數字孿生城市：再造現實世界，走向虛實互動。數字孿生城市是城市的物理空間在數字空間中的映射，數字城市與物理城市數據同步、交互協同。在構建過程中，其通過數據匯總、建模渲染，將城市從物理空間映射到數字空間；在實際應用上，通過仿真模擬、交互控制，解決城市規劃、管理、服務等問題。我們認為數字孿生城市、數字孿生自然資源管理的理想目標，是實現物理維度和數據維度的同步運行、虛實互動。

技術：數據為基，建模為體，仿真為用。數字孿生城市主要技術包括：數據獲取、建模渲染、仿真分析、交互控制。數據的采集及生產涉及地理信息、建筑信息、物聯傳感等多種數據，現階段，采集方式從航空攝影向傾斜攝影、激光掃描、物聯感知演進；數據結構化、語義化重要性日漸提升。數字孿生城市初期應用主要為滿足可視化需求，建模渲染方面，廠商多采用渲染效果優秀的游戲引擎，或空間分析能力突出的GIS引擎，兩類引擎目前呈相互借鑒、融合發展的趨勢。隨數字孿生城市演進，其應用已不局限于可視化，仿真、分析、交互成為重要發展方向。

應用：城市治理、資源管理，應用廣泛。城市數字孿生案例豐富，但各城市建設需要不同，在最終形式和應用上有較大差別。既可以用于城市統計監控、智慧管理，也可以用于城市場景還原、情景模擬。走出城市，數字孿生亦可助力自然資源管理，在水利、電力、環境等不同行業均有應用。

未來展望：助力元宇宙基礎構建，概念引領技術升級。數字孿生應用有利于元宇宙技術、規則積累；元宇宙則對技術提出更高要求，并為數字孿生應用提供前沿指引。我們認為未來數字孿生行業應用建設要點包括：1）數據處理階段，對空間數據進行單體化語義化處理，并建立數據融合的統一標準；2）建模渲染階段，平衡數據分析和視覺效果；3）應用階段，提高應用的精度和深度，實現對具體設備、豐富場景的仿真分析、反向控制。

技術發展不及預期，下游應用落地進度不及預期。

數字孿生源于航天、工業，其后應用于工程建設、自然資源管理、城市治理等領域。隨著數字孿生與城市治理技術的發展和融合，數字孿生這一概念被應用于智慧城市建設，產生了當前數字孿生城市的技術與應用。根據信通院的定義，數字孿生城市將城市的物理空間映射到數字空間，通過模擬、監控、診斷、預測和控制等方式，解決城市問題，實現城市物理維度和數據維度的同步運行、虛實互動[1]。

數字孿生城市存在自身的發展路徑和應用場景，其建設具備必要性。城市管理中存在對建筑、交通等數字化建模以支持分析決策的需求，元宇宙概念出現之前，CIM、實景三維等建設已處于發展進程之中。CIM基礎平臺由住建部主導，更強調建筑物BIM模型和感知數據的接入；實景三維中國由自然資源部主導，其建設目標包括整合地形級和城市級的地理信息[2]。盡管技術路線有所不同，但CIM與實景三維均強調數字空間與現實空間實時關聯互通，為空間分析和城市管理應用提供基礎。

數字孿生城市的發展為元宇宙奠定基礎，元宇宙概念的提出促進數字孿生城市升級。上海市發布《上海市培育“元宇宙”新賽道行動方案（2022—2025年）》，將數字孿生城市列為8大重點工程之一，提出通過城市基礎設施數字孿生，對城市空間數據進行收集、管理和運營，進而在觀光、交通等領域打造行業解決方案。我們認為數字孿生城市包含大量的三維場景，其建設本身，也為元宇宙的發展積累了初期經驗，數字孿生城市建設中積累的數據標準、場景素材和應用方案也可以復用到元宇宙中；而元宇宙提出了相對前沿的概念、更高的技術要求，其注重真實性、交互性、豐富性等特征或將帶動相關技術、產業發展，繼而作用于數字孿生城市。

