杜明芳：数据智能驱动的数字孪生城市

前言

数据和模型是数字孪生系统的核心。本文结合信息物理系统基本原理，探索数字孪生理论和技术在城市管理与治理领域的应用。主要内容如下：

1.理论支撑——复杂系统、CPS

2.数字孪生城市模型

3.数字孪生城市治理框架

4.数字孪生城市的未来本文内容部分来自专著：《AI+新型智慧城市理论、技术及实践》，杜明芳著，中国建筑工业出版社，2020年1月。

数字孪生的增长预期主要是由于工业物联网的持续增长以及工业 4.0的出现。尽管2015年全球估计有150亿个IoT连接设备，到2024年将再翻一番（超过600亿个）。工业4.0中物联网设备和AR / VR / MR技术的普及是数字孪生技术兴起的主要推动力。

图片来源：Aethon

工业4.0助推数字孪生发展

理论支撑——复杂系统、CPS

“复杂性（complexity）”这个术语实质上指的是一种思维模式，即思考和解决问题的方式。它的基本思想来源于于统计物理学，至今已经相当完备。关于复杂性的科普书籍典型的有：马克·布坎南（Mark Buchanan）的《改变世界的简单法则》（Ubiquity），菲利普·鲍尔（PhilipBall）的《预知社会：群体行为的内在法则》（Criticalmass），以及纳西姆·尼古拉斯·塔勒布（NassimNicholas Taleb）的著作。复杂系统非线性理论在经济学、社会乃至日常生活的方方面面都在发挥作用。网络科学经过20年的发展，也已经成为学术界最显著的一个复杂系统研究领域。

信息物理系统(CPS, Cyber-Physical Systems)是一个综合计算、网络和物理环境的多维复杂系统，通过3C(Computer、Communication、Control)技术的有机融合与深度协作，实现大型工程系统的实时感知、动态控制和信息服务。CPS实现计算、通信与物理系统的一体化设计，可使系统更加可靠、高效、实时协同，具有重要而广泛的应用前景。美国国家科学基金会用“信息物理系统”一词来描述传统术语无法有效说明的日益复杂的系统。美国国家科学基金会(NSF)认为，CPS将让整个世界互联起来。随后被列为美国研究投资的重中之重。在德国，CPS同样被认为是工业4.0的基础和内核。从产业角度看，CPS涵盖了小到智能家庭网络大到工业控制系统乃至智能交通系统等国家级甚至世界级的应用。更为重要的是，这种涵盖并不仅仅是比如说将现有的家电简单地连在一起，而是要催生出众多具有计算、通信、控制、协同和自治性能的设备。

图1-1 信息物理系统（CPS）原理

信息物理系统作为计算进程和物理进程的统一体，是集成计算、通信与控制于一体的下一代智能系统。CPS的意义在于将物理设备联网，特别是连接到互联网上，使得物理设备具有计算、通信、精确控制、远程协调和自治等五大功能。本质上说，CPS是一个具有控制属性的网络，但它又有别于现有的控制系统。从二十世纪40年代麻省理工学院发明了数控技术到如今基于嵌入式计算系统的工业控制系统遍地开花，工业自动化早已成熟。但是，这些控制系统的控制范围具有局限性，虽然其中一些工控应用网络也具有联网和通信的功能，但其工控网络内部总线使用的大都是工业控制总线，网络内部各个独立的子系统或者说设备难以通过开放总线或者互联网进行互联，而且通信的功能比较弱。CPS把通信放在与计算和控制同等地位上，这是因为CPS强调的分布式应用系统中物理设备之间的协调是离不开通信的。CPS对网络内部设备的远程协调能力、自治能力、控制对象的种类和数量，特别是网络规模上远远超过现有的工控网络。在资助CPS研究上扮演重要角色的美国国家科学基金会（NSF）认为，CPS将让整个世界互联起来。如同互联网改变了人与人的互动一样，CPS将会改变我们与物理世界的互动。

信息物理系统通过人机交互接口实现和物理进程的交互，使用网络化空间以远程的、可靠的、实时的、安全的、协作的方式操控一个物理实体。信息物理系统包含了将来无处不在的环境感知、嵌入式计算、网络通信和网络控制等系统工程，使物理系统具有计算、通信、精确控制、远程协作和自治功能。它注重计算资源与物理资源的紧密结合与协调，主要用于一些智能系统上如机器人，智能导航等。目前，信息物理系统还是一个比较新的研究领域。

