前言：本文的目的不是尝试去给“数字孪生城市”项目下一个严格的定义，而是通过分析与传统三维GIS应用的异同，厘清“数字孪生项目”的建设成本与目标，有效管理客户期望和项目交付成本。

一、“数字孪生”标签满天飞的乱象与危害

1.1 “数字孪生”建设乱象

随着国家制定推出“实景中国”、“CIM城市”等智慧城市鼓励政策，“数字孪生”已经成为行业领域的顶流词汇；目前绝大多数智慧城市类项目都贴上了“数字孪生”的标签以获取更高的利润，不仅仅是城市运营管理领域，水利、电力、园区管理等领域也纷纷冠以“数字孪生”名号。

目前行业内“旧瓶装新酒”、“张冠李戴”的现象十分普遍，很多号称“数字孪生城市”的项目其实也就是传统三维GIS应用项目换了个名字，让很多客户认为“数字孪生”是一个行业炒作的伪概念。

1.2 “数字孪生”标签滥用的危害

客户对项目期望畸高，对“数字孪生”建设成本缺乏合理认知

目前很多行业头部厂商的策略是不计代价打造一两个标杆案例，然后通过大力洗脑客户上马数字孪生项目。标杆案例效果往往让客户的期望值上升非常高，对于项目建设成本缺乏合理认知。

一个真实的典型案例：客户已经建设有地理信息平台，有一定存量的地理服务资源、倾斜摄影、3dMax模型等等，在销售人员的推介下就认为已经具备建设“数字孪生”项目的基础条件；然而要达到厂商标杆案例的效果，当前历史GIS平台的数据的精度、格式都是无法直接使用的，都需要进行格式转换、模型重建等工作，更不用说需要采集大量的IOT数据、对现有的业务数据进行时空融合等高成本数据治理工作。同时，厂商的炫酷标杆案例背后，往往还携带了复杂的算法资源支持，这也是一项客户容易忽视的巨大成本支出。

因此，“数字孪生”标签滥用让很多客户对项目产生了不切实际的期望值，同时又忽略了相应的建设成本。

行业厂商无法控制成本，造成项目质量地下

由于客户的期望被“数字孪生”的光环拉高的同时，又缺乏对场景复刻、数据融合、智能算法等新增巨大成本的认知，交付厂商往往“巧妇难为无米之炊”，最终只能降低交付标准，实际交付结果和标杆项目“样板间”相差甚远，甲、乙双方都不满意。

1.3 驱动“数字孪生”滥用原因

客户对新技术的热情

在“城市大脑”等成功案例的影响下，传统企业和政府单位对互联网技术改造传统行业有着殷切期望，尤其是对“新技术解决老问题”有着无比热情。同时，拥抱新技术本身也成为了地方政府先进治理理念的指标之一。

传统厂商的商业利益驱动

如同今年爆红的“元宇宙”概念一样，Facebook将公司名称改成了Meta，众多gis相关厂商也纷纷将传统三维gis应用系统改成了“数字孪生应用”；因为gis行业本身是一个成熟的竞争激烈的市场，而且“数字孪生应用”往往比传统gis应用售价高且受客户欢迎。

二、数字孪生应用与传统三维GIS应用的异同

当前对“数字孪生城市”没有一个严格界定的标准，本质上“数字孪生城市”是在传统三维GIS应用的基础上演化而来；随着技术创新和行业需求的发展，两者的差异也越来越大；两者的异同可以从以下几方面进行比较：

2.1 两者相似点

相似的展现形式：都会用到三维引擎渲染

两者最直观的相似点都是三维空间的展示和应用，“数字孪生城市”和传统三维GIS应用都用到了实时三维渲染引擎，都会加载三维模型。市场上大多数“数字孪生城市”常用游戏渲染引擎，比如UE4、Unity，或者基于游戏引擎二次开发的产品如DataV.CityV、Twinmotion、光辉城市；少部分用专门的自研时空渲染引擎如DataV.CityPro；常见的三维gis引擎有mapbox、cesium、google earth等等；

