )。 未来 , 具备多样复合能力的智能终端 ,将走进城市 ,给我们带来更多惊喜 , 如城市巡检机器人、智能停车机器人 、 智能市政终端 、 智能监控终端等 。联接网络是智能终端的通信基础 , 不同的物联网场景和 设 备使用不同的网络接入技术和连接方式 , 包括有线和无线方式 。 有线方式主要应用在室内和大带宽有线连接业务场景。无 线 连接分为短距无线和长距 无线 , 短距无线技术包括蓝牙 、 Zigbee、 WiFi等技术 , 主要应用在室内和短距离连接场景 , 一般是多个无线终端通过网关进行汇聚后 连接到物联网平台 。 长距无线包括无线专网 、 运营商蜂窝网络等不同方式 , 主要应用在野外和长距 离连接场景 。 多样性的网络接入技术 , 支持更加丰富的智能终端 , 面向场景化应用灵活选择合理的接入方式 。日益复杂的数据处理与多样性的网络接入 , 需要强 大 的数字孪生平台化能 力作为支撑 。 数字孪生平台需具备端到端的 IT 服务能力 , 从功能角度划分 , 包括 : 物联网平台化能力 、 网络虚拟化管控能力 、 大数据平台能力 、 视频汇聚分析能力 、 融合通信能力 、 地理信息服务能力 、孪生模型设计与管理能力 、 人工智能服务能力等 。 数字孪生平台是孪生平面的核心 , 一定程度上决定了物理城市与数 字 城市间 虚实 连接的数量以及交互质量 。智慧城市是城市发展的一个科技愿景 。 在城市不断进化的过程中 , 从 数字化到智能化再到智慧化 ,数字孪生是通往智慧城市的一个重要技术 路 径 。数字城市发展阶段以城市数据为核心 , 核心任务实现城 市 要素和业务数字化 。 经过近十年的数字城市建设 , 城市运行数据大量汇聚 积 淀 , 城市画像日益清晰 , 跨层级 、 跨地域 、 跨系统 、 跨部门 、 跨业务的数据资源加速有序融合 ,基于海量多维数据分析的智能应用不断涌现 ,以 智能 场景 为 核心的智能城市已悄然而至 。城市智能应用随着技术创新以及业务融合 , 已逐渐走入 人 们日常的生产生活 , 但对城市治理如此复杂的问题改进还未 有质的提升 。 城市系统的复杂特性 , 迫切需求技术应用实现新突破 , 支持从 物 理空间到数字空间以全局视野实现精准映射 、 感知交互 、 智能监测 、 模拟仿真 , 具备高 纬宏观视角分析城市系统运行规律的能力 。 数字孪生城市 物理 城 市与数字城市虚实融合 , 以数据驱动业务 、 业务融合智能 ,智 能服务场景 , 场景交互系统 , 系统虚实管控的新型 城市治理模式呼之欲出 。城市全域数字孪生化和全域智能化不可一蹴而就 , 城市的智能演 进是必不可少的一环。数字孪生更加侧重系统科学的认知 , 关注城 市局部系统与城市整体系统的科学发展。智 能 化更加侧重与城市场景结合 , 关注场景化应用与人的获得感。两者发挥各自的技术特长 共生互补 , 相互促进 , 让城市向更高级的智能转变 , 从而引领 城 市高质量发展 , 提升政务效率 , 提振经济运行 , 创新城市治理 , 优化公共服务 , 促进生态文明 , 实现城市智慧化的持续发展 , 建设成为 一 条通向智慧城市的罗马大道 。虚体外部业务 逻 辑平台 +网络 +智 能 设备映射 映射 映射数字孪生镜像平 面转 化数 字 内部业务 逻辑转 化物理实体 物理内部（物、人、组织、环境模型） 关系物理 系 统数 字空间 /世界（赛博空间 ）数字系 统影响 影响1.1 城市孪生是通 向 智慧城市的 “ 罗马大道 ” 1.2 数字孪生镜像 平 面是 “ 虚实 ” 镜像的介质转 化实体外部环 境 关系物理空间 /世界数 字虚体（物 、 人 、 组织 、 环境 ）图 1数字孪生镜像平面04数字孪生 城 市白皮书影响已知 但 无法定 义 事物动漫 创意影响未 知 事物转 化CPS 与数字孪生本质来讲都是为了描述信息空间与 物 理世界融合的状态 , 但两个概念的历史渊源和工程意义并不完全相同。 CPS 主要是产生于嵌入式系统在工业领域的深度应用 , 偏向一些科学 原理的验证 , 而非工程应用的优化 , 所以 , 在实际工作中 , 真 正 采用CPS 概念去指导工程实践的情况 , 主要限于一些 航 天军工领域 , 这些领域的工程系统复杂性 , 用传统的工程系统难以描述清楚。 