首页| 行业资讯| 企业名录| 周边产品| 数字城市| 增强现实| 工业仿真| 解决方案| 虚拟医疗| 行业仿真| 图形处理| 军事战场
用户登录/注册 ×
资讯首页
行业资讯 >> 应用前沿
数字孪生城市关键技术要素
时间:2019-11-22    评论:0
    来源:中国信息通信研究院
    节选:自《数字孪生城市研究报告》

    (一)新型测绘:快速采集地理信息

    1. 需求分析

    测绘地理信息作为经济社会发展和国防建设的重要基础,在信息化建设中起着基础性、保障性和先导性作用。随着“实景三维中国”建设推进,测绘地理信息在经济社会各领域得到广泛应用。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。传统基础测绘产品服务模式已难以满足要求,迫切需要转型升级。数字孪生时代下的新型基础测绘有以下几个特点:

    一是自动化和软件化水平要求更高,有效避免传统手工测绘方式的人力物力资源浪费和人为误差,利用自动化程度更高的测绘设备和数据处理方法,可快速生产出二维三维、地上地下、室内室外一体化的全息测绘成果,保证测绘成果的准确性和高时效。

    二是服务范围要求扩大和智能更新,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。

    三是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。

    四是数据生产效率要求更高、实时性更好、种类更丰富,更快速满足城市规划、管理、决策系统从二维平面向三维实体升级,同时,其数据体量也越来越大,在数据处理管理、数据查询分析、数据可视化表达方面给传统 GIS 技术提出新的挑战。传统二维 GIS 无法完全显示地形、环境、空间结构,同时传统虚拟三维技术的数据量巨大、成本极高。

    五是测绘作业方式更加灵活,采用众包分包的作业方式,通过线上线下的一体化更新机制,可以更好的整合社会资源,快速构建新型基础测绘成果,服务数字孪生城市建设。


    2. 核心技术

    ——高端采集装备。近年来,随着倾斜摄影、无人机技术的成熟,可实时、准确地获取城市局部的正射、倾斜或 Lidar 点云数据,大大减少了外业测绘工作量。对于大型的数据采集项目可借助高端的专业装备,国内自主研发的多视角航空摄影测量系统,目前已是国际上幅面最大的多视角航摄仪系统,致力于高效解决城市级倾斜航空摄影任务。适合各类直升机平台的测绘级航摄仪,用于解决城市近机场、繁华地区的城市真三维建模任务。全谱段多模态成像光谱仪,将成像技术和光谱技术结合在一起,在探测物体空间特征的同时对每个空间像元获取带宽为纳米级的连续光谱图像,广泛应用于城市总体规划、城镇生态调查、土地质量监测、河湖水质评估、城市热岛效应分析等领域。高光谱遥感系统,在环境监测、矿产勘探、农业估产、土地精细分类、森林调查、灾害评估、目标搜索、海岸带遥感等多个领域被广泛应用。在测量海底、海岸带、浅滩时可利用机载双频激光雷达设备,能够快速获取特定区域海底地貌并成图。

    ——主流测绘方法。倾斜摄影测量技术基于搭载在同一飞行平台的多台相机,从多视角采集地物影像,可一次性获取几十平方公里的城市建筑物及地形模型,传统采用人工方式一两年才能完成的一个中小城市建模工作,通过倾斜摄影建模方式只需三至五个月即可完成,大大降低经济成本和时间代价。国内对倾斜摄影设备的研发不断进步,通过提升航摄仪的光学性能和定位定姿系统,可直接获取带有高精度姿态位置的原始影像数据,同时实现对地物顶部和侧立面信息的有效纹理采集。三维激光扫描技术又被称为实景复制技术,利用高速激光扫描测量方法和激光测距原理,大面积高分辨率获取被测物体表面的三维坐标、反射率和纹理等密集点云数据,快速复建出被测物体的三维模型及线、面、体等各种图件数据。近年来技术发展迅速,设备小型轻量化,支持手持、车载、船载,无人机挂载等多种方式,成本快速降低,测量速度和测量精度快速提升,最高速度达到 120 万点每秒、精度优于 1mm,在载体高速行进之中,也能快速扫描采集海岸、道路两侧的建筑、道路、井盖、路灯等地物空间位置数据和属性数据,已广泛应用于城市建筑测量、地形测绘、海洋测绘等领域,尤其适合室内、地下或难以访问、危险区域的空间领域测绘。

    ——三维建模技术。实景三维重建技术是依托倾斜摄影测量遥感数据成果,结合摄影测量学、计算机图形学算法,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) 等测绘成果的模型构建技术。其建模速度快,位置精度和几何精度高,纹理真实性强,具有非常实、细致、具体、有冲击力的视觉感受。激光点云三维构建技术体现了数字孪生时代下三维模型自动化构建优势。传统 3D 模型建立采用 CAD 技术、航空摄影测量技术,利用 2 维信息建立 3D 立方体,其纹理依靠专门的 3D软件如 3DMAX 等进行人工粘贴,其工作量较大,生产成本也高,而激光点云三维构建技术具备高效率、高精度、高真实感、低成本优势,通过点云构网 TIN 技术,将现有点云进行贴近于显示地物的三维曲面重建,实现多幅建筑物立面的倾斜影像及屋顶垂直遥感影像与三维几何模型的快速、高精度纹理映射。

    ——多源数据融合技术。地理信息的智能处理是测绘技术发展的必然方向,借助人工智能技术可以提高地理信息的获取效率,提升地理信息应用与可视化的效果。在数字孪生时代,以地理信息服务精细化、精确化、真实化、智能化为目标,利用机器学习或深度学习算法以及 SLAM(实时定位与制图)算法对测绘地理大数据进行自动识别、数据挖掘和三维重建,快速提取地物特征、发现隐藏在大数据中的知识和还原地物模型,结合充实各地理实体的社会经济属性,形成涵盖地上地下、室内室外、二维三维一体化的全息、高清、高精的结构化实体和城市数字空间,从较为单一的 GIS 数据升级为融合多源、异构、多时态空间数据,以满足应用和分析的需求,从多源异构数据无缝融合、时空数据库建立和空间数据快速更新等方面入手,为社会各界提供知识服务。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。

    ——移动互联、动态众包数据更新。在数字孪生时代,智能手机、移动互联网等各种非专业测绘设备通过众包的方式,产生了大量实时的自愿者地理信息,极大地提高了测绘地理信息数据的实时性与丰富性。专业测绘人员可在自愿者地理信息中,抓取感兴趣的文本、图片或视频信息,利用智能处理方法对其进行识别,并与专业的测绘地理信息数据进行匹配,提供实时性的大众与专业服务。