數字孿生城市的主要技術包括數據獲取、建模渲染、仿真分析、交互控制等部分。數據獲取環節，廠商通常使用遙感和物聯網設備采集數據，再對城市時空大數據進行處理和融合。建模和渲染將城市的地理信息和其他多源數據轉化為逼真的3D模型。仿真分析環節，通常是對城市的運行情況進行模擬或監測，以輔助城市規劃和運營。交互控制則建立在模擬分析的基礎上，根據分析結果對現實世界進行自動控制，實現城市的智能化管理。

圖表1：數字孿生城市的運行機理

資料來源：信通院《數字孿生城市白皮書2021》（2021），高艷才、陳麗等著《數字孿生城市——虛實融合開啟智慧之門》（2019），中金公司研究部

數據涵蓋宏觀、中觀、微觀三級，數據類型豐富

數字孿生城市所需要的數據橫跨多個部門，具備不同的顆粒度和更新頻率。根據華為《數字孿生城市白皮書》，數字孿生城市的基礎數據框架依據顆粒度可分為宏觀、中觀、微觀三層[3]。城市宏觀數據主要為地理信息，主要包括：基于衛星遙感的靜態城市地理信息，和基于新型測繪手段對地理信息的增量更新。城市中觀數據通常按照地理實體對信息進行分類，并將地理信息和城市中特有的專題數據結合，包括城區及建筑物數據、政府信息系統的業務數據、通信運營商數據等。城市微觀數據包含各類物聯網場景。地理信息等主要為描述城市情況的靜態數據，但數字孿生城市要達到實時映射、虛實互現，還需要大量的動態數據，其收集往往通過物聯網實現。

圖表2：數字孿生城市數據體系架構

資料來源：億歐智庫，華為《數字孿生城市白皮書》（2021），中金公司研究部

多源數據采集：從航空攝影向傾斜攝影、激光掃描、物聯感知演進

數字孿生城市涉及的數據層次、類型多樣，采集方式亦在不斷升級。衛星和航空攝影測量、傾斜攝影、激光雷達、物聯網終端數據采集等是主要的數據采集方式，衛星和航空攝影測量優勢在于覆蓋范圍廣、數據分辨率高，能夠快速獲取數據，但用這種方式進行三維建模可能存在嚴重的遮擋問題。傾斜攝影測量相比傳統的垂直攝影測量，可以額外獲得建筑物頂面和側面的紋理，以及房屋的外框和高程信息[4]。激光雷達能生成高密度、高精度的點云，能夠準確計算采集對象的三維坐標[5]。物聯網終端則輔助接入大量的動態數據。目前數字孿生城市的數據采集方式呈現出從航空攝影向傾斜攝影、激光掃描、物聯感知演進的趨勢。

圖表3：數字孿生城市所涉及的各類數據收集方式一覽

資料來源：《地理信息系統教程（第二版）》（2007），中金公司研究部

圖表4：航空攝影測量、傾斜攝影、激光雷達原理示意圖

資料來源：Wingtra官網，云端地球，中金公司研究部

數據融合：數據語義化、結構化處理重要性日漸提升

數據結構化、語義化重要性提升。雖然使用傾斜攝影、激光雷達等技術可以快速得到大規模的三維地圖，但從城市計算和智能分析的角度上看，這些模型仍屬于非結構化數據，計算機無法識別，繼而限制數字孿生城市實現復雜分析功能。因此，需要利用語義化技術，對各類數據進行結構提取、屬性掛接，具體技術主要涉及：多模態多尺度空間數據智能提取技術、語義化技術、深度學習技術等。

圖表5：數據進行單體化、語義化處理之后用于操作

資料來源：超圖研究院《SuperMap傾斜攝影白皮書》（2019），中金公司研究部

數據編碼需要統一的標準，目前相關的數據標準正處在研制過程中。物理實體需要唯一編碼以實現與數字世界的一一對應，為確保不同廠商的編碼可以相互兼容、避免重復建設，統一標準的重要性上升。數據類標準是數字孿生城市的重要一環，其約定了城市數字孿生中數據的表達、處理、應用、服務[6]。目前，在數據融合板塊，已有部分標準對數據的編碼、采集、共享進行了規范；但在數據資源、管理、服務方面的規范仍在研制過程中。我們認為，數據編碼標準以及數據結構化語義化的技術，讓數字孿生城市從人眼可讀轉變為機器可分析，盡管這些技術目前仍在開發和研究的階段，但受重視程度正不斷提升。