为 了寻找一种能够降低复杂工程系统建设费用的方法 , 数字孪生的 价值得以显现。数字孪 生 以数据 、 模型为基础 , 采用 AI 和大数据等新技术能力 , 广泛应用于工业领域仿真分析、产品定义、制造装 配 工艺、测量检验等模型构建等环节 , 成为了智能制造、工业互联 网 等现代化先进制造业中的核心概 念 。BIM 贯穿从建筑的设计、施工、运行直至终结的建筑全 生命周期 , 将各种信息始终整合于一个三维模型信息数据库 中 。 借助 BIM 这个高度集成的三维模型 , 极大地提高了建筑工程的信 息 化程度 , 为建筑工程项目涉及的各方人员提供一个工程信息交换和 共 享的平台。然而 , BIM 在提供精确的地理位置、建筑物周边环 境 整体展示和空间地理信息分析上存在不足 , 而三维 GIS(地理信息系统 )正好可以对这些不足进行补充 , 完成建筑物的地理位置定位及周边 环 境空间分析 , 完善 大 场景的展示 , 使得信息更完整及全面 。 通过和 GIS 技术进行融合 , BIM 的应用范围从单一建筑物拓展到建 筑 群以及道路 、 隧道 、 铁路 、 港口 、 水电等工程领域 。BIM 整合的是城市建筑物的整体信 息 , 而 GIS 则整合及管理建筑物的外部环境信息 , 它们的融合创建了一个包含城市大量信息的 虚 拟城市模型 , 因而 , 引出了 CIM 的概念 。CIM 是以城市信息数据为基础 , 建立起三维城市空间模 型 和城市信息的有机综合体。从狭义数据类型上讲 , CIM 是由大场景的 GIS +BIM+IOT 数据构成 , 属于智慧城市 建设的基础数据 。 基于 BIM 和GIS 技术的融合 ,CIM 将数据颗粒度精确到城市建筑物内部的单个模块 , 将静态的传统数字城市增强为可感知的 、 实时动态的 、 虚实交互的智慧城市 , 为城市综合管理和精细治理提供了重要的数据支撑。2018 年 ,雄安规划纲要在雄安新区 的 城市智慧化管理领域上提出 :坚持数字城市与现实城市同步规划、同步建设 , 适度超前 布 局智能基础设施 , 打造全球领先的数字城市 、 建立健全 大 数据资产管理体系 , 打造具有深度学习能力、全球领先的数字城 市 等建设内容 , 数字孪生城市的概念开始在 国 内受到广泛关注 。数字孪生城市概念的提出是几十年来技术发展的必然结果 , 我 们将几个维度的相关概念放在一起发现 ,它是一个螺旋式融合演进的过程 。在工业领域 CPS(Cyber-Physical Systems)作为德国工业 4.0 的关键技术 , 经历一段时期应用后遇到发展瓶颈 , 后与数字 孪 生相互融合 , 推动了智能制造产业的 快 速发展 。BIM(BuildingInformationModeling) 技术是 Autodesk 公司在 2002年 率先提出 , 核心是通过建 立虚拟的建筑工程三维模型 , 利用数字化技 术 , 为这个模型提供完整的 、 与实际情况一致的建筑工程信息库 。 随 着城市信息技术需求的进阶 , CIM(CityInformationModeling) 一个新 概念应运而生 ,目标实现跨部门 ,跨学科的信息融合 ,将信息化技术应 用 到城市生产生活中 , 继承并融合了 BIM 发展理念 。数字孪生城市的理念提出 , 是继承 、 融合工业领域的数字孪生 、 建筑信息领域的 BIM 和城市信息领域的 CIM,同 时融入现代城市学科而催生的城市科 技 发展新理念 。数字孪生城市不是一项技术 , 是多维技术融合的综合应用 。数字孪生城市的落地应用离不开 NewICT技术的支持 ,包括 5G广连接特性支撑下的物联网虚实互联与集成 , 基于新型 测 绘的三维建模技术 , 基于大数据 、 云计算 、 模拟仿真 、 虚拟现 实 (VR)与增强现实 (AR)的虚实映射与可视化监测 ; 基于数据挖掘 、 人工智能 、 深度学习的城市变化预测等 。