    例如,Mapillary 基于自身研发的众源平台,采集公众拍摄的带有空间参考的照片,构建了一套街景地图,且更新及时。由于地图导航在大众生活中的应用不断深化,互联网公司越来越重视地图产品在其产品体系中的作用,测绘地理信息数据的生产也逐渐由专业的测绘地理信息企事业单位向非测绘地理信息专业的公司渗透。例如,百度基于街景车获取的点云和影像数据,利用深度学习、图像识别和自动差分融合等技术,实现了全景地图自动提取道路、建筑物轮廓、警示牌及 POI 信息,自动化识别准确率高达 95%,极大地提高了地图生产效率。

    3. 相关产业

    国际上实景三维建模工具发展的比较成熟,比较常见的有Bentley 公司的 ContextCapture、Skyline 公司的 Photomesh、Airbus 的街景工厂等产品。国内三维实景重建研究起步略晚,随着国内相关的研究机构和商业单位积极投入新型测绘三维建模软件的技术研究和软件研发,涌现一大批基于摄影测量的快速三维建模软件,如泰瑞数创的 SmartEarth 遥感像素工厂、武汉天际航的Infinite3D、中测智绘的 Mirauge3D 等。国内产品目前普遍还存在功能不完整、性能不稳定、效率不够高等问题。

    微软亚洲研究院正在进行的“城市计算”项目,利用人们的移动特性和地理数据,发掘城市的功能区域类型和分布,对制定合理的城市规划有着及其重要的意义。该项目还可基于人的移动性数据发现不合理道路规划;以及利用高速和环路等主干道将城市分割成区域,分析大规模车流轨迹数据在不同区域之间行驶的特征,发掘城市道路网的不足,为城市规划的优化提供参考建议。

    北京市测绘设计研究院立足传统测绘数据优势,结合不同类型的社会属性数据,如互联网数据(导航数据、社交网络数据等)、移动设备数据(手机信令、手环数据等)、传感器数据(位移传感器、速度传感器等)、社会调查数据(调查问卷、在线调查等)等,通过研发空间大数据分析模型,分析了北京市详细的建筑量与人口分布等信息,并将分析结果成功应用于多场景的城市现状评估和未来决策中,为城市体检、规划等重要工作提供决策依据。

    重庆市勘测院针对越来越丰富的测绘地理信息大数据,结合自然、人文、经济、规划等数据,对测绘地理信息大数据在城乡规划中的应用进行了探索,形成了一个三维地理空间环境城市用地竖向解决方案,从中发现城市用地变化、城市扩展方向等信息,对城市资源配置作定量定性分析,为城市发展和规划提供知识服务。

    上海市测绘院针对海量遥感影像数据的管理和服务应用,研发了基于云计算架构的“遥感影像云服务平台”。该平台采用云计算技术,将海量遥感影像数据分布式存储在云盘,实现共享交换和下载;通过云计算的资源调度分配,可根据用户在线影像处理服务的需求,提供遥感影像的动态裁剪、拼接以及复杂遥感影像分析模型的服务。


    宁波市测绘设计研究院充分结合宁波市市情,在第一次地理国情普查的基础上,建设了“宁波市地理市情普查与监测平台”。该平台整合了多尺度的国情普查数据、社会经济数据以及行业数据等,提供了实时数据支持、动态监测和历史数据时空分析等服务,以满足市政府行政决策和民生服务的需要。

    武汉市测绘研究院将非专业测绘地理信息数据作为专业测绘地理信息数据采集和更新的有益补充,围绕众源测绘地理信息“发现-采集-处理-更新”的技术主线,提出了互联网环境下众源测绘地理信息动态更新方法;并以“勘测成果一张图”为基础平台,整合网络地图、网页文本、视频图像等数据,提升“一张图”数据更新速度和在线分析功能,增加了服务的种类和深度。

    4. 应用情况

    商业应用主要来自政府部门的城市管理需求,在规划、交通、公安、应急、消防、水务、能源等领域实景三维数据应用占据主导地位,并逐渐向着建筑工程、生态环保、文化遗产、景区服务、园区和社区信息化管理等新市场方向广泛渗透。目前重点商用化的应用方向有(1)道路病监测,井盖下沉,道路平整度检查;(2)林地监测管理,电线与树枝打架,剪枝管理;(3)城市设施破损,交通设施破损;(4)违建识别,面积核算;(5)地铁管道变形;(6)暴雨城市桥下过水线识别;(7)公路竣工测量,资产调查与管理。

    国内新型测绘短板在应用,如何加强应用,优化迭代出新型的测绘软硬件系统产品,服务行业产业,是提升国内新型测绘产品国际竞争力的核心,也是数字孪生城市成功的关键基础,数字孪生城市的建设与发展将为新型测绘产业提供广阔的市场前景。

    (二)标识感知:实时“读写”真实城市

    1. 需求分析

    数字孪生城市建设需要以全域感知为前提。数字孪生城市的目标是要在数字虚拟空间建立一个与现实物理世界虚实映射、交融互动的数字孪生世界,现实世界中的各类物理实体在孪生空间中都有对应的数字虚体。面向城市建立全域全时段的物联感知体系,实现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关键基础。而物体与物体之间,不是单独的个体,物体间协同交互,需要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。

    全域标识能够为物理对象赋予数字“身份信息”,实现孪生映射。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。设备可信可控从物联采集源头确保城市运行数据的安全、城市基础设施可靠。物联网设备分布广泛,类型繁多,标准不一,本身的能力和安全级别也依赖于各个生产厂商。在城市级物联感知体系建设中,需要通过区块链、设备身份认证、数据加密、通道加密等技术,实现终端设备的可信认证、报文不可篡改、设备存储的隐私数据不外露,确保设备的接入安全、数据安全、报文安全。并通过安全态势感知、分析技术,实现设备安全隐患的提前预防。


    2. 核心技术

    ——物体全域标识。物体全域标识是数字城市中各物理城市及新建的城市物联感知体系在城市信息模型平台中的唯一身份标识。通过物体全域标识,实现数字孪生城市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。

    ——物联感知技术。物联感知技术分为采集控制、感知数据处理,采集控制技术通过直接与对象绑定或与对象连接的数据采集器、控制器技术,完成对对象的属性数据识别、采集和控制操作。主要包括:传感器、条码、RFID、智能化设备接口、多媒体信息采集、位置信息采集和执行器技术;感知数据处理技术是对感知数据和控制数据的加工处理技术,制定了覆盖物理链路层、传输网络层及应用层的协议,从而实现感知信息的高效传递。其中物理链路层又包括近场通讯(NFC)、近距离通讯(蓝牙、ZigBee、Z-Wave、UHF 等)和远距离通讯(2G、3G、4G、NB-IoT、LoRa 等);传输网络层包括TCP、UDP 协议;应用层包括 MQTT、CoAP、LWM2M、HTTP、FTP、XMPP、ModBus、LoRaWAN 等协议。

