中金：元宇宙系列之数字孪生——行业应用篇：空间再造、虚实交互

数字孪生城市：再造现实世界，走向虚实互动。数字孪生城市是城市的物理空间在数字空间中的映射，数字城市与物理城市数据同步、交互协同。在构建过程中，其通过数据汇总、建模渲染，将城市从物理空间映射到数字空间；在实际应用上，通过仿真模拟、交互控制，解决城市规划、管理、服务等问题。我们认为数字孪生城市、数字孪生自然资源管理的理想目标，是实现物理维度和数据维度的同步运行、虚实互动。

技术：数据为基，建模为体，仿真为用。数字孪生城市主要技术包括：数据获取、建模渲染、仿真分析、交互控制。数据的采集及生产涉及地理信息、建筑信息、物联传感等多种数据，现阶段，采集方式从航空摄影向倾斜摄影、激光扫描、物联感知演进；数据结构化、语义化重要性日渐提升。数字孪生城市初期应用主要为满足可视化需求，建模渲染方面，厂商多采用渲染效果优秀的游戏引擎，或空间分析能力突出的GIS引擎，两类引擎目前呈相互借鉴、融合发展的趋势。随数字孪生城市演进，其应用已不局限于可视化，仿真、分析、交互成为重要发展方向。

应用：城市治理、资源管理，应用广泛。城市数字孪生案例丰富，但各城市建设需要不同，在最终形式和应用上有较大差别。既可以用于城市统计监控、智慧管理，也可以用于城市场景还原、情景模拟。走出城市，数字孪生亦可助力自然资源管理，在水利、电力、环境等不同行业均有应用。

未来展望：助力元宇宙基础构建，概念引领技术升级。数字孪生应用有利于元宇宙技术、规则积累；元宇宙则对技术提出更高要求，并为数字孪生应用提供前沿指引。我们认为未来数字孪生行业应用建设要点包括：1）数据处理阶段，对空间数据进行单体化语义化处理，并建立数据融合的统一标准；2）建模渲染阶段，平衡数据分析和视觉效果；3）应用阶段，提高应用的精度和深度，实现对具体设备、丰富场景的仿真分析、反向控制。

技术发展不及预期，下游应用落地进度不及预期。

数字孪生源于航天、工业，其后应用于工程建设、自然资源管理、城市治理等领域。随着数字孪生与城市治理技术的发展和融合，数字孪生这一概念被应用于智慧城市建设，产生了当前数字孪生城市的技术与应用。根据信通院的定义，数字孪生城市将城市的物理空间映射到数字空间，通过模拟、监控、诊断、预测和控制等方式，解决城市问题，实现城市物理维度和数据维度的同步运行、虚实互动[1]。

数字孪生城市存在自身的发展路径和应用场景，其建设具备必要性。城市管理中存在对建筑、交通等数字化建模以支持分析决策的需求，元宇宙概念出现之前，CIM、实景三维等建设已处于发展进程之中。CIM基础平台由住建部主导，更强调建筑物BIM模型和感知数据的接入；实景三维中国由自然资源部主导，其建设目标包括整合地形级和城市级的地理信息[2]。尽管技术路线有所不同，但CIM与实景三维均强调数字空间与现实空间实时关联互通，为空间分析和城市管理应用提供基础。

数字孪生城市的发展为元宇宙奠定基础，元宇宙概念的提出促进数字孪生城市升级。上海市发布《上海市培育“元宇宙”新赛道行动方案（2022—2025年）》，将数字孪生城市列为8大重点工程之一，提出通过城市基础设施数字孪生，对城市空间数据进行收集、管理和运营，进而在观光、交通等领域打造行业解决方案。我们认为数字孪生城市包含大量的三维场景，其建设本身，也为元宇宙的发展积累了初期经验，数字孪生城市建设中积累的数据标准、场景素材和应用方案也可以复用到元宇宙中；而元宇宙提出了相对前沿的概念、更高的技术要求，其注重真实性、交互性、丰富性等特征或将带动相关技术、产业发展，继而作用于数字孪生城市。