数字 孪生城 市C IM融 合D igtalT w in1.4 数字孪生城市是多维技术融合的综合应用1.3 数 字孪生城市是知识跨界融合的智慧结晶图 2 数字孪生螺旋式融 合 演进基因继 承具象演 进05数字孪生 城 市白皮书C P S融 合融 合BIM实时监测是数字孪生城市运行的基本诉求 。数字孪生城市的本质是城市级信息模型赋能体系 , 通过建立基于立体感知的数据闭环赋能新体系 , 利用物联网 、 大数据 、 云计算 、 视频感知 、 数字化仿真 、 AR/VR、 区块链等关键技术 , 以积木式组装拼接 , 生成城市全域数字虚拟映像空间 , 实现对物 理世界的实时监测 。 为了让数字孪生城市能够动态 、 及时地虚拟出真实世界的运行 , 就要内置强大的计算能力 , 边缘 计 算和云计算能为数字孪生城市与现实城市平行发展提供算力支撑 ,保证两者如影随形 , 相互作用 。 运用模拟仿真技术 ,可进行自 然现象的仿真 、物理力学规律的仿真 、 人群活动的仿真 、 自然灾害的仿真等 , 为城市规划 、 管理 、 应急救援等制定科学决策 , 促进城市资源公 平和快速调配 , 支撑建立更加高效智能的城市现代化治理体系 。 AR/VR不仅是下一代的显示技术 , 更是数字化进程中最重要 的数据采集以及互动的接口 , AR/VR发展的浪潮冲破了许多原有的藩篱 , 教育 、 军事 、 医疗 、 文旅 、 地产等细分领域 都 已开始引入 3D 虚拟场景或应用内容的全新交互体验方式 。 城市运行态势的多维度 、 多层次精准监测 , 是建设 数 字孪生城市的基本诉求 。三维模型是数字孪生城市可视 的 主要载体 。随着国家 自 然资源部对 实景三维中国 、 三维立体自然资源一张图 建设的全面推进 , 测绘地理信息在经济社会各领域得到广泛应用 。 倾斜摄影 、 无人机 、 BIM 等技术 , 可实时 、 准确地获取城市局部的正射 、 倾斜或 Lidar 点云数据以及单体建筑工程三维数据 , 然后依托实景三维重建技术 、 激光点云三维构建技术和多 源 数据融合等技术 , 通过自动化处理流程手段 , 获得三维点 云 、 三维模型 、 真正射影像 (TDOM)、 数字表面模型 (DSM) 和建筑信息模型等测绘成果的模型 。 在数字孪生时代 , 测绘地理信息行业从传统的地图产品制作转型为面向城市治理 、 社会经济 、 专 业建设和大众民生应用的服务行业 , 数字孪生城市更加需要新型测绘的强力支撑 , 在时空大数据管理 、 地理监 测 、 高精度实体化测绘等方面提出更高要求 , 基于新型测绘构建的城市三维模型是数字孪生城市运行的主要载体 。智能预测是数字孪生城市发展的高阶智慧 。数字孪生城市对人工智能领域数据挖掘 、 深度学习 、 自我优化技术的应用 , 可使城市从以往单域智能 、 被动响应逐步转变为全域协同治理、智能响 应 、 趋势预判的模式 , 构建起高效智慧的城市运行规则 。 深度学习核心应用技术包括计算机视觉、自然语言处理、生物特征识别、知识图谱等 ,从已有城市数据中挖掘出新的数据并结构化当前数据 ,并将数据与数据联系起来以形成决策的基础模型 , 经过不断的试错 , 推动系统不断自优化 , 实现数字孪生城市内生迭 代 发展 , 最终为城市提供智能预测 , 呈 现 数字孪生城市发展的高阶智慧 。深 度学 习全域联接是数字孪生城市建设的重要基础 。有关数据显示 , 2025 年全球连接数量将会超过 1000 亿。一方面 , 随着 5G、 WiFi-6、 IOT、 RFID 等技术的日益普 及 ,体验和业务驱动联接与计算无处不在 ; 另一方面 , 随着卫星定位及通信技术的不断发展 , 以高精度定位和卫星通信的时空联接 将 在经济社会各领域得到广泛应用 。 基于标识的全域联接打通了云 、 AI、 边缘计算 、 物联网 、 高精度定位 、 高清视频等新技术 , 使行 业数据采集 、 传送 、 存储 、 计算 、 分析及反馈实现了闭环 , 实现 端 、 边 、 网 、 云 贯通的自治化分布式体系 , 成为数字孪生城市建设的重要基础 。