    ——设备安全防护技术。设备安全防护包括设备安全加固、设备唯一可信认证、设备通讯加密、设备安全态势感知及设备安全修复等全方位的 IoT 设备安全。设备安全防护技术应适应多种操作系统,如 Android 、Linux、RT OS 等,还需要不受各种网络通讯协议(如 LoRa、NB IoT、4G、Wi-Fi)的限制。在设备安全加固方面,针对设备代码进行字符、函数、运行逻辑等多级混淆,防止源代码被逆向,同时提供安全 SDK,保护应用免受越狱系统、软件调试、资源篡改的困扰;在设备可信认证方面,基于证书双向认证为每个设备分配全球唯一的身份标识,使用轻量级算法,减少资源消耗,同时隔离非法终端接入,并在设备通讯传输时采用 SSL 加密,保证设备与边缘设备及云端通讯数据的安全,全程防窃取、防逆向破解、防非法调用。此外,在安全防护的同时,通过检测设备的内存、CPU、进程、系统行为、网络行为等,构建设备安全态势模型,建立安全策略,迅速定位威胁。设备安全修复可以通过 FOTA、热补丁或虚拟补丁等技术低成本对设备漏洞进行修复或网络攻击拦截,保障设备持续运营安全。

    3. 通用感知设备

    通用感知设备根据感知功能不同,又可分为报警终端、传感终端、控制终端三类,其中,报警终端根据设备感知的数值超过设定的告警阈值或设备状态发生变化时,能以声光电的方式发出警报;传感终端根据设备设定的感知频率实时采集被测量的数据,并转换为数字信号实现感知数据的监测;控制终端结合报警终端和传感终端采集的数据,接收控制指令并完成控制任务。通用感知设备除具备以上三种主要功能外,为实现设备状态的实时监测一般会具备心跳功能或设备状态告警功能,如防拆报警、温度过高报警等;同时,为便于设备管理和维护,设备会支持远程参数同步配置功能,以支持上报地址、频率等参数调整及设备复位等管理要求。

    随着物联网技术、人工智能技术的发展,通用感知设备也由单模设备向智能 AI 设备和多模多制式综合设备发展。智能 AI 设备是将人工智能的算法嵌入到设备中,使设备本身具有一定的运算和处理能力的设备,目前在智能摄像头领域应用较为广泛,可实现人脸识别比对、违章停车监测、人员密度监测、漂浮物识别、跨店经营、消防通道遗留物监测等智能识别;多模多制式设备是将多种传感器融合汇聚的一个设备里,使设备能满足该场景下多种感知、计算、控制要求。如智慧路灯,以智能灯杆为载体,实现分布式网格化布置,统一感知温度、湿度、光照度、电池电量、噪音、气压、PM2.5、PM10、风速、风向、二氧化碳、一氧化碳、VOC、二氧化硫、二氧化氮、臭氧、车流量、人流量、紫线线强度指数、水深、辐照度、GPS经度、GPS 纬度等参量。

    4. 感知空间布局

    在城市快速发展、基础设施和应用方式不断更新,城市人口分布持续变化的背景下,合理有效的实现感知节点部署,是一项重要的课题。不仅要结合自然环境、城市设施等基础要素,还要考虑感知节点部署的规模、安装的方式以及安全性能等具体的部署要求,以及综合考虑地上(居民区、道路、公共设施)、地下(地下停车场、避难所)、空中等多个维度。上海市、雄安新区等部分省市区已出台了城市物联网终端建设导则,规范了通用感知设备在城市物理空间的感知场景、安装要求、安装数量等,并针对通用感知设备的复杂性、多样性、不规范性,从功能、性能、数据上报、终端与平台交互等方面进行约束,从而促进通用感知设备与城市地理实体有效结合、互为映射,形成数字孪生城市。

    当前城市在感知业务领域,处于各自为政、条块分割、烟囱林立、信息孤岛的状态,数字孪生城市将针对这些不同的应用场景,统筹感知体系建设,统一采集汇聚,实现城市动态数据整合与共享,形成全域覆盖、动静结合、三维立体的规范化、智能化、全联接的感知布局,实现物理城市在数字城市的精准映射。

    通过规模部署多功能信息杆柱、智能网关和边缘计算节点,采集周围传感器收集到的信息,支持各种近距离及远距离通信协议标准,统一汇聚处理后上传泛在感知与智能设施管理平台和城市大数据平台进行管理。

    地上:传感器包括温度、湿度、气压、风速、风向、雨量、辐射、能见度等。采用标准气象观测场,或沿道路布设多功能信息杆柱(智能路灯)、铁塔、便携式支架、安防用立杆等感知载体和设施安装地上感知节点;利用智能环卫箱、智能公交牌等固定式载体,利用环境监测车等移动式载体实现车路协同城市内小环境监测;在楼宇建筑中布设排水、燃气、热力、电力、安防、消防等系统的感知节点;在城市能源系统布设自动计量水、电、气、热等能耗的智能仪表。对于土壤温度、土壤湿度、土壤 PH 值等传感器采用数据采集箱和土壤传感器分离的方式进行安装,数据采集箱放在地上,传感器安装在土壤中。地上感知节点可采用电池+太阳能板方式进行供电。在防雷、防电磁感应、防雷接地网、电涌防护等措施的基础上,依据《地面气象观测规范》等,对感知节点进行规范化的安装。

    地下:地下环境包括地下综合管廊、地下交通、地下停车场、地下防务设施、防空洞等,监测要素包括大气环境、气体成分等。在综合管廊、地下交通、地下停车场、地下防务设施、防空设施等地下空间,采用顶棚灯架或地面设置采集箱等方式,或利用水务、燃气、热力、电力、通信地下管线等布设安装感知节点。

    空中:可利用浮空平台在空中进行气象、环境等监测和区城视频监控;可利用低空无人机搭载传感器、摄像头等对特殊复杂环境和重点区域进行增强补充、定期巡检和应急保障。

    水域 : 在大型河流湖泊的水下布设水底观测网,水面布置锚泊站,并运用无人监测船等进行水文、生态、环境等监测。

    针对不同感知载体和设施特点,传输可采用无线为主或有线为主两种方式进行布局。一是以无线为主,采用 4G/5G 运营商网络、LPWAN、传感器网络、无线专网等进行覆盖,支持低功耗、大连接、位置分散、移动性的感知节点。5G 网络与边缘计算相结合,可实现在网络边缘侧对海量数据进行预处理,再回传给中心云平台,节省传输带宽,提供低时延服务;二是以有线为主,利用搭载物联网关或边缘计算设备的信息集控箱,通过光纤、电缆或短距无线传输方式进行覆盖,支持位置固定、需要持续大带宽连接或持续供电的感知数据采集。