数字孪生城市的主要技术包括数据获取、建模渲染、仿真分析、交互控制等部分。数据获取环节，厂商通常使用遥感和物联网设备采集数据，再对城市时空大数据进行处理和融合。建模和渲染将城市的地理信息和其他多源数据转化为逼真的3D模型。仿真分析环节，通常是对城市的运行情况进行模拟或监测，以辅助城市规划和运营。交互控制则建立在模拟分析的基础上，根据分析结果对现实世界进行自动控制，实现城市的智能化管理。

图表1：数字孪生城市的运行机理

资料来源：信通院《数字孪生城市白皮书2021》（2021），高艳才、陈丽等著《数字孪生城市——虚实融合开启智慧之门》（2019），中金公司研究部

数据涵盖宏观、中观、微观三级，数据类型丰富

数字孪生城市所需要的数据横跨多个部门，具备不同的颗粒度和更新频率。根据华为《数字孪生城市白皮书》，数字孪生城市的基础数据框架依据颗粒度可分为宏观、中观、微观三层[3]。城市宏观数据主要为地理信息，主要包括：基于卫星遥感的静态城市地理信息，和基于新型测绘手段对地理信息的增量更新。城市中观数据通常按照地理实体对信息进行分类，并将地理信息和城市中特有的专题数据结合，包括城区及建筑物数据、政府信息系统的业务数据、通信运营商数据等。城市微观数据包含各类物联网场景。地理信息等主要为描述城市情况的静态数据，但数字孪生城市要达到实时映射、虚实互现，还需要大量的动态数据，其收集往往通过物联网实现。

图表2：数字孪生城市数据体系架构

资料来源：亿欧智库，华为《数字孪生城市白皮书》（2021），中金公司研究部

多源数据采集：从航空摄影向倾斜摄影、激光扫描、物联感知演进

数字孪生城市涉及的数据层次、类型多样，采集方式亦在不断升级。卫星和航空摄影测量、倾斜摄影、激光雷达、物联网终端数据采集等是主要的数据采集方式，卫星和航空摄影测量优势在于覆盖范围广、数据分辨率高，能够快速获取数据，但用这种方式进行三维建模可能存在严重的遮挡问题。倾斜摄影测量相比传统的垂直摄影测量，可以额外获得建筑物顶面和侧面的纹理，以及房屋的外框和高程信息[4]。激光雷达能生成高密度、高精度的点云，能够准确计算采集对象的三维坐标[5]。物联网终端则辅助接入大量的动态数据。目前数字孪生城市的数据采集方式呈现出从航空摄影向倾斜摄影、激光扫描、物联感知演进的趋势。

图表3：数字孪生城市所涉及的各类数据收集方式一览

资料来源：《地理信息系统教程（第二版）》（2007），中金公司研究部

图表4：航空摄影测量、倾斜摄影、激光雷达原理示意图

资料来源：Wingtra官网，云端地球，中金公司研究部

数据融合：数据语义化、结构化处理重要性日渐提升

数据结构化、语义化重要性提升。虽然使用倾斜摄影、激光雷达等技术可以快速得到大规模的三维地图，但从城市计算和智能分析的角度上看，这些模型仍属于非结构化数据，计算机无法识别，继而限制数字孪生城市实现复杂分析功能。因此，需要利用语义化技术，对各类数据进行结构提取、属性挂接，具体技术主要涉及：多模态多尺度空间数据智能提取技术、语义化技术、深度学习技术等。

图表5：数据进行单体化、语义化处理之后用于操作

资料来源：超图研究院《SuperMap倾斜摄影白皮书》（2019），中金公司研究部

数据编码需要统一的标准，目前相关的数据标准正处在研制过程中。物理实体需要唯一编码以实现与数字世界的一一对应，为确保不同厂商的编码可以相互兼容、避免重复建设，统一标准的重要性上升。数据类标准是数字孪生城市的重要一环，其约定了城市数字孪生中数据的表达、处理、应用、服务[6]。目前，在数据融合板块，已有部分标准对数据的编码、采集、共享进行了规范；但在数据资源、管理、服务方面的规范仍在研制过程中。我们认为，数据编码标准以及数据结构化语义化的技术，让数字孪生城市从人眼可读转变为机器可分析，尽管这些技术目前仍在开发和研究的阶段，但受重视程度正不断提升。