1OT - 实时的泛在连 接RF1D - 非接触数据通信高精度定位 - 米 级 以 下 定 位 技 术LBS - 获 取 目 标 实 时 位 置 信 息卫星通信 - 通 过 卫 星 获 取 信 息标 识 - 物理世界到虚拟世界的对应标识3DG1S - 三维 G1S平 台B1M - 提供城市建筑信息模型街景 - 提 供 城 市 街 道 空 间 表 达点云 - 新 型 三 维 测 绘 方 式倾斜摄影测量 - 新型三维测绘 方 式空间语义 - 获 取 空 间 信 息 的 表 达 信 息数据挖掘 - 发现隐藏信 息深度学习 - 发现规 律机器翻译 - 计算机语义转 换自然语言处理 - 人类语义转 换远程控制 - 物 理 世 界 到 虚 拟 世 界的交互控 制仿真 - 对 物 理 世 界 的 模 拟 表 达A R/VR - 可 视 化 表 达 方 式大数据 - 虚 拟 世 界 的 数 据 集 合云计算 - 获 取 虚 拟 世 界 资 源区块链 - 定 义 虚 拟 世 界 生产 关系仿 真PLM云端智能 ,提供更多更快更智慧的算 法 , 带动创新 应 用倾 斜 摄影 测 量空 间语 义卫 星通 信LBS联 接建 模预 测监 测大带宽、低时延、广连接网络环境 ,带 动物联网、云计算与人工智能等新 技 术生态图 3数字孪生城市技 术 图谱B1M3DG1S1OTRF1D06数字孪生 城 市白皮书点云 街景高 精 度定 位自然 语言 处 理数 字 孪生 城 市机 器翻 译远 程控 制云 计 算大 数 据区 块链AR/VR标 识监测预测建 模连 接5GAI数字孪生城市多学科交叉融合的特征 , 是建设智慧城市的 一把双刃 剑 , 如运用好将成为智慧城市建设的利器 , 如过度消耗理念将为城市建设带来灾难 , 因此 需要建立体系化的方法作为导引 ,并在实践中不断总结、优化 ,指导运用。第 二 章数 字 孪生城市参考框架07数字孪生 城 市白皮书创 新优 化识 别基于理论的模拟仿真与价值 创 新S（ scenarios innovate） 场景试错数字孪生可以成为 个创新的试验沙盒 ,让很多由于物理条件限制、依赖于真实的物 理 实体而无法验证的城市管理理论与无法执行的操 作 变成可能物理系统状态的动态模拟及 优 化O（ optimize） 3优化优化系统结构关系 ;优化系统资源配置 ;优化系统外部干预 条 件物理实体内外部状态的持续 跟 踪D（ discriminate） 7识别识别主题 ;识别对象 ;识别关系 ;识别边界 ;识别技术 ;识别数据 ;识别状 态任何创新都有试错 过 程 , 试错是一种创新模式 。 如何优化城市路口交通红绿灯变化时间 , 得到最高的通行效率 ; 如 何 识别一个高风险生产企业 在 发生事故时对城市造成的影响 ; 如何预测城市新产业导入对本地 企 业的带动作用等诸如此类问题 ,在物理世界中缺乏有效的监测和预测手段 ,数字孪生城市专题建设可以作为解决 此 类问题的一个创新试验沙盒 , 基于理论的模拟仿真与价值创新让很多由于物理条件限制 、 依赖于真实的物理实体而无法验证 的 解决方案或城市管理理论经过不断试错 、 优化而变成可能 。数字孪生城市的价值就是帮助 城 市找到了一条低成本甚至趋于零成本的治理创新试错之路 。识别 边 界面向待解决的问题 ,可抽象为一个物理系统 ,在物理模型设计中首先设计系统内的核心物理主体与关键关 系 , 非核心主体可作为系统外部约束建立连接关系 , 依 此 定义数字孪生边 界识别 数 据在物理系统内 , 为获得解决问题所需的数据 , 主要 涉 及物理主体状态数据与主体间关 系 数据识别 状 态在物理模型与数字模型间 , 数据涵义表征的物理状 态是否合理 , 数据表征的物理状态的 业 务价值识别 主 题即确定数字孪生需要解决的核心问题 (场 景 )识别 对 象在问题导向下 ,做场景化细分 ,在场景中分析涉及的物理实体对象 ,将来作为数字孪生的对象主体识别 关 系在物理模型中建立物理主体对象之间 的关系 , 将来作为数字孪生对象与对象之 间 的数字规则识别 技术为获取所需数据所采用的技术 实 现手段理论上物理世界万事万 物 皆可数字孪生 , 包括人 、 车 、 物 、 环境 、 城市部件等 ,但在一个城市里要把所有物理实体数字孪生化 , 成 本极高 , 难度极大 , 同时为维护和管理带来 极 大挑战 , 造成社会资源浪费。