    (三)协同计算:高效处理海量数据

    1. 需求分析

    数字孪生城市下的万物感知互联将产生海量数据,而这些数据不可能全部传送到云计算中心,同时,工业互联网、自动驾驶、视频监控等领域对实时性要求极高,需要在网络边缘处处理数据,因此贴近终端设备的边缘计算成为云计算向边缘侧拓展的新触角。作为大规模整体数据分析的云计算中心,和小规模局部数据轻量处理的边缘计算节点,形成全局化的分布式协同计算形态,为数字孪生城市的精准构建与高效运行提供“算力”支撑。

    2. 核心技术

    云边协同计算主要通过在网络节点中根据需求统筹部署调度云计算和边缘计算资源,建立虚拟一体化计算资源池,实现从终端到中心的“云-边-端”无缝协同计算。感知终端在采集数据之后,由边缘计算节点进行局部初步处理和快速决策,并将高价值处理数据汇聚到云中心,由云计算做大数据分析挖掘、数据共享开放等处理和分析,优化升级业务规则或算法模型,并下发到边缘侧,由边缘计算基于更新的算法或规则运行计算,更新和升级端侧设备,从而实现完整的自我学习优化的闭环。

    随着物联网感知终端规模化建设,将把通用感知设备、边缘计算设备、智能应用等形成逻辑上的不同的边缘管理域,以物联网数据为主,融合少量业务数据,围绕明确的行业和任务,通过数据融合、智能算法,达到智能发现、高效管理、便捷服务的要求,做到“全域感知、同数多用,设备协同”。云中心接收通用感知终端、边缘域上报的物联网数据,并汇聚互联网数据、业务数据,结合空间时间数据,更关注城市整体运行的态势以及跨行业、跨区域的业务和创新。通过端边云协同,使城市全域感知体系满足低时延、高效能的设备协同要求,降低对传输网络的要求,达到就近计算、高效反馈、按需分析的设计目标,城市立体感知体系更丰满。

    数字孪生城市驱动边缘计算与 GIS 技术融合。边缘计算与 GIS技术融合是指将边缘计算的各种特征,用于支撑 GIS 应用的各要素,包括 GIS 内容的发布和分发,GIS 服务的代理和加速,以及在线分析和计算,以一种更加灵活的方式,高效率、低成本地使用地理信息资源。边缘计算与 GIS 技术融合,涉及到几个关键技术:一是边缘前置代理,在 GIS 云中心和客户端之间,对 GIS 服务进行代理加速,提供更好的服务访问体验。二是边缘服务聚合,将不同来源,不同内容的 GIS 服务聚合为一个服务,实现多源、异构地理信息与服务的整合。三是边缘内容分发,GIS 云中心自动将瓦片数据分发到边缘 GIS 节点,实现了边缘 GIS 内容的自动更新。四是边缘分析计算,在边缘端按需进行 GIS 分析和计算,有效提升 GIS 服务性能。

    3. 相关产业

    国内外 ICT 服务商、电信运营商和行业企业都在积极布局边缘计算市场,形成中心云和边缘云分布式一体化部署。亚马逊、微软、阿里、华为等 ICT 服务商利用云计算市场先发优势,将云计算能力向边缘侧拓展。 如亚马逊推出 AWS IoT Greengrass,可将 AWS 无缝扩展至边缘设备;微软推出 Azure IoT Edge,将 AI 和分析工作负荷迁移到网络边缘;阿里推出物联网边缘计算平台,用户可以将阿里云的边缘计算能力部署在各类计算节点或智能设备中,打造云边端一体化的协同计算体系;华为推出智能边缘平台,支持用户海量边缘节点接入和边缘应用全生命周期管理,提供完整的云边协同一体化的计算解决方案。

    中国移动、中国电信、中国联通等电信运营商结合 5G 建设,加快部署 MEC(移动边缘计算)。如中国移动在 10 省近 30 个地市现网开展 MEC 应用试点,并基于 5G 规模试验打造 MEC 商用能力,致力于分场景灵活部署 MEC;中国电信发布了基于分布式开放平台的边缘计算 MEC 平台,支持用户业务下沉、应用本地部署等服务及应用,并通过 MEC 边缘 CDN 的部署,为相关厂商提供边缘 CDN 资源和环境;中国联通推出 Edge-Cloud 平台,在网络边缘侧融合网络、计算、存储、应用、加速资源,并在 15 个省市进行规模试点及试商用建设。海康威视、超图、树根互联等行业企业基于业务场景需求,加快边缘计算在本行业内应用。如海康威视推出 AICloud 架构,从视频监控边缘域到云中心提供计算池化能力;超图为应对海量空间数据的分析和处理,发布了边缘计算产品 SuperMap iEdge 9D,提供边缘 GIS 能力;树根互联推出根云平台,通过根云 T-Box 车载物联盒、根云 Gateway、根云物联代理开放平台、大数据工坊等一系列产品,为各行业企业提供云边协同计算能力。

    4. 应用情况

    云边协同计算作为“算力”支撑,应用于数字孪生城市各个场景中,如云边协同推动基站白盒化,灵活快速部署 MEC,支撑设备的互联化、自动化、智能化;云边协同推动 CDN 向下一代内容分发网络升级;云边协同助力传统能源产业向能源互联网升级;云边协同推动数字应用实现智能化升级。

    ——智能家庭。用户可以通过网络连接边缘计算节点(家庭网关、智能终端等)对家庭终端进行控制,还可以通过访问云端对海量数据进行访问,实现电器控制、视频监控、定时控制、环境检测、可视对讲等功能。

    ——智慧交通。道路边缘节点集成地图、交通信号、附近移动目标等信息系统,边缘计算可以与云计算配合,将大部分的计算负载整合到道路边缘层,进行实时的信息交互,实现车路协同和自动驾驶。

    ——安防监控。视频监控可以在边缘计算节点(视频探头等)上搭载 AI 模块,面向视频监控、智能安防、人脸识别等业务场景,以大带宽、低时延、快响应等特性实现本地分析、快速处理、实时响应。

    ——健康医疗。用于生命体征监测的可穿戴设备可以在不连接云的情况下本地分析脉搏数据或睡眠模式,实现病人远程健康监测和健康状况即时反馈。同时可以将分析后的数据上传到云端进行 AI分析,为医生和患者提供病情分析,辅助进行下阶段治疗。


    (四)全要素表达:精准“描绘”城市前世今生

    1. 需求分析

    数字孪生城市建设对建模技术和城市表达模型的表达提出了新要求。传统的城市建设在空间规划上大体都停留在二维平面,远达不到智慧化要求,三维空间的有效感知与实景可视化日益成为城市建设管理的重要抓手,也是数字孪生城市的关键内容。传统三维空间数据模型大都面向特定的专业领域,如地质模型、矿山模型、地表景观模型等,这些模型大部分针对单一数据类型,不能表示多源异构数据,数据和软件的耦合程度很高,重用价值不高,针对地上下和室内外多粒度对象统一表达等难题,需要建立更高水平的城市级三维空间模型。