圖表6：城市數字孿生數據類標準明細

資料來源：全國信標委智慧城市標準工作組《城市數字孿生標準化白皮書（2022版）》，中金公司研究部

建模屬于廣義上數據生產的一環，模型的融合和渲染是數字孿生搭建平臺提供的主要功能。1）建模階段：較大尺度的地形模型可以由計算機制圖或遙感影像處理得到；較小尺度的建筑物及城市設施的模型來源多樣，既可以通過對傾斜攝影、激光點云等三維數據進行單體化、語義化處理建立，也可以由CAD或BIM數據轉換而來，或是通過參數化建模的方式實現；2）融合階段：不同來源的模型根據地理位置定位，融合成城市三維模型；3）渲染階段：向三維模型增加紋理、色彩、光影信息，輸出城市3D圖像。目前的數字孿生平臺，包括GIS軟件、游戲引擎、可視化軟件，均提供模型融合和渲染的功能，但因稟賦不同而各有側重。

圖表7：城市三維建模可視化的流程

資料來源：張正峰,付金強,張發瑜.《虛擬建筑群三維建模與可視化實現》.中國工程科學,2007，中金公司研究部

數字孿生城市所用的建模渲染引擎主要可分為游戲引擎、GIS引擎、工業引擎三類。目前，在城市數字孿生領域主要使用的建模渲染引擎大致可分幾類——GIS引擎側重于地理信息的處理，典型案例為Cesium等；游戲引擎側重于渲染效果的提升，代表為UE、Unity等；工業建模平臺著重于進行仿真和模擬分析，如達索3D. EXPERIENCE等。相比工業和娛樂領域，城市數字孿生的獨特性在于其對地理信息和BIM數據的需求。目前數字孿生城市的建設案例中，游戲引擎和GIS引擎使用較多，而這兩類引擎也呈現出融合發展的趨勢。

圖表8：主要數字孿生可視化引擎對比

資料來源：各公司官網，中金公司研究部

游戲引擎：實時渲染能力優秀、配套資源豐富、對各類數據支持度提升

虛幻引擎（Unreal engine, UE）是數字孿生城市構建中使用較多的引擎，其優勢在于逼真的實時渲染能力，可以實現對城市及建筑外形的逼真還原。UE是Epic Games旗下的游戲引擎，除在游戲領域，在建筑、交通、模擬訓練等領域也有大量應用。據CGarchitect的調查，2020年，52%的建筑師會使用虛幻引擎制作實時項目。UE在數字孿生領域的主要應用集中在城市、園區、機場的數字孿生中，UE在建筑可視化領域中具備以下幾方面技術優勢：

?出色的渲染效果、豐富的配套資源。UE具出色的渲染效果，虛擬微多邊形幾何體Nanite，可以導入高度細節化的CAD模型，甚至可以導入城市規模的掃描數據。動態全局光照解決方案Lumen，能實時渲染場景和光照變化，達到類似視覺效果所需的時間僅為離線渲染的幾分之一。此外，具豐富的配套資源，其3D掃描應用RealityScan，方便開發者掃描建立自己所需的三維模型，擴充建模和UV工具集，并允許開發者在UE引擎中調整導入的模型，比如改變樓梯的長度、高度和階數。

? 支持各類數據接入，對GIS的支持程度增強。Datasmith插件可以將位于3ds Max、Revit、SketchUp Pro、Rhino、Cinema 4D，或是其他CAD、BIM和DCC解決方案中的模型導入虛幻引擎，并可以在引擎中繼續進行修改。UE4.25 正式支持點云導入，并提供編輯、碰撞分析等功能。對GIS的支持程度也有所提高，頂尖的GIS廠商如超圖、ESRI等均推出了自己的Unreal插件。

? 支持協作與共享。虛幻引擎支持多種文件格式，以便于整合不同來源和作者的設計數據。支持多用戶編輯系統，在協作評審時與其他利益相關方分享設計，實現更快的迭代。同時，提供VR、視頻、全景照片、360度視頻等多種不同的展示方式，為數字孿生城市作的宣傳提供了便捷多樣的方法。