我们认为 , 数字孪生需要以问题作为导向 ,以价值作为驱动 ,按需孪生 。 依此在实践中思考 ,提炼总结一套指导数字孪生建设 的方法 - DOS工程方法 : D(discriminate)识 别 -7 个关 键 要素识别 , O(optimize)优化 -3 类优化 , S (scenariosinnovate)场景试错 。D（ discriminate）识别 -7 个关 键 要素识别即识别主题 、 识别对象 、 识别关系 、 识别边界 、 识别技术 、 识别数据和识别状态数字 孪 生城市工程方法优化系统结 构 关系通过数据分析监测 , 获得物理主体间 动 态变化的特征 , 模拟判断通过外部干预调整物理主体间的关系 , 得到解决问题的可行方 法优化系统外部干预 条件通过外部干预条件的数据监测 , 获得物理系统与外部环境的作用关系 , 模拟调整外部干预条件使物理系统状态最优或得到解决问题的 途径O（ optimize）优化 -3 类优化即优化系统结构关系 、 优化系统资源配置 、 优 化系统外部干预条件优化系统资 源 配置通过数据分析监测 , 获得系统资源配置的动态变化特征 , 模拟判断通过资源配置的调整 ,得到解决问题的 最 优方案S（ scenariosinnovate） 场 景 试错图 4 数字孪生城市 DOS 工程方法08数字孪生 城 市白皮书2.1应用仿 真 层模型参数调整、趋势状态模拟 预 览数字模型 层物理主体要素、关系、边界、约束 文字数字规则 层人、物、组织、环境内外部要素间逻辑关系与流程 数字化数字要素 层人 、 物 、 组织 、 环境要素数字化数字镜像层（平台、网络、 智 能终端 ）要素与逻辑关系动态变量识别与数字化基础能力 (识别 、 传输 、 处理 、 控制 ）物理模型 层物理主体要素、关系、边界、 约 束物理规则 层人、物、组织、环境内外部要素间逻辑关系 与 流程物理要素 层人 、 物 、 组 织 、 环境要素 ,物理主体要素识别物理空间模 型设计数字孪生城市在物理系统设计中 , 依据 DOS工程方法 , 分别设计 物 理要素层 , 主要包括人、物、组 织 、 环境等关键主体要素特征与定义 ; 物理规则层 ,主要包括系统中人、物、组织、环境内外部要素间逻辑关系与业务流程 ; 物理模型层 : 主要建立 涵 盖系统主体要素 、 主体间关系 、 系统边界及外部约束的 物 理模型 。数字空间 模 型设计建立与物理模型映射的数字化表达 , 主要包括实 体 孪生 、 关系孪生和模型孪生。值得关注的是 , 物理空间模型到数字空间模型的映射 , 不 一 定是可视的 , 甚至可能仅仅是一个简单的数据 , 重点是采用孪生 思 维 , 聚焦解决的 问题本质 。数字 孪 生城市功能框架公共管理 公共服务数字孪生镜像层（孪生平面 ）主要包括智 能终端 、 联接网络和数字化平台等 IT能力的设计 。 用合理的技术手段 , 获得物理系统的数据状态并进行分析 , 同时提供有效技术预测的能 力 。应用仿真 层 设计通过数字模型实现对物理系统的模拟 / 预测 , 获得解决 问 题 , 优化城市的最 优 方案 。数字孪生城市的功能框架是物理系统设 计与 IT 系统设计的融合 。图 5数字孪生城市功能框 架 体系09数字孪生 城 市白皮书物理空间数字空间实体孪生模型孪生关系孪生镜像平 面2.2依据 按需孪生 的核心理 念 , 城市可根据不同的需求建立基础数据 框架体系以及数据更新频度。通常我们认为 , 数字孪 生 城市的基础数据框架由宏观 、 中观与微观三层不同颗粒度数据框架组成 。围绕数字孪生城市数据体系建设和 管 理全过程 , 整合 、 集成和规范时空基础数据 、 工程建设项目数据 、 公共专题数据和物联网感知数据等数据资源 , 由按尺度分级的 基 础地理信息数据库向按地理实 体 分类的无尺度基础时空数据库转变 , 实现不同精度 、 不同层次 、 不同时相的地理实体数据集成 , 形 成 地上地下全域空间立体的三级数据框架 体 系 , 为数字孪生城市运行管理提供统一的数据底板 。