    随着“实景三维中国”的提出和 BIM(Building Information System)如火如荼的开展,城市模型表达进入了第二个阶段:BIM+GIS 阶段。城市宏观尺度上的对象如建筑、道路等对象,都可以通过实景三维模型来表达,城市微观尺度的对象如门窗、室内对象等通过 BIM 模型来表达,实现初级的数字孪生。特别是自然资源部提出的全国“十四五”基础测绘规划编制工作,其中“实景三维中国”的提出和建设,被业内描述为“一个有着万亿元前景的大市场”。我国各地市实景三维建设将大面积展开。不少行业和地区已先行试水,全国已有北京、上海、广州、深圳、重庆、武汉、南京、嘉兴、成都等地尝试了三维模型或实景三维并获好评。

    随着大数据和人工智能的兴起,从城市计算和智能分析的角度来看,现有的三维模型都是非结构化数据:即人眼可见,人脑可识别,但是电脑不可识别。现有的城市信息表达模型只能成为“数据大”,不能称为“大数据”。因此经过语义化技术进行结构提取和属性自动挂接得到的新型城市模型表达 CIM 成为了数字孪生城市的基础核心。一方面 CIM 除了三维视觉表现,还承载了城市要素的属性信息;另一方面,CIM 的几何结构和属性信息均可以被计算机所理解,将城市三维模型从可视化阶段真正引入城市计算领域,实现挖掘、统计、分析、决策,物理城市的数字表达经历了从最初的二维平面、到三维立体、到全要素结构化的发展历程。

    2. 核心技术

    物理实体的数字孪生体,归根结底就是一个个的模型和模型集合,所以建设数字孪生系统的关键也在于模型表达。模型的建立方式随着数据采集技术而迅速发展,不同来源、不同类型的空间三维数据愈来愈多,目前应用于建筑物、构筑物、道路、地下管线、地质、水体和地表高程属性数据和纹理数据的采集方法,主要有传统三维建模软件、三维激光扫描、航空摄影测量、移动测绘系统等。

    随着几何生成技术、语义化技术、多模态多尺度空间数据智能提取技术、深度学习技术、多分辨率空间索引和调度技术、高性能三维渲染等技术的不断发展,促进点云逆向建模、倾斜摄影实景三维重建、结构化语义建模等城市模型表达方式不断成熟,数字孪生城市的三维信息模型进入了高精度、高效率、高真实感和低成本的全自动全要素结构化表达的阶段。

    ——多模态多尺度空间数据智能提取技术。利用性能互补的多模态多尺度遥感数据获取装置,重点突破空地多模态多尺度光学影像自动空三和联合精确定位、密集点云自动匹配、精细三维模型自动纹理采集和映射、激光 LiDAR/全景相机和 IMU 等传感器融合的同步定位和精细地图构建技术、激光点云的语义自动分析及提取、地物与人工建筑及其组件的语义特征识别与语义信息提取等核心关键技术,实现基于无人机/航空倾斜摄影、航空 LiDAR 的大场景真三维精细城市模型自动化构建。

    ——语义化技术。语义化即对数据进行智能化加工处理,使其所包含的信息可以被计算机理解。大数据环境下,只有将数据进行语义化处理之后,才能更快速、准确地提取到所需要的信息,保证数据的无歧义理解和良好结构化表达,实现可量化索引。利用语义化技术,可以形成一个量化并可索引的城市描述信息,同时利用CIM 的可扩展性,可以接入人口、房屋、公司法人、安防设施、公安警务数据、住户水电燃气信息、交通信息、公共医疗等诸多城市公共系统的信息资源,实现跨系统应用集成、跨部门信息共享,避免重复建设和信息化孤岛。

    ——深度学习技术。利用深度学习技术,自动对实景三维检测、分割、跟踪矢量、挂接属性入库,将物理世界中多源异构和多模态的空间大数据组织形成复杂庞大的数据语义网络,解决跨领域的数据在几何位置、属性语义、逻辑等方面的相似性、不一致性问题;并结合天-空-地一体化化多源三维数据融合和可视化技术,实现静态三维可视化向智能动态可视化转变;CIM 还可建立从描述性可视分析到解释性可视分析和探索性可视分析的多层次可视分析体系,快速有效地从多模态实景三维大数据中发掘价值,支撑数字孪生各应用领域的决策分析。

    ——三维渲染技术。硬件方面主要是 GPU 实时渲染技术,软件方面主要有 RTC 流计算、多视频 3D 融合、基于深度学习的超分辨,以及实时光线追踪技术。主流技术 GPU 采用 Nivida 体系,上层驱动directX 或 OpenGL,各家公司自研引擎,应用于智慧城市以及游戏、医疗等各领域。利用 WebGL\VR\AR\MR\全息投影技术等,可提高对城市地理环境的真实化表达,给人们提供沉浸式体验。WebGL 通过提供硬件三维加速渲染能力,实现利用显卡在浏览器里展示 3D 场景和模型,支持空间地理数据的可视化表达,可轻松应对复杂 3D 数据的渲染。VR 技术使用户沉浸其中,模拟环境的真实性与现实世界难辨真假,具有较强的人机交互能力。AR 技术将虚拟信息与真实世界相互叠加补充,从而实现对真实世界的“增强”。MR 技术通过全息图,将现实环境与虚拟环境相互混合,即在新的可视化环境里物理和数字对象共存,并实时互动。全息投影技术利用干涉和衍射原理记录并再现物体真实的三维图像的技术,实现虚拟影像跃然于眼前,栩栩如生,令人难辨虚实,视觉效果强烈。

    3. 相关产业

    随着数字孪生城市兴起,目前在城市全要素建模领域也涌现出一批创新能力强、业务产品突出的企业,从自动参数化建模,到实景三维建模,再到语义化建模都有不俗表现的代表性产品。自动参数化建模表达。51VR 公司基于自动化建模技术实现数字孪生城市还原,通过静态时空数据和动态天气、光照等物理仿真,约 6 小时即可实时渲染构建数千平方公里的 L2 级别数字孪生城市,实例如下:

    实景三维模型表达。由超图公司牵头起草,自然资源部信息中心、国家基础地理信息中心等 12 家单位参与起草的《空间三维模型数据格式》团体标准日前正式发布。该标准定义了一种开放式可扩展的三维地理空间数据格式——Spatial 3D Model(S3M),对倾斜摄影模型、人工建模数据、BIM、点云、三维管线、二维/三维点线面等各类数据进行整合,适用于海量、多源异构三维地理空间数据和 Web 环境下的传输与解析,也为不同终端、不同应用系统间的三维数据共享和互操作提供开放、标准、通用的数据格式基础,兼容多种软硬件环境,鼎立支撑实景三维中国和数字孪生城市建设。