图表6：城市数字孪生数据类标准明细

资料来源：全国信标委智慧城市标准工作组《城市数字孪生标准化白皮书（2022版）》，中金公司研究部

建模属于广义上数据生产的一环，模型的融合和渲染是数字孪生搭建平台提供的主要功能。1）建模阶段：较大尺度的地形模型可以由计算机制图或遥感影像处理得到；较小尺度的建筑物及城市设施的模型来源多样，既可以通过对倾斜摄影、激光点云等三维数据进行单体化、语义化处理建立，也可以由CAD或BIM数据转换而来，或是通过参数化建模的方式实现；2）融合阶段：不同来源的模型根据地理位置定位，融合成城市三维模型；3）渲染阶段：向三维模型增加纹理、色彩、光影信息，输出城市3D图像。目前的数字孪生平台，包括GIS软件、游戏引擎、可视化软件，均提供模型融合和渲染的功能，但因禀赋不同而各有侧重。

图表7：城市三维建模可视化的流程

资料来源：张正峰,付金强,张发瑜.《虚拟建筑群三维建模与可视化实现》.中国工程科学,2007，中金公司研究部

数字孪生城市所用的建模渲染引擎主要可分为游戏引擎、GIS引擎、工业引擎三类。目前，在城市数字孪生领域主要使用的建模渲染引擎大致可分几类——GIS引擎侧重于地理信息的处理，典型案例为Cesium等；游戏引擎侧重于渲染效果的提升，代表为UE、Unity等；工业建模平台着重于进行仿真和模拟分析，如达索3D. EXPERIENCE等。相比工业和娱乐领域，城市数字孪生的独特性在于其对地理信息和BIM数据的需求。目前数字孪生城市的建设案例中，游戏引擎和GIS引擎使用较多，而这两类引擎也呈现出融合发展的趋势。

图表8：主要数字孪生可视化引擎对比

资料来源：各公司官网，中金公司研究部

游戏引擎：实时渲染能力优秀、配套资源丰富、对各类数据支持度提升

虚幻引擎（Unreal engine, UE）是数字孪生城市构建中使用较多的引擎，其优势在于逼真的实时渲染能力，可以实现对城市及建筑外形的逼真还原。UE是Epic Games旗下的游戏引擎，除在游戏领域，在建筑、交通、模拟训练等领域也有大量应用。据CGarchitect的调查，2020年，52%的建筑师会使用虚幻引擎制作实时项目。UE在数字孪生领域的主要应用集中在城市、园区、机场的数字孪生中，UE在建筑可视化领域中具备以下几方面技术优势：

►出色的渲染效果、丰富的配套资源。UE具出色的渲染效果，虚拟微多边形几何体Nanite，可以导入高度细节化的CAD模型，甚至可以导入城市规模的扫描数据。动态全局光照解决方案Lumen，能实时渲染场景和光照变化，达到类似视觉效果所需的时间仅为离线渲染的几分之一。此外，具丰富的配套资源，其3D扫描应用RealityScan，方便开发者扫描建立自己所需的三维模型，扩充建模和UV工具集，并允许开发者在UE引擎中调整导入的模型，比如改变楼梯的长度、高度和阶数。

► 支持各类数据接入，对GIS的支持程度增强。Datasmith插件可以将位于3ds Max、Revit、SketchUp Pro、Rhino、Cinema 4D，或是其他CAD、BIM和DCC解决方案中的模型导入虚幻引擎，并可以在引擎中继续进行修改。UE4.25 正式支持点云导入，并提供编辑、碰撞分析等功能。对GIS的支持程度也有所提高，顶尖的GIS厂商如超图、ESRI等均推出了自己的Unreal插件。

► 支持协作与共享。虚幻引擎支持多种文件格式，以便于整合不同来源和作者的设计数据。支持多用户编辑系统，在协作评审时与其他利益相关方分享设计，实现更快的迭代。同时，提供VR、视频、全景照片、360度视频等多种不同的展示方式，为数字孪生城市作的宣传提供了便捷多样的方法。