城市宏观数 据 框架城市宏观数据框架包括两部分 , 一是以卫星遥感数据为主 的 覆盖城市山水林田湖草等大颗粒度城市自然资源宏观数据框 架 ; 一是利用更先进的机载 、 车载 、 船载 、 背包式等新型测绘设备 , 通过无人船 、 无人机航拍等新型测绘技术有效覆盖陆地 、 海洋 、 空间和地上地下 , 基于面向地理实体对象的增量式数 据更新 , 实现海量城市实体地理信息的快速更新和动态调整 。城市微观数据框 架城市微观数据由地理实体最小颗粒度组合的城市物联场 景 组成 , 如道路交通物联、个人物联、建筑物联等场景 , 将地理 实 体间或人与地理实体间的实时属性挂接 ,包括地理实体语义 、 地理实体位置 、 地理实体城市属性 、地理实体关系及地理实体演化过程等属性 , 实现 场景的孪生能力 。城市中观数 据框架由按尺度分级的基础地理信息数据库向按地理实体分类的无 尺 度基础时空数据库转变 , 通过地理实体建库技术 , 可实现不同精度、不同层次、不同时相的地理实体数据集成 , 形成地上地下、 室 内室外 、 二维三维 、 历史现状一体化的全空间城市信息模型 , 支撑基础地理和城市专题 数 据融合 。数字 孪 生城市数据框架城市物联场 景 个人物联场 景 建筑物联场 景航空、无人机遥感等技术对城 市特定区域 ,针 对 事 件 或 管 理 专 题 ,建设数据管理框架 ,增补卫星遥感 数 据精度与更新周期的不 足遥感卫星对城市城区 、 林地 、 耕地 、 矿山 、水域等大颗粒度城市地理宏观数据框架建 设城市宏观数据 框物联场 景微观数 据主城区 、 城市核心区、建筑物、城市部件 等B1M和三维模 型数据中观数据框 架BIM+三维模型静态遥感数据图 6数字孪生城市数据体系架 构孪生城市数据底座10数字孪生 城 市白皮书场 景依 赖2.3数字孪生平台应具 备 集成服务特性集成服务特性包括两类 , 一类是新技术集成及服务能力 , 数 字 孪生平台本身是以云计算 、 大数据 、 视频技术 、 物联网 、 人工智能 、 下一代安全等新兴技术为核心部件 , 不断整合现有技术 的 同时 , 持续纳入新技术 , 并将新技术和现有技术做全面的融合 , 将机构技术驾驭能力封装在平台内 , 为上层业务应用提供技术服务能力 ; 一类是孪生应用集成能力 , 数字孪 生 平台可与城市已建成的城市建设 、 城市管理 、 城市体检 、 城市安全 、 住房 、 管线 、 交通 、水务 、 规划 、 自然资源 、 工地管理 、 绿色建筑 、 社区管理 、 医疗卫生 、 应急指挥等领域的应用集成 , 并基于孪生数据服 务 、 孪生业务服务和孪生集成服务开展城市运营监测和城市仿真预测预警两大类的应用建设与运行 。孪生 数据服务模型目录 模型开发 模型开放 数 字 孪生模型管理平台地理空 B1M 城市要素基础库 间框架 框架 (人、物、组织、环境）孪生集成 服 务多模 集成消 息 集成数 据 集成数字孪生平台应具 备专业服务特性数字孪生平台应具备城市基础地理信息 、 三维模型和 BIM 汇聚 、 清洗 、 转换 、 模型轻量化 、 模型抽取 、 多模集成 、 模型浏览 、 多场景融合与可视化表达、支撑各类应用的开放接口等基本功能 , 提 供工程建设项目各阶段模型汇聚 、 物联监测和模拟仿真等专业功能 。AND IP 5G 联接网络 F5G WiFi6 IoT 智能 终端 数 字 孪生平台 孪生 应用服务入 口服 务孪生使 能基 础服 务主 体 标识 控 制 使能 模 型重构 模 型解构孪 生 容器数字孪生平台应具 备 基础服务特性数字孪生平台是城市大数据汇聚、应用的载 体 , 是数字孪生城市的基础支撑平台 , 为相关应用提供丰富的信息服务和开发接口 , 支撑 智 慧城市应用的建设与运行 。数字孪生平台的核心架构以云为基 础 , 联结无处不在的智能终端 , 以 AI 为驱动 , 融合大数据 、 物联网 、 视频 、 地理信息等多种ICT 技术 , 以孪生数据服务、孪生应用 服 务和孪生集成服务为城市运行监测和城市 仿真预测预警应用提供相 应 服务 。