使用数字孪生对城市进行建模和仿真

近年来，数字孪生概念几乎爆炸式增长，但在建筑环境中，传统术语长期以来一直是“3D城市模型”。然而，数字孪生越来越被接受为一个有用的概念，它超越了3D城市模型，不仅可以建模，还可以模拟城市。那么什么是数字孪生，如何使用它们，以及涉及哪些挑战？

近年来，数字孪生概念几乎呈爆炸式增长，使用这一概念的科学文章呈指数级增长。该概念起源于制造业，其中使用CAD模型可以创建组件和产品的精确数字复制品。该术语的最早使用可追溯到2003年，通常归功于格里夫斯和维克斯，但可以找到对该概念的早期引用;当然，对物理系统的数学模型以及最近的数字模型对科学和工程都非常重要的理解可以追溯到几个世纪前。

定义数字孪生

那么什么是数字孪生？在科学文献中，尤其是在商业叙述中，“数字孪生”是一个相当有弹性的概念，用于标记可能达到也可能不符合数字孪生所有标准的技术或系统。数字孪生是否需要包含 3D 模型？数字孪生是否需要包含实时传感器数据？数字孪生是否需要包括数学建模和仿真？

看看为数字孪生概念提出的许多定义中的一些是有启发性和有趣的，因为似乎在普遍接受的定义方面有一些趋同。例如，现在大多数定义都同意数字孪生是物理系统的模型，它实时镜像物理系统，并能够分析和预测物理系统。因此，数字孪生既可用于分析物理系统（“是什么”），也可用于预测其在给定假设下的未来行为（“可能是什么”）。

该定义与Rasheed等人（2020）的定义部分重叠：“数字孪生被定义为通过数据和模拟器实现的物理资产的虚拟表示，用于实时预测，优化，监控，控制和改进决策。IBM也使用了类似的定义：“数字孪生是跨越其生命周期的对象或系统的虚拟表示，从实时数据更新，并使用模拟，机器学习和推理来帮助决策。后两个定义强调了可用于实现数字孪生预测功能的两种技术：模拟和机器学习。

在早期关于数字孪生的文献中经常看到的定义是Glaessgen和Stargel（2012）：“数字孪生是对竣工的集成多物理场，多尺度，概率模拟[…]使用最佳可用物理模型、传感器更新等来反映其相应 [物理] 双胞胎寿命的系统。维基百科上给出了一个更简单的定义：“数字孪生是一种虚拟表示，用作物理对象或过程的实时数字对应物。

在数字城市领域，Stoter 等人（2021 年）强调使用 3D 城市模型作为数字孪生的重要组成部分：“[数字孪生] 应基于 3D 城市模型，包含具有几何和语义信息的对象;它应包含实时传感器数据;它应该整合各种分析和模拟，以便能够做出最佳的设计、规划和干预决策。这个定义提醒人们在建筑环境中创建城市和建筑物的3D模型的悠久传统，这些模型可以用语义数据丰富并用作分析的基础，包括例如日光和能源分析，以及交通，风舒适度或空气质量等模拟。在建筑环境中，传统术语是“3D城市模型”，直到最近，数字孪生概念才开始被接受为一个有用的概念，并且超越了3D城市模型。

原始数据

创建城市数字孪生的起点是访问原始数据。这些数据可以通过点云形式的航空扫描创建。然后处理点云以创建 2D 或 3D 城市模型。对数据的访问因国家/地区而异，可能并不总是开放或免费提供的。在瑞典，瑞典测绘、地籍和土地登记机构Lantmäteriet（收费）提供一系列数据集，包括整个瑞典的点云和二维地图。同时，更详细和更高质量的数据集，包括2D模型，归当地市政当局所有。在荷兰，情况有所不同。3D 基寄存器地址和建筑物 （BAG） 为该国所有 3 万座建筑物提供免费和开放的 3D 模型访问。此外，数据集会定期自动重建，以提供整个国家的最新3D模型。

数据模型

要构建具有一定复杂性和用途的数字孪生，必须考虑使用哪种数据模型来定义数字孪生。请注意，这与用于模拟和预测的数学模型不同。数据模型的选择决定了可以表示哪些数据，以及数字孪生可以支持哪些用例。数据模型是某个本体的实现，由实现显式或隐式定义。本体定义了如何从类、属性和关系方面描述和理解数字孪生的数据。已经为城市建模提出了几种数据模型和相应的交换格式。其中最突出的是CityGML，它是开放地理空间联盟（OGC）的标准。相关的CityJSON格式（也是OGC标准）是CityGML模型的简化且对程序员更友好的编码。

许多用于城市建模的数据模型的共同点是细节层次 （LOD） 的概念。此概念使数据模型能够出于不同目的存储具有不同细节级别（几何分辨率）的城市的不同表示。数字孪生中多个细节层次的共存强调，数字孪生确实是它所镜像的物理系统的模型，数字表示及其准确性取决于数字孪生设计的用例、数据质量和可用的计算资源。