2005年5月，美国国会要求美国科学院评估美国的技术竞争力，并提出维持和提高这种竞争力的建议。5个月后，基于此项研究的报告《站在风暴之上》问世。在此基础上于2006年2月发布的《美国竞争力计划》则将信息物理系统（Cyber Physics System，CPS）列为重要的研究项目。到了2007年7月，美国总统科学技术顾问委员会（PCAST）在题为《挑战下的领先——竞争世界中的信息技术研发》的报告中列出了8大关键的信息技术，其中CPS位列首位，其余分别是软件，数据、数据存储与数据流，网络，高端计算，网络与信息安全，人机界面，NIT与社会科学。

数字孪生（Digital Twin）这一概念最早可以追溯到Michael Grieves教授2002年在密歇根大学PLM（产品生命周期管理）中心对产业界做的一次演讲（虽然没有书面证据，但这仍被广泛认为是数字孪生最早来源）。2014年，Michael Grieves在其撰写的“Digital Twin: Manufacturing Excellencethrough Virtual Factory Replication”白皮书中进行了详细的阐述。他认为通过物理设备的数据，可以在虚拟（信息）空间构建一个可以表征该物理设备的虚拟实体和子系统，并且这种联系不是单向和静态的，而是在整个产品的生命周期中都联系在一起。在此之后，数字孪生的概念逐步扩展到了模拟仿真、虚拟装配和3D打印等领域。随着物联网技术、人工智能和虚拟现实技术的不断发展，更多的工业产品、工业设备具备了智能的特征，而数字孪生也逐步扩展到了包括制造和服务在内的完整的产品周期阶段，并不断丰富着数字孪生的形态和概念。

企业界走在数字孪生的前列。工业4.0下的数字孪生被各大软件厂商赋予了各自的理解，并将其与自身业务融合，致力于打造出现实世界与虚拟世界融合的解决方案。德国西门子较早提出了数字孪生，用来加强产品生命周期管理。他们给出了对一个物理产品及其数字孪生“在全产品生命周期进行更新和维护”的认识。

图1-2 数字孪生原理

数字孪生城市模型

智慧城市中的核心要素城市、信息、人及其相互之间的关系，可用下图所示的智慧城市赛博物理空间描述。本文提出AICITYC1.0 AI-CPS空间模型，如图2-1（c）所示。

（a）数字城市（b）智慧城市（c）AI城市

图片来源：杜明芳绘制

图2-1 城市AI-CPS空间模型

AICITYC1.0 AI-CPS空间模型由城市、信息、人、人工智能大脑四个子空间构成，AI-CPS空间 = CPS空间+AI空间（对应图中的“人工智能大脑”/AI Brain）。第一代智慧城市基本上处于半自主状态，相应的可称为半自主城市；第二代智慧城市（由“人工智能大脑”/AI Brain协同指挥的城市）处于自主状态，相应的可称为自主城市。

“人工智能大脑”/AI Brain中存储着物理城市系统的映像，因此可与现实中的物理城市构成智能孪生城市。

“人工智能大脑”/AI Brain也可看作是集成了技术与商业的城市操作系统“AI-CPS City OS”，利用“AI-CPS City OS”形成数字化+智能化力量，实现城市的自组织、自优化、自进化、自治理。

基于AICITYC1.0 AI-CPS空间模型，本文提出AI驱动的数字孪生城市（AICITYC1.0 Digital Twin City）概念模型，如图2-1所示。在两个“城市体”之间，信息双向传输：当信息从物理城市传输到数字城市，来自传感器的数据可用于观察城市机运行情况；反之，当信息从数字城市传输到物理城市，数据和模型可用来监视、控制、修正、改进物理孪生城市，加上人工智能算法，可用于挖掘、预测、仿生、学习物理城市的特征和行为，帮助构建更加智能的物理城市。即实现C端（信息）与P端（物理）的相互控制。

图片来源：杜明芳绘制

图2-1 数字孪生城市概念模型

数字孪生是真实对象的虚拟表示。数字孪生旨在优化资产的操作或有关它们的商业决策，包括改进维护、升级、修复和实际对象的操作。数字孪生包括模型、数据、对象的一对一关联以及监视对象的能力。对于资产运营商(飞机、建筑物、发电厂、风车)来说，数字孪生正开始获得采用，主要短期用途是降低维护成本和增加资产正常运行时间。对于产品原始设备制造商来说，数字孪生正开始向联网产品(汽车、灯、音响)扩散。数字孪生的主要近期用途是差异化，帮助企业管理保修成本，支持渠道合作伙伴，并更好地享受客户体验。数字孪生使企业和城市能够优化或改变现有的商业模式，在未来十年中，数字孪生将成为解决方案的主导设计模式。例如，它们能够更好地利用资产、优化服务和改善客户体验，创造新的运营方式。数字孪生未来的应用范畴将会扩大，包括：运营商业模式、客户体验优化、成本优化、投资组合管理业务决策、产品管理成本、不道德数据使用的风险评估、供应链建模与分析等。总之，数字孪生的影响将超越资产。数字孪生的飞速发展将导致数字孪生城市的诞生及快速发展。