    语义化建模表达。泰瑞数创目前已经具有从三维语义建模到语义模型管理到语义模型应用的全流程的技术方案,并已参与到上海公安、天津滨海城市大脑、上海临港城市大脑等智慧城市建设中。

    语义模型组织采用 OGC 标准的 CityGML 数据组织方式和模型格式,它定义了城市中的大部分地理对象的分类及其之间的关系,而且充分地考虑了区域模型的几何、拓扑、语义、外观属性等。其中包括了主题分类之间的层次、聚合、对象之间的关系、空间属性等。这些专题信息不仅仅是一种图形交换格式,而且允许将城市三维模型部署到各种不同应用中的复杂分析任务,例如仿真分析、城市数据挖掘等。CIM 生产效率可以达到每小时自动提取至少 3000 栋单体语义模型;并且自动提取屋脊高度、屋顶方向等几十种空间结构信息。

    同时,也可通过深度学习技术根据 CAD 或非数字化图纸自动化生成室内三维语义模型。

    在可视化渲染上,从底层的 GPU 芯片,到上层图形驱动,渲染引擎和开发工具等, 基本都掌握在欧美国家手中。国内目前做的应用,都是在应用层来做,并且大多引擎也是西方的开源引擎。高水平学者很多,但在软件系统应用,产品化上有明显不足,还有很长的路要走。不过,近年来我们可以看到:一方面以 SmartEarth VizDeck为 代 表 的 国 内 二三 维 地 理 信 息 引擎 通 过 GPU shader 渲 染和Streaming 机制,实现城市海量空间数据的快速渲染及可视化调度,提升可视化渲染效率;另一方面以 51VR 为代表的国内虚拟现实引擎科技公司已通过自研云渲染 PaaS 架构、实时渲染与物理仿真技术,提升可视化渲染效果;同时还有以阿里 DataV 为代表的大数据可视化渲染引擎,基于 WebGL 技术实现城市大数据渲染,提供低成本可复用的数据可视化方案。这些都在逐渐缩短国内与国外的差距。

    4. 应用情况

    来自政府部门的城市管理需求仍然占据主导地位,包括在规划、交通、公安、应急、消防、水务、能源等领域对实景三维数据的应用。与此同时,三维建模应用也向着建筑工程、生态环保、文化遗产、景区服务、园区和社区信息化管理等新市场方向广泛渗透,市场需求强烈。

    (1)城市规划领域:精确反映整个城市的建筑物分布情况以及城市地形,促进有关部门和人员作出科学的城市规划决策,以及城市重点区域动态监测、违建取证与执法等,推动城市健康发展。

    (2)建筑工程领域:在设计阶段,帮助设计师分析待建区域周边建筑以及地形信息,将设计好的建筑模型置入场景中,进行日照分析、风能分析等;在建筑施工阶段,可准确反应施工进程,为施工管理做出决策;在建筑运营与管理阶段,辅助决策建筑物维护与装修。

    (3)旅游领域:三维实景模型可 1:1 还原景区模型,有助于景区展示、景区数字化宣传,结合 VR 技术更可制作在线景区游览程序,让旅客足不出户即可观赏景区风景。


    (五)模拟仿真:在数字世界推演城市运行态势

    1. 需求分析

    在数字城市仿真,在物理城市执行,使城市建设和发展少走弯路、不留遗憾,是数字孪生城市价值的真正体现。在数字孪生城市中,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。

    2. 核心技术

    目前利用计算机进行模拟仿真的主要技术包括有限元分析、计算流体力学和多物理场耦合仿真等。

    有限元分析(FEA,Finite Element Analysis)利用数学近似的方法对真实物理系统(几何和载荷工况)进行模拟,通过简单而又相互作用的元素(即单元),就可以用有限数量的未知量去逼近无限未知量的真实系统。有限元分析方法已经应用于航空航天、核能、机械、土木、水利、地震、物探、气象、渗流、水声、力学、物理学等几乎所有的科学研究和工程技术领域,主流的有限元分析软件有 ABAQUS、ANSYS、MSC 等。

    计算流体力学(CFD,Computational Fluid Dynamics)通过计算机和数值方法来求解流体力学的控制方程,对流体力学问题进行模拟和分析。目前 CFD 除了应用于传统的流体力学工程领域,如航空航天、气象、水利、船舶等,应用范围还在不断扩大,在建筑、环境、化工等领域也被广泛应用。

    多物理场耦合仿真可对现实工程中温度场、应力场、湿度场等多个物理场之间的相互作用进行仿真分析,仿真结果更接近现实。瑞典多物理场仿真软件公司 COMSOL 是该领域的佼佼者,其推出的多物理场复杂耦合仿真软件具备超过 30 个专业领域的附加模块,已在多个领域广泛应用。

    仿真技术正向网络化、虚拟化、智能化、协同化方向发展,基于面向对象的仿真技术、智能仿真技术、分布交互仿真技术、虚拟现实仿真技术等是仿真技术发展的主要趋势。

    面向对象仿真是将面向对象的方法应用到计算机仿真领域中,以产生面向对象的仿真系统,该方法从人类认识世界模式出发,使问题空间和求解空间相一致,提供了更自然直观,且具可维护性和可重用性的系统仿真框架。

    智能仿真是以知识为核心和人类思维行为作背景的智能技术,引入整个建模与仿真过程,构造智能仿真平台。智能仿真技术的开发途径是人工智能与仿真技术的集成化。

    分布交互仿真是通过计算机网络将分散在各地的仿真设备互连,构成时间与空间互相耦合的虚拟仿真环境,可以在逼真的视景和操作模拟环境中,进行人机交互度很高的仿真实验和演练。

    虚拟现实仿真技术是现代仿真技术的一个重要研究领域,是在综合仿真技术、计算机图形技术、传感技术等多种学科技术的基础之上发展起来的,其核心是建模与仿真,通过建立模型,对人、物、环境及其相互关系进行本质的描述,并在计算机上实现。

    3. 相关产业

    就目前的发展阶段来看,对整个城市进行模拟仿真的软件产品还未出现,仿真软件的应用范围还是局限于部分细分领域,如用于交通仿真的 SUMO、VISSIM、Carsim,水动力仿真的 MIKE21、HEC、SWIMM,景观环境仿真的 SITES 平台和物流固废仿真的 Anylogic。

    国内仿真软件与国外相比还有较大差距,国外厂商掌握 CAE 有限元算法和 CAD 核心几何内核算法,国内企业只能通过授权经营方式使用国外几何内核,基本不具有自主知识产权,多数厂商主要基于国外产品进行二次开发。