数据生成

数字孪生的不同用例通常需要非常不同的数据表示。对于城市的建模，如果问建筑师或计算科学家，对构成高质量3D模型的理解可能会有很大差异。对于建筑师来说，高质量的3D模型可能意味着一组详细的表面网格，描述城市的地形和建筑物的几何形状。表面网格可能既不合格又不匹配，因为网格主要用于可视化和简单的计算，如日光分析。另一方面，对于计算科学家来说，高质量的3D模型可能意味着低分辨率，边界拟合和一致的体积网格，可用于运行计算流动力学（CFD）模拟等内容。

瑞典数字孪生城市中心（DTCC）的团队目前正在开发一个开源平台，用于表示和生成城市数字孪生的高质量数据模型。其中一个关键步骤是从地籍和点云数据中高性能生成高质量的曲面网格和四面体体积网格（图 1）。这允许为瑞典的任何地区（或世界上具有兼容数据的任何其他地区）简单高效地生成3D模型。网格生成目前仅限于 LOD1 模型，这意味着建筑物表示为多边形棱镜（平屋顶）。但是，正在进行将网格生成扩展到LOD2模型的工作，包括基于使用机器学习技术从正射影像分割屋顶的非平坦屋顶形状。

建模和仿真

由于计算网格随时可用于任何城市，因此很自然地考虑使用基于物理的建模和仿真来实现高级分析和预测。可能与城市研究相关的物理现象示例包括城市风舒适度（街道层面的风况）、空气质量、噪声和电磁场（用于网络覆盖分析）。

DTCC目前正在研究的这种模拟的一个例子是城市风舒适度的模拟。该仿真使用IPS IBOFlow对雷诺平均纳维-斯托克斯（RANS）方程使用浸没边界方法。目前的重点是验证和确认以前在风洞中研究过的一系列城市风模拟基准案例的仿真结果。一些初步结果如图2所示。DTCC目前正在研究的其他基于物理的建模和模拟的例子包括空气质量，街道噪音，人群移动的模拟，以及基于构成哥德堡地下大部分的软粘土的弹塑性模型的岩土工程模拟。

可视化

城市尺度的数据可视化本身就是一个正在进行的研究领域。物理信息，如风流和空气质量（即污染物浓度），需要以最终用户可以理解的方式表示，但不能过度简化科学结果。结果的有效沟通需要多次设计迭代，研究人员、开发人员和最终用户/利益相关者都参与其中。DTCC积极与瑞典交通局等主要利益相关者合作开展研究项目，探索如何最好地将仿真结果传达给不同的用户群体。可视化领域正在进行的研究项目侧重于数据推导、准备、捆绑、均质化和传播的不同解决方案。测试和使用了不同的图形引擎，例如虚幻引擎和OpenGL，以及基于Mapbox，CesiumJS和Babylon.js的各种Web应用程序实现。

技术挑战

创建像城市这样复杂的数字孪生体涉及许多挑战。由于城市本身是一个复杂的系统，不仅涉及城市的街道和建筑物，还涉及其居民、在街上行驶的汽车、与周围环境（风和水）的相互作用以及地下基础设施——有时被忽视但非常重要——因此创建城市数字孪生同样复杂是很自然的。因此，构建数字孪生的任务必然是一个必须涉及许多不同学科的专家的项目。构建数字孪生所涉及的技术挑战将涉及来自不同学科的团队成员之间协作的跨学科挑战，以及已经建立的学科内或特定领域的技术挑战，例如如何最有效地为共同构成数字孪生多物理场模型的众多数学模型之一实现有限元求解器。

非技术挑战

撇开技术挑战不谈，DTCC迄今为止遇到的主要挑战都与数据有关：

• 跨组织的数据所有权：数据通常既不免费也不开放。组织，甚至市政当局，都不愿意自由分享他们的数据，因为他们在某个时候在收集和管理数据方面进行了大量投资。这在世界不同地区有所不同;在某些情况下（如在荷兰），数据确实是免费和开放的。
• 跨学科的数据质量：与上面提到的架构师与计算科学家使用的网格示例一样，某个数据集对于特定用例可能被视为高质量，但对于另一个用例可能质量非常低。
• 数据随时间推移的可持续性：数字孪生的创建必须被理解为一个过程，而不是一个项目。有许多城市、市政当局和其他组织投资创建 3D 模型甚至数字孪生的项目的例子，只是在几年（甚至几个月）后才意识到数字孪生不再反映物理孪生，因为现实在不断变化。将数字孪生与物理孪生重新连接的唯一方法是投资一个新的、昂贵的项目。因此，创建数字孪生的过程必须自动化，以便可以不断重建和再生。