图表9：虚幻引擎实时图形能力、丰富配套资源展示

资料来源：Unreal官网，中金公司研究部

GIS引擎：空间数据接入、处理能力突出，可视化能力不断提升

Cesium等三维GIS引擎在应用于数字孪生城市开发时，具有优异的空间数据的处理能力。Cesium由航空软件公司AGI于2012年发布，如今已经成为最流行的三维GIS开源项目之一，部分GIS厂商的前端三维版本也是基于Cesium引擎开发。作为GIS引擎，Cesium可以接入并且处理影像、地形、矢量等不同格式的数据，还可以进行三维空间分析，比如测算设计模型的挖方和填方体积等。Cesium创建了专门用于3D地理空间数据传输和渲染的数据标准——3D Tiles[7]。可视化方面，Cesium在网页端进行实时渲染，视觉效果相对较差，但是可以通过Cesium for Unreal插件导入UE引擎构造更精美的真实世界模拟。

图表10：Cesium引擎在数字孪生城市领域的功能展示

资料来源：Cesium官网，中金公司研究部

从Cesium和UE的发展可以看出，在数字孪生城市领域，GIS引擎和游戏引擎呈现相互融合的趋势。

►游戏引擎对城市等大场景渲染进行了优化。1）大型世界坐标（LWC）功能，支持64位浮点精度，扩大了可支持的场景范围；2）地理参考插件允许开发者将UE中物体的位置与物理空间中的位置关联；3）世界分区系统将世界划分为网格，这都为创建城市规模的项目奠定了基础。

►GIS引擎推出插件增强以提高视觉效果，扩展数据格式加强交互。许多GIS引擎推出了UE插件，以Cesium for Unreal为例，这一插件置于UE引擎，可以把Cesium中3D Tiles格式的三维数据导入UE引擎进行可视化，导入的模型也可以与UE引擎中的其他物体交互；同时，Cesium宣布对3D Tiles数据格式进行扩展，未来的3D Tiles Next标准高度语义化，将允许模拟更智能地与其环境展开交互。

图表11：Cesium数据传输示意

资料来源：Cesium官网，中金公司研究部

仿真计算是指通过仿真分析和数值计算，模拟建模对象在真实世界中的物理特性。该技术早期主要应用于特种和航空航天领域，目前已经在工业生产、模拟测试等领域有了广泛的应用。对比与工业生产等领域，数字孪生城市中的仿真模拟有其自身特点[8]：1）大尺度，数字孪生城市并不仅针对于某个具体的物体或事件，而是需要在整个城市的尺度上，对各个领域的数据综合分析，通过跨领域的因果交互分析对发展趋势进行推演；2）数据实时驱动，传统的仿真实时性有限，往往是基于历史数据进行推演，在当前数字孪生城市中，广泛的物联网传感器可以收集模型所需的实时数据，基于此对仿真结果进行动态优化；3）云化，大尺度、多维度的数据模拟以及实时分析优化，都需要更充足的算力支持，我们认为数字孪生城市仿真的云化或成为发展趋势。

图表12：城市级别仿真横跨多个领域

资料来源：信通院，中金公司研究部

图表13：实时仿真的工作模式

资料来源：信通院，中金公司研究部

对数字孪生城市中汇集的数据进行挖掘，可以辅助城市运行决策，支撑智慧城市的应用。目前的部分数字孪生城市更侧重于对城市进行三维建模，在很多实际案例中并不利用实时数据进行预测。但如果不进行进一步的分析预测，数字孪生城市中接入的三维数据和实时数据将面临严重的浪费。根据阿里云研究中心的统计，一个城市全部的摄像头记录的视频数据量，相当于1000亿张图片，一个人要看完大约需要100多年，海量视频数据都在“沉睡”，能被监管者查阅的不到10%。[9]正因为数据数量巨大、类型复杂，数字孪生城市分析需要应用人工智能领域的数据挖掘、深度学习、自我优化等技术。其中，计算机视觉、自然语言处理、生物特征识别等技术，可以将语音、文字、图片、视频等非结构化数据结构化，为后续分析进行准备。而知识图谱技术，可以提取数据与数据间的关联，以发现城市运行规律、使深层次推理成为可能。

图表14：智能预测在数字孪生城市各个阶段的用途举例

资料来源：阿里云研究中心，《城市大脑：探索“数字孪生城市——城市交通数字化转型白皮书》（2018），中金公司研究部