相似的数据基础：都是基于真实地理空间数据

因为需要构建真实的地理空间，“数字孪生城市”和传统三维GIS应用都用到了大量空间数据，比如二维矢量地理数据、三维模型、卫星影像、点云、地形数据等等。

2.2 核心差异点

不同的用户体验：抽象的静态空间VS真实物理世界映射

传统三维gis应用用户体验：

• 仅提供业务有需求的必要空间要素，如提供建筑、道路等等，不提供丰富视觉的山体、植被、城市部件等精细的场景要素；
  
• 对空间数据的准确性还原非常严谨，但是对视觉效果没有太强的要求和实现，很多时候仅提供基础的光照模型；距离真实感还有很大距离；
  
• gis应用通常是一个静态场景：将各种地理空间数据以OGC标准发布为静态资源，一层层叠加起来加以分析应用；
  
• 总结：传统gis三维应用是一个抽象的静态空间；
  

图：典型的数字孪生应用

数字孪生场景的用户体验：

• 复刻真实世界的直观感受：除了业务直接相关的空间要素，其他真实世界的要素也复刻完备；
  
• 空间数据细节远远高于传统gis应用：采用高精地图还原道路，采用BIM模型还原建筑等等；
  
• 动态空间：数字孪生场景中的实体，如车辆、人群、天气状况等，往往都是受真实数据驱动的动态实体；
  
• 总结：数字孪生场景是一个动态的真实物理世界映射；
  

不同精度的空间数据要求：数字孪生场景空间数据要求比GIS场景更高

由于数字孪生场景需要复刻真实世界，很多在传统gis应用场景中可选的空间数据，在数字孪生场景场景下成了必需基础前提，比如高精地图、BIM、精细LOD模型等等；

与标精地图仅提供车道线等基础信息相比，高精地图使用真实道路的完整元素（直线、曲线、回旋线、超高剖面、车道、信号、路侧设施等）精确描述模拟道路，为真实交通感知数据与道路空间数据进行精准融合提供了空间基础；常见的数据标准有OpenDrive、百度Apollo等。

BIM包含的是城市建筑物的空间信息，GIS提供建筑物之外的空间信息，两者互相融合建立了一个包含城市海量信息的数据模型，加上物联网iot数据，实现了城市空间全域、实时数据的覆盖。

基于"CIM = GIS + BIM + IOT"的概念模型，BIM为数字孪生应用场景提供了巨大想象空间；以BIM为室内定位提供精确空间支撑数据，GIS提供精准的地理位置、建筑物周边环境总体展现和空间地理信息分析；通过和IOT实时数据进行融合，将基于BIM的数字孪生的应用范畴从单一化建筑物到建筑群及其道路、隧道、铁路、港口、水电等工程领域都可以实现覆盖。

图：符合PBR美术标准的L4高精手工模型

数字孪生场景与传统gis应用比，对手工模型的精度和艺术表现的要求也提高了很多，包括几何体的精细程度、模型表面材质的金属特性、粗糙特性、表面凹凸细节等等都有细致刻画要求，以便“基于物理渲染”的三维引擎进行真实还原，尽量复刻逼真的空间场景。

不同的空间数据应用形式：叠加模式 VS 融合模式

“千层饼”式的叠加模式：传统三维GIS应用通常将三维空间数据进行切片、分块，作为地理数据图层进行流式加载；

图：传统三维gis应用中空间数据的分层叠加

“鸡尾酒”式的融合模式：数字孪生场景为了实现更加贴近真实世界的场景复刻，通常会将多种空间数据融合计算生成场景要素，比如结合卫星影像、地形数据对植被进行计算生成；由此带来了更多的数据加工处理步骤和成本；

图：数字孪生应用中空间数据的融合

以数字孪生场景中植被的生成举例，涉及到地形数据高程提取、坡向分析、卫星影像数据视觉算法分析、矢量二维地理数据的分析，以及对不同LOD层级的不同植被模型进行POI实例化匹配，最终渲染成地理分布合理、空间分布合理的自动化生成植被。

图：数字孪生场景中植被的生成流程

不同的建设成本：数字孪生应用比传统gis应用成本高一个数量级以上

图：数字孪生应用与传统三维gis应用建设成本比较

空间数据成本：

• 数字孪生应用与传统gis应用相比，会用到成本较高精细数据，如BIM模型、高精地图、PBR精细模型等，采购成本较高；
  
• 数据加工成本：传统gis应用将空间数据利用ArcGis、超图等gis系统进行瓦片切片发布后即可叠加使用；数字孪生应用不会直接使用gis应用的OGC地理数据资源，需要融合多种空间数据进行计算，生成统一的空间基底，涉及算法、存储等成本，导致数据加工成本高；
  

应用开发成本：

• 传统gis应用往往服务于某个行业或者业务；
  
• 数字孪生应用往往是综合平台，包括整个城市总览、城市管理、政务、交通、安全、环保等各部门数据接入、打通、融合的场景屡见不鲜，整体应用开发工作量远超传统gis应用；
  

算法成本：

• 传统gis应用往往对算法没有太强依赖，或者gis厂商提供工具化空间分析功能；
  
• 数字孪生应用的业务目标通常包括“智能化”转型升级，依赖大量的行业算法比如车路协同、水仿真、人脸识别与处理等等；由此带来的成本非常可观；
  

硬件成本&云计算资源成本：

• 传统gis应用通常对客户端计算机硬件没有大高的要求，有服务端应用也是标准化部署；
  
• 数字孪生应用一般对客户端计算机要求非常高，比如顶配的CPU与显卡，采购成本很高；对于服务端硬件，往往需要多种云计算基础资源，甚至是需要非标准化部署才能满足需求；
  