    随着国内仿真软件的快速发展,在交通等部分领域已形成一定优势。51VR 公司自主研发推出 51Sim-One 无人驾驶仿真平台,通过自主研发的静态高精度场景数据编辑和自动化转换工具,既可对已采集场景的多种数据进行融合,将实体非结构化场景快速生成高拟真的结构化虚拟仿真场景,又可根据自动驾驶测试任务的需要从无到有构建仿真训练流程与评价体系,极大提升自动驾驶训练效率。

    百度公司 2017 年对外发布了 Apollo(阿波罗)平台,其中的仿真平台可以提供贯穿自动驾驶研发迭代过程的完整解决方案,仿真服务拥有大量的实际路况及自动驾驶场景数据,基于大规模云端计算容量,打造日行百万公里的虚拟运行能力。中视典数字科技公司依托自主知识产权的虚拟现实平台软件,专门针对数字城市完全自主研发出产品:数字城市仿真平台(VRP-Digicity)、三维网络平台(VRPIE)、三维仿真系统开发包(VRP-SDK)等,能满足不同数字城市规划管理领域,不同层次客户对数字仿真的需求。

    4. 应用模式

    目前模拟仿真技术在智慧城市建设方面的应用主要包括以下几个方面。

    (1)城市应急仿真与管理。通过对台风等紧急自然灾害,或恐怖袭击等治安事件在虚拟现实场景中逼真还原,有利于一线人员沉浸地投入训练,提高其救援能力,也有利于实现多部门间的跨地域联合演练,同时达到优化和验证应急策略的目的。

    (2)城市虚拟现实漫游。在城市虚拟现实中,体验者可从任意角度、距离观察场景中的建筑,也可以选择多种运动模式如行走、飞行、驾驶等,并自由控制浏览路线以感受建筑与道路的布局情况,同时也可以感受每一栋建筑的采光情况。漫游过程中,可观察现有设计方案对已有周边建筑的影响情况,如颜色是否协调、高度是否阻挡采光等问题,并可实时切换规划方案,直观地感受多种环境方案,做出客观且全面的对比。

    (3)建筑设计虚拟仿真。实现建筑虚拟仿真与实时可视化效果。通过简单改变建筑高度、外立面材质或颜色、绿化面积、楼宇间距、光照状况等,即可在虚拟现实中,以任意角度实时地查看建筑的多套设计方案。

    (4)交通系统虚拟仿真。在虚拟城市中,建立包括航空、铁路、隧道、桥梁、车辆等的交通系统仿真。使人、车、路之间的关系以更先进的方式呈现,从而实现高效安全的绿色城市交通体系,协助解决拥堵、事故、交通污染等困扰。

    (5)可视化城市能源管理。实现现实中难以达到的城市能源系统可视化仿真场景。包括液化天然气、暖气、新兴太阳能设施、给排水系统、污水处理、城市照明等仿真与规划。

    (六)深度学习:推动城市自我学习智慧成长

    1. 需求分析

    数字孪生城市对人工智能领域深度学习、自我优化技术的应用,可使城市从以往部门之间各自为战、治标不治本、被动迟缓的基层治理模式,转变为全域协同治理、问题智能响应、需求提前预判的模式,构建起高效智慧的城市运行规则。在数字孪生城市中,对深度学习技术的应用主要集中在海量数据处理、系统运行优化等方面。

    一是海量数据亟需结构化处理。数字孪生城市中的海量视频、音频、图像、文字等数据包含了大量非结构化信息,而上层应用平台需要调用处理的是机器可以理解的结构化信息。深度学习可从原始数据中将信息挖掘出来并进行结构化保存,并通过各种分析模型衍生新的数据,以满足各类系统平台的调用需求。

    二是系统运行需自我迭代优化。现实物理城市千城千面、场景复杂、变化迅速,数字孪生城市需要持续进行自我优化、更新迭代,才能快速响应不断发展中的物理世界。利用人工智能深度学习、自我优化的能力,可提升智能算法执行的效率和性能,适应快速变化的城市服务场景。

    2. 核心技术

    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,其中前三者主要用以从已有城市数据中挖掘出新的数据并结构化当前数据,知识图谱则将数据与数据联系起来以形成决策的基础模型。近年来,深度学习算法层出不穷,进一步满足数字孪生城市的实际应用需求,自动机器学习则推动系统不断自优化,实现数字孪生城市内生迭代发展。

    计算机视觉。计算机视觉是使用计算机模仿人类视觉系统的科学,让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力。自动驾驶、机器人、智能医疗等领域均需要通过计算机视觉技术从视觉信号中提取并处理信息。近年来预处理、特征提取与算法处理渐渐融合。根据解决的问题,计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码五大类。

    自然语言处理。自然语言处理是实现人与计算机之间用自然语言进行有效通信的方法,主要包括机器的翻译、阅读理解、问答系统、文章摘要提取、命名体识别等。在数字孪生城市中,通过将计算机视觉与自然语言处理技术相结合,可构造更复杂的应用,赋予系统看图说话、视频摘要等能力。

    生物特征识别。生物特征识别可通过人体独特的生理特征、行为特征进行识别认证。人类的生理特征包括指纹、掌纹、虹膜、声纹、指静脉等,行为特征包括步态、击键习惯等。在数字孪生城市中,生物特征识别可广泛应用于服务领域和安全领域,如结合智能视频监控进行嫌疑犯检索,协助公安机关快速破案。

    知识图谱。知识图谱本质上是结构化的语义知识库,为智能系统提供从“关系”角度分析问题的能力。以符号形式描述物理世界中的概念及其相互关系,其基本组成单位是“实体—关系—实体”三元组,以及实体及其相关“属性—值”对。不同实体之间通过关系相互联结,构成网状的知识结构。知识图谱能够依托数字孪生城市的海量信息为海量实体建立各种各样的关系,为城市运行管理奠定基础。例如运用知识图谱开展反洗钱或电信诈骗,通过对交易轨迹的精准追踪和关联分析,获取可疑人员、账户、商户等信息。

    深度学习算法。胶囊网络、迁移学习、联合学习等算法理论陆续被提出,一定程度上弥补了卷积神经网络、堆栈自编码网络等经典算法的缺陷,使人工智能在数字孪生城市的应用进一步拓展。胶囊网络能同时处理多个不同目标的多种空间变换,保留位置、大小、方向、变形、速度、色相、纹理等信息,图像识别能力更佳,适用于处理城市道路车辆、行人等快速变化的视频图像数据。迁移学习可利用数据、任务或模型之间的相似性,将学习过的模型应用于新领域的一类算法,有助于数字孪生城市获得更快的决策效率。联合学习可通过参数共享和标注策略从多个数据源获取数据进行学习并保护敏感数据,例如在医疗健康领域,利用联合学习可从不同医院获取医疗数据用以训练模型,而无需担忧患者敏感数据泄露,更好地满足了数据安全保障需求。