数字 孪 生城市平台能力城市建筑全 城 市 事件发展态势模 拟与预警New ICTROMA云基 础服务运营支撑服务平台接入与平台安 全安全管理应用安全数据安全主 机安全网 络安全物 联安全租户级运维数 据 治理数 据 开发共 享 交换视 频IoT图 7数字孪生平台 架 构大 数 据AI GIS融合 通信孪 生 流程原 子库孪 生 关系原 子库公 共 管理入口 公 共 服务入口国士空间规 划与经 济发展预测重点 企业生产与环 境影响评估数字孪生镜像平面城 市 应急事件仿 真 模拟城 市 地下管线规 划管理国土空间全生命 周期管理模 型重构 模 型解构11数字孪生 城 市白皮书城 市 危化品监 测 管理农 产 品溯源全 流 程监管运营支撑服务数字孪生业务城市 仿真预测 预警城市 运行监 管城 市 交通状 态 监测生 命 周期管理孪生 框架数 据孪生 关系 管 理孪生 模型管 理系统级运维运 维 运 营 2.4应用场景 - 基于三 维 精细空间 、 物 体 进 行 判 断 、 交互 ,如 L4级无人驾驶 ,全 域 红 绿 灯 控 制 、 基 于 三 维 精 准 模 型 变 化 的 全 域 自主推理预测和判 断应用场景 - 基于三 维 精细空间 、 物 体 进 行 判 断 、 交互 ,如 L3级无人驾驶 ,跨 域 红 绿 灯 控 制 、 基 于 三 维 精 准 模 型 的 区 域 智 能 推理预测和判 断应用 场 景 - 基于二维 、 三维的精细空间 、 物体进行判断 、 交互 ,如智能门禁 ,智能 闸 机 、 物体 A1识别应用场景 - 基于 G1S二、三维空间呈现及实时的物理设施及人员的监测定 位应用场景 - 传统 G1S二维空间静态呈现的应用和传统的信息管理系 统L4 - 信息双向流动 ,实现 监 测 、 全域智能预测 、控制和联 动L3 - 信息双向流动 ,实现监测 、 跨 域 智 能预 测 、控制和联 动L2 - 信息双向流动 ,实现监测 、 单 域 智 能 预 测和控 制L1 - 信息单向流动 ,实现实时监 测L0 - 建 立 物 理 空 间 的 数 字 框 架L4物理空间和数字空间建立全域智能双向数据互动机制 , 实现物理空间全域智能预测和智能监控。系统通过物联终端设备 动 态获取数据 、 实现全域空间的多元数据共享 , 全域智能预测和智能监控 、 边缘智能计算节点联动 , 并与云计算中心互联互动 。 智能终端集群智能 , 能进行自主的全域范围行动和交互 , 典型场景如 L4 级无人驾驶 , 全域红绿灯智能控 制 、 基于三维精准模型变化的全域自主推理预测和 判 断L2物理空间和数字空间建立双向信息互动机制 , 数 字空间既可以监测物理空间的要素状态 , 也可实现物理 空 间的单域控制、预测和智能化。系统通过物联终端设备动 态获取监测数据并可实现远程控制 , 单体终端设备加 持 AI 技术并在端侧有智能分析及自动控制功能 , 典型场景 如基于二维 、 三维的精细空间、物体进行判断、交互 , 如智 能闸机 、 远程无人机监控 、 物体 AI 识别等L3物理空间和数字空间建立跨域智能双向数据互 动 机制 , 实现物理空间区域智能预测和智能监控。系统通过 物 联终端设备动态获取数据 , 跨域元数据共享 , 实现跨域智能监 控联动、边缘智能计算节点联动 , 并与云计算中 心进行互联和互动。智能终端具有区域活动能力和信息交互 能 力 , 典型场景如 L3 级无人驾驶 , 跨域红绿灯智能控制、基于三 维 精准模型的区域智能推理预测 和 判断L1物理空间的变化状态能实时反映在数字空间中 , 建立了物理空间到数字空间的单向信息流动机制 , 数字 世 界实现对物理世界的实时监测。系统通过物联终端设备动 态 获取数据、实现物理实体的状态监测 , 典型场景如基于 GIS 二、三维空间呈现及实时的物理设施及人员 的 监测定位L0建立物理空间的数字空间框架 , 能够反映物理 空 间要素的静止状态 , 物理空间和数字空间没有动态联 系 。 典型场景如传统 GIS 二维空间静态 呈 现的应用和传统的信息管理系统建立数字孪生城市应用能力分级评价模型 ,有助于各参与角色对齐数字孪生城市建设 方 向与阶段建设成果评估 。 我们通过研究数字孪生 、人工智能、地理信息等技术路径的发展史 , 从物理空间与数字空间的数据关系、物 理 状态监测预测度 、 数字使能控制物理实体三个维度 , 总结归纳设置 L0-L4 五级评 估 模型 。