• 数字孪生应用通常有数据大屏场景，本身大屏硬件的采购也是一个巨大成本；
  

不同的业务目标：“融合计算、仿真推演”是数字孪生应用的终极目标

传统的三维gis应用通常将各类空间数据统一坐标系和投影方式之后，在同一空间范围内进行层次堆叠的方式进行融合，并提供基于静态空间数据的一系列空间分析方法，如可视域分析、淹没分析、天际线分析等等；

数字孪生应用不仅仅是静态三维空间的构建，更关键的是空间场景内实时设备数据的感知、智能化算法应用、业务数据治理与空间融合，以及结合之后对未来的计算推演能力；典型的应用有高速仿真平台、大坝泄洪调度方案比较等等；

图：数字孪生应用-高速仿真平台

高速仿真平台通过高精地图、高精地形、交通设施模型库等空间数据，复刻了一个贴近真实世界的数字高速；同时通过摄像头实时车辆识别采集、路侧设备实时数据接入等实时数据感知，构建了一个与真实世界同步的高速数字孪生场景，为交通调度方案推演提供了基础；

图：数字孪生应用-大坝泄洪调度方案推演

大坝泄洪调度方案推演：通过将二十年的历史降水、水文、流域地形数据、以及未来天气预报数据进行融合计算，在智能算法的支持下，对不同的泄洪方案进行计算推演，推断任意时刻的不同方案对上下游的水淹程度影像，有效提升了泄洪方案决策的科学性和精确性；

三、快速评估数字孪生应用的建设可行性

3.1 业务方预算

数字孪生应用的建设费用相对较高，如果业务方预算很低（小于百万量级），那基本可用判断无法支撑数字孪生的建设成本；

3.2 业务目标&使用场景

从业务目标判断

• 如果用户的业务场景是对接现有的GIS系统，接入如ArcGis等传统gis系统发布的各类地理数据图层，建设一个面向单一行业属性的业务系统（例如房产登记管理系统），则基本可用判断是传统gis应用；
  
• 数据孪生应用场景通常是统合性的多行业数据融合应用，比如城市大脑、数字驾驶舱等等，综合了三维空间数据以及全域业务数据的综合态势感知和决策平台；
  

从使用场景判断

• 如果用户的应用是运行在移动端、PC端等等大量交互、业务流程的三维应用，通常是传统gis应用；
  
• 数据孪生应用场景通常是数据大屏为主，PC应用系统、移动端系统为辅；
  

3.3 空间数据基础

是否具备基础空间数据：

• 矢量城市数据（包括建筑、道路、水系、绿地等等）、栅格数据（地形、卫星影像等等）、三维数据（手工模型、倾斜摄影等等，不能直接使用，还需要加工翻模等等）；
  
• 业主需要同意提供原始数据，不能仅仅提供通过传统gis平台发布的OGC资源，数字孪生场景无法使用；
  

是否具备高精空间数据

• 如业主有交通、室内、水利等场景，需要提供高精数据，包括且不限于高精地图数据、BIM模型、精细水系数据、精细地形数据等；
  
• 在高精数据的基础上，构建完善的孪生空间，往往需要对周边场景进行精细化人工建模；
  
• 如果没有现成数据，业主需要有预算采购此类数据；现成的数据往往也存在格式转换、数据修正的成本，需要业主认可；
  

3.4 业务数据基础能否支撑智能化算法需求

• 对业务数据种类要求：为支撑数字孪生场景“智能化”的业务目标，往往需要业主提供多种类乃至跨部门跨行业的业务数据，流程繁复、耗时耗力；
  
• 对业务数据精度要求：算法对业务数据精度往往有要求，比如车辆的轨迹、物联网感应数据的经纬度精度等等，如果不达标就无法使用；
  
• 对业务数据及时性要求：为了最终项目产出的业务价值，往往算法输入的数据也需要是实时的业务数据，这对现有系统的扩展性、稳定性也造成很大挑战；
  

3.5 业主对“数字孪生”概念的理性认知

• 数字孪生不是万能的，只是一种更好的技术手段，能让业务态势更快、更全面、更形象被感知，同时起到辅助决策、推演未来的作用；
  
• 数字孪生不是和物理世界“一比一还原”，越贴近真实成本越高，而且是指数级增加；
  
• 现有的gis系统基础可以加速数字孪生应用的建设，但是绝对不能实现直接复用或者零成本迁移；
  
• 数字孪生应用建设需要业主对业务数据有强大的掌控能力，同时隐含大量数据治理成本；
  
• 数字孪生不仅仅是一张“数据大屏”的画皮，更关键的是底下的智能化算法、业务数据治理与空间融合，以及结合之后对未来的计算推演能力；