数字孪生城市治理框架

美国国家标准与技术研究院（NIST）于2016年5月发布了《信息物理系统框架》，其核心思想如图3-1所示。信息物理系统的三个典型层次为：人机协同下的设备级、系统级、SOS级。

图3-1 美国《信息物理系统框架》

基于数字孪生的信息物理生产系统框架包含五项服务：生产计划、自动化执行、实时监控、异常情况通知和动态响应，这些服务是个性化生产性能障碍的解决方案，并基于提出的产品、工艺、计划、工厂、资源信息模型进行信息运作。

图3-2 基于数字孪生的信息物理生产系统

本文认为，人工智能城市作为一类复杂系统，非常适合在符合信息物理系统框架的范式下发展，以实现更加精细化的控制、管理、治理。将信息物理系统中的数字孪生理论用在城市系统中，采用本文提出的AICITY数字孪生城市（AICITY Digital Twin City）概念模型，可进一步构建出实体（物理）城市与虚体（信息/数字）城市互为映射的数字孪生城市发展范式。数字孪生城市管理系统框架包括以下几个重要组成部分：数字孪生服务管理平台，数字孪生资源服务池，物理对象服务，连接数据服务，虚拟模型服务，物理对象，虚拟对象，虚实连接数据。

图3-3 数字孪生管理系统框架

数据是基础、模型是核心、服务是手段。当城市空间数据精度较传统电子地图提升近百倍时，实现高精度的城市三维模型成为可能，城市孪生具备技术条件；当数据的采集、处理、应用成本低于城市规划、建设、管理等业务试错成本时，城市孪生成为可能。各类业务平台系统数据、物联网终端数据、城市三维模型通过有序组合形成城市孪生体，在城市孪生体中叠加各类模型算法对数据深化应用形成各类城市孪生服务。

数据可视决策

数字孪生强调仿真、建模、分析和辅助决策，侧重的是物理世界对象在数据世界的重现、分析、决策，而可视化做的就是对物理世界的真实复现和决策支持。基于海量数据信息，通过数据可视化建立一系列业务决策模型，能够实现对当前状态的评估、对过去发生问题的诊断，以及对未来趋势的预测，为业务决策提供全面、精准的决策依据。可视化决策系统基于数据驱动，通过接入实时/历史数据、真实/模拟数据，无论是设备的工作原理、装备的运行状态、实时的交通流量等，都能够在可视化决策系统中精准复现，结合专业的分析及预测模型进行研判，可为用户业务决策提供有力支持，极大的提升用户监测、分析和决策能力。

数据智能内核

数字孪生是通过数据驱动实现物理实体对象和数字世界模型对象之间的全面映射。数据驱动是指在数据融合的基础上，通过可视化、模型定义、数据绑定等手段，动态驱动可视化对象状态变化，真实反映物理对象的状态和行为。数据智能内核从底层支持数据驱动。

多级数字孪生城市

基于数字孪生城市内核，融合城市业务系统，可衍生出多级多类数字孪生城市应用，包括：数字孪生城市、数字孪生园区、数字孪生社区、数字孪生建筑、数字孪生交通、数字孪生工厂、数字孪生设备等。

设备级数字孪生

构建设备级数字孪生，通过BIM、MATLAB等方式进行三维建模，能够高度还原设备的结构、构件、形状、材质、纹理等细节，实现高精度、可视化渲染，通过高速图形图像引擎可实现轻量化驱动、智能化建模与仿真。通过对设备运行数据进行实时监测和智能分析，预测设备故障发生时间点、设备维护最佳时间点、设备老化程度等重要设备健康诊断指标，可为中长期设备维修维护周期的制定提供参考依据；实现能耗大数据自动预测、统计、分析及能源系统反馈控制，达到节能目的。最终，可全周期有效提升产品在策划、设计、生产、运维等环节的工作效能。数字孪生的用例包括：从模拟和测试产品设计是否满足要求，制造过程中的变更如何影响成本或时间表，仿真设备运行状态，仿真设备大数据流动过程，仿真设备控制机理。