圖表9：虛幻引擎實時圖形能力、豐富配套資源展示

資料來源：Unreal官網，中金公司研究部

GIS引擎：空間數據接入、處理能力突出，可視化能力不斷提升

Cesium等三維GIS引擎在應用于數字孿生城市開發時，具有優異的空間數據的處理能力。Cesium由航空軟件公司AGI于2012年發布，如今已經成為最流行的三維GIS開源項目之一，部分GIS廠商的前端三維版本也是基于Cesium引擎開發。作為GIS引擎，Cesium可以接入并且處理影像、地形、矢量等不同格式的數據，還可以進行三維空間分析，比如測算設計模型的挖方和填方體積等。Cesium創建了專門用于3D地理空間數據傳輸和渲染的數據標準——3D Tiles[7]。可視化方面，Cesium在網頁端進行實時渲染，視覺效果相對較差，但是可以通過Cesium for Unreal插件導入UE引擎構造更精美的真實世界模擬。

圖表10：Cesium引擎在數字孿生城市領域的功能展示

資料來源：Cesium官網，中金公司研究部

從Cesium和UE的發展可以看出，在數字孿生城市領域，GIS引擎和游戲引擎呈現相互融合的趨勢。

?游戲引擎對城市等大場景渲染進行了優化。1）大型世界坐標（LWC）功能，支持64位浮點精度，擴大了可支持的場景范圍；2）地理參考插件允許開發者將UE中物體的位置與物理空間中的位置關聯；3）世界分區系統將世界劃分為網格，這都為創建城市規模的項目奠定了基礎。

?GIS引擎推出插件增強以提高視覺效果，擴展數據格式加強交互。許多GIS引擎推出了UE插件，以Cesium for Unreal為例，這一插件置于UE引擎，可以把Cesium中3D Tiles格式的三維數據導入UE引擎進行可視化，導入的模型也可以與UE引擎中的其他物體交互；同時，Cesium宣布對3D Tiles數據格式進行擴展，未來的3D Tiles Next標準高度語義化，將允許模擬更智能地與其環境展開交互。

圖表11：Cesium數據傳輸示意

資料來源：Cesium官網，中金公司研究部

仿真計算是指通過仿真分析和數值計算，模擬建模對象在真實世界中的物理特性。該技術早期主要應用于特種和航空航天領域，目前已經在工業生產、模擬測試等領域有了廣泛的應用。對比與工業生產等領域，數字孿生城市中的仿真模擬有其自身特點[8]：1）大尺度，數字孿生城市并不僅針對于某個具體的物體或事件，而是需要在整個城市的尺度上，對各個領域的數據綜合分析，通過跨領域的因果交互分析對發展趨勢進行推演；2）數據實時驅動，傳統的仿真實時性有限，往往是基于歷史數據進行推演，在當前數字孿生城市中，廣泛的物聯網傳感器可以收集模型所需的實時數據，基于此對仿真結果進行動態優化；3）云化，大尺度、多維度的數據模擬以及實時分析優化，都需要更充足的算力支持，我們認為數字孿生城市仿真的云化或成為發展趨勢。

圖表12：城市級別仿真橫跨多個領域

資料來源：信通院，中金公司研究部

圖表13：實時仿真的工作模式

資料來源：信通院，中金公司研究部

對數字孿生城市中匯集的數據進行挖掘，可以輔助城市運行決策，支撐智慧城市的應用。目前的部分數字孿生城市更側重于對城市進行三維建模，在很多實際案例中并不利用實時數據進行預測。但如果不進行進一步的分析預測，數字孿生城市中接入的三維數據和實時數據將面臨嚴重的浪費。根據阿里云研究中心的統計，一個城市全部的攝像頭記錄的視頻數據量，相當于1000億張圖片，一個人要看完大約需要100多年，海量視頻數據都在“沉睡”，能被監管者查閱的不到10%。[9]正因為數據數量巨大、類型復雜，數字孿生城市分析需要應用人工智能領域的數據挖掘、深度學習、自我優化等技術。其中，計算機視覺、自然語言處理、生物特征識別等技術，可以將語音、文字、圖片、視頻等非結構化數據結構化，為后續分析進行準備。而知識圖譜技術，可以提取數據與數據間的關聯，以發現城市運行規律、使深層次推理成為可能。

圖表14：智能預測在數字孿生城市各個階段的用途舉例

資料來源：阿里云研究中心，《城市大腦：探索“數字孿生城市——城市交通數字化轉型白皮書》（2018），中金公司研究部