    自动机器学习。自动机器学习可使模型自动习得合适的参数和配置,选择最优算法,使人工智能系统更加完备。经典的自动机器学习方法包括超参数优化、元学习、神经网络架构搜索、自动化特征工程等,目前已有 AutoML、Auto-Keras、TPOT、H2OAutoML、Python AutoML 等开源的自动机器学习工具面世。自动机器学习可以帮助数字孪生城市智能系统免除手动调整算法的麻烦,自动体察城市运行规律,推动系统自优化,实现内生迭代发展,从而成为能够适应城市复杂多变现实场景的自主智能系统,实现城市的智慧决策和高效运行。

    3. 相关产业

    深度学习模型和技术源流多来自西方人工智能科学家, 随着人工智能理论和技术日益成熟,应用范围不断扩大,人工智能产业正在逐步形成、不断丰富,相应的商业模式也在持续演进和多元化。我国多数人工智能企业缺少原创算法,但近年来科研实力大幅增长,2017 年我国 AI 论文在全球占比达 26.63%,青年学者在视觉领域、NLP 领域顶级学术会议上逐渐占据更多席位。我国深度学习领域的差距主要在于缺乏体系化的产品、生态,未能进一步沉淀市场应用。

    目前,数字孪生城市中较为成熟的深度学习产品目前有泰瑞数创 CIM Generator 空间语义平台和商汤科技 SenseEarth 平台。前者是一款融合了深度语义信息的 AI PAAS 平台,它包含了一个强大的人工智能内核,可将各类数据自动解译生成城市语义模型。同时支持多数据源,包括遥感影像、航空影像、激光点云、建筑图纸等数据输入,并内置插件式 AI 组件,包括深度学习算法框架,内插多组网络模型,支持分布式架构。SenseEarth 智能遥感影像解译平台是一款面向公众公开的遥感影像浏览及解译在线工具,具有强大的数据解析和洞察能力,可提供在线体验基于卫星影像的道路提取、舰船检测、土地利用分类等人工智能解译功能,并可支撑用户浏览历史影像,以月度为单位对不同时段的影像进行变化检测,快速感知城市的变迁与发展。

    4. 应用情况

    深度学习的发展经历了技术驱动和数据驱动阶段,现已进入场景驱动阶段,深入落地到实际需求之中,解决不同场景的问题。

    (1)智能安防。随着“平安城市”“雪亮工程”“智慧社区”等智慧城市安防项目的深入开展,我国各地基本已完成城市视频监控的布设。城市里成千上万路监控摄像头或传感器昼夜不停地监视、采集数据,向监控管理平台推送的待处理音视频数据堪称海量。受制于肉眼识别劳动强度与精准度极限,不依靠计算机自动进行数据筛选,必然造成信息处理迟缓、漏判错判,贻误战机。通过深度学习推动视频结构化,可对视频中的人、车、物等活动目标进行特征属性自动提取并形成文本信息,帮助系统在数据库中快速查找到关键的人、车、物等相关音视频线索。

    (2)智能交通。目前,我国智能交通系统的应用主要是通过对交通中的车辆流量、行车速度进行采集和分析,对交通进行实施监控和调度,有效提高通行能力、简化交通管理、降低环境污染等。结合深度学习算法,系统可预测城市各区块的车流、人流情况,提前进行管控分流,以缓解交通拥堵、避免踩踏事件发生。在航空领域,则可通过对机场航班起落历史数据的深度学习,实现航班起落时间预测。

    (3)环境监测。生态环境监测是生态环境保护的基础工作,也是推进生态环境建设、开展环境气象预测的重要支撑。我国环境监测网络日渐完善,积累了海量的气象气候、空气、水体、土壤、自然灾害、污染排放等历史数据。深度学习可利用环境数据,充分挖掘各类环境数据之间的内在关联,帮助人类更好认识复杂的生态环境系统,并提升气象预测精准度。例如,基于空气质量数据、气象数据和天气预报数据,深度学习模型可以预测更细粒度的空气质量,支撑政府精准施策,帮助市民规划出行方案。

    (4)市政管理。市政管理工作与市民生活环境密切相关,市政管理水平是城市管理水平的直观体现。然而市政设施规模庞大、所处环境复杂,随着我国城市化发展进程不断发展,市政管理工作难度与日俱增。通过将结构化数据与深度学习算法结合,市政设施管理可变被动维护为预测性维护。例如,自来水因受管道使用年限、地理位置、气象环境、市民用水模式等因素影响,水质判断难度颇高。利用以上各类数据构建深度学习模型,可精准预测管网水质,指导自来水厂科学投氯消毒,还可判断水管健康状态,第一时间进行维护、修理。

标签:数字城市数字孪生城市
上一篇:国内外飞行模拟设备行业的现状分析下一篇:人民日报:虚拟现实 由虚向实
网友评论:数字孪生城市关键技术要素
留名: 验证码:
最新评论
查看全部评论0
暂无评论
您可能还需要关注一下内容:
· 数字孪生城市未来发展展望
·数字孪生城市典型应用场景
·聚焦2019数博会:数字孪生城市来了
·数字孪生城市总体架构与核心平台
·我国数字孪生城市发展概况
·什么是数字孪生城市
·多目标地籍虚拟三维城市系统之建置
·数字城市三维建模方法比较分析
·昆明建成国内最大数字城市三维模型
·测绘地信局:数字城市正转向智能城市建设
☏ 推荐产品

小宅 Z5 2018青春版
商家:小宅

杰瑞特运动平台
商家:杰瑞特智能

Dikalis眼动追踪
商家:赢富仪器

魔神 Hawk
商家:魔神运动分析

5DT Binoculars
商家:四维宇宙

Christie DS+750
商家:四维宇宙

Zalman M220W
商家:四维宇宙

全息360°
商家:四维宇宙

PD F10 AS3D
商家:四维宇宙

PHANTOM系列
商家:四维宇宙
☞ 外设导航
☏ 企业名录
【宁波】宁波维真显示科技股份有限公司
【潍坊】歌尔股份有限公司
【上海】霍尼韦尔(中国)有限公司
【北京】科视Christie-中国
【北京】北京华如科技股份有限公司
【北京】北京乐卡仕技术有限公司
【广州】广州弥德科技有限公司
【上海】刃之砺信息科技(上海)有限公司
【北京】北京度量科技有限公司
【北京】北京小鸟看看科技有限公司
关于本站联系我们融资计划免责声明网站建设广告服务咨询策划行业推广
北京第三维度科技有限公司 版权所有 京ICP备15051154号-3
2008-2020 Beijing The third dimension Inc. All Rights Reserved.
Email:d3dweb@163.com  QQ:496466882
Mob:13371637112(24小时)
关注虚拟现实
关注第三维度