数字 孪 生城市分级模型全 域智 能双 向区 域智 能双 向数 据单 域智 能单 向数 据监 测数 字框 架图 8数字孪生城市应用能力分级评 价 模型12数字孪生 城 市白皮书2.5数字孪生 城 市白皮书132019 年 3 月 , Z 区大数据实验区管委会与华为公司联合打造基于现实、面向未来的城市全景实验室。将华为数字生态与 Z 区资源开放相结合 , 利用数字孪生、 5G、人工智能等新 ICT 技术 , 全面数字化标识 ; 利用二维码、 GIS、移动互联等技术手段 , 对中央商务区城市公用设施、交通设施、园林设施、特种设备等实体城市部件进行唯一数字化身份标识 ; 以 大数据为基础 , 打造基于 GIS+BIM+IOT+AI 打造 1: 1 的数字孪生体系 , 为 Z 区的规划 、 建设及运营提供决策支撑 , 搭建起面向未来的城市全景 实验室 。第 三章华为数字孪生城市 典 型实践打造 数字孪生城市全景实验室3.15G“ 新联接 ” ， 创新风向 标基于 5G 基础网络 , Z 区建设了 Z 区 5G 智能 公交 ( 载人 )、 5G 无人售货车 ( 载物 )、 高点5G 网络高清监控图像回传 、 5G AR 眼镜人脸身份识别 、 5G 无人机无人船自主巡逻 、 5G 地面机器人智能巡检 , 极大提高 了 Z 区无人值守的城市服务水平 。典型场景 :天、地、空立体化安防。包含四个应用 ,高空智能巡航、地面机器人智能巡检、高清视频回传 、 AR 智能眼镜四个 5G 示范应用 。 无人机负责高空巡航 、 高清视频回传负责城市高点、地面机器人负责路面巡检、 AR 眼镜负责重点安 保区域 , 四类场景构建立体化安防体系 , 将高清视频回传给智能管理中心。智能管理中心对高清影像进行智能分析 , 识别 敏感人群 、 城市敏感事件 、 违章违法事件并自动预警 。智能中枢 ， 核心载体按 照 Z 区城市发展需要和一期项目规划内容 , 打造城市智能中枢 。 完成数字孪生底座建设 , 包括 370 平方公里 的数 字影像 , 11 万平方米 BIM 精细 化 楼 宇 建 模 等 , 基 于华为OceanStor 海量数据存储的 BIM+GIS 形成了与物理世界 1:1 的数字孪生世界 , 通过 GIS 数据 + 小场景的 BIM 数据 + 物联网的有机结合 , 以城市信息数据为基数 , 建立起三维城市空间模型和城市信息的有机综合体建立物理世界与数 字 世界的映射关系 。 基于大数据平台 、物联网平台 、 融合通信平台 、 视频云平台 、 人工智能平台和能力开放平台 , 实现大数据资源 、物联网资源 、 融合调度资源、视频资源、地理信息资源的统筹管理 , 针对城市管理、企业及市民服务提供基础的应用算法支撑能力 , 城市智能中枢各专项 能 力通过能力开放平台对外开放 , 大数据企业、应用开发企业等 , 都可以通过标准化接口调用数 字 孪生平台各项能力 , 直接验证 、 开发 、 测试 、 上线业务应用 , 大大节省基础资源的投入 。智能终端 ， 城市之 “ 眼 ”Z 区通过无人机 、 无人售货车 、 AR 眼镜 、 智能巡检机器人 、 高空 瞭 望监控摄像头 , 智能交通高清视频监控摄像头等智能终端建设城市之 眼 , 快速发现关于人、地、物、事、组织的多维度信息和城市问题 , 实时监测城市 状 态 。典型场景 : 通过采集区域内及周边 28 个路口 136 路 AI 视频数据 , 基于 AI 集 群进行区域协同分析 , 快速完成路口红绿灯的配时 策 略 , 通行效率有效提升 15%。根据 Z 区所处发展阶段 , 着力建设智慧招商 、 智慧政务 、 智慧交通 、智慧楼宇 、 协同办公等 14 个业务应用系统 。 各系统获取的环境状态信息 、 业务信息 、 数据等汇总到智慧大脑即智能管理中心统一汇总 、分析和处理。充分发挥物联网信息感知和大数据价值挖掘 作 用 , 开展运行仿真与分析评估。在整合运行各项数据的基础上 , 进 行大数据分析 , 编 制 全面 、 动态的运行报表 , 对可能发生的灾情 、 突发事件进行预警 , 实时监控 城 市运