查看原文
其他

DataV 核心解密(七):数字孪生只是传统三维 GIS 的时髦说法?

鹿山 DataV数据可视化 2022-11-24

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,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。



* 本文约 4500 字,预计阅读时间 12 分钟




数字孪生应用与

传统三维 GIS 的异同



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。


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 应用的用户体验:


图:典型的传统 GIS 应用

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。

数字孪生场景的用户体验:

图:典型的数字孪生应用
(来源:DataV)

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。


所以,传统 GIS 三维应用是一个抽象的静态空间,而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。

图:高精地图采集

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。

图:BIM 模型

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
(来源:DataV)

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
(来源:DataV)

“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
(来源:DataV)

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
(来源:DataV)


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
(来源:DataV)

空间数据成本:
  • 数字孪生应用与传统 GIS 应用相比,会用到成本较高的精细数据,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太高的要求,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。

图:GIS 应用 - 可视域分析
(来源:超图)

图:GIS 应用 - 淹没分析
(来源:超图)

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
(来源:DataV)

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
(来源:DataV)

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。






如何快速评估

数字孪生应用的建设可行性




01 业务方预算是否足够?
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),那基本可判断无法支撑数字孪生的建设成本;


02 业务目标与使用场景是否匹配?
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。



03 空间数据基础是否具备?
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)。

  • 传统 GIS 平台发布的 OGC 资源只是用于地图使用场景的一种传统地图服务,如果要支撑数字孪生丰富的模拟计算的话,还是需要用户提供原始数据进行统一入库构建数字孪生底座的数据基础。


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。



04 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。



05 业主对“数字孪生”概念的认知是否理性?

  • 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。


* 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。




👇👇👇 推荐阅读 👇👇👇

DataV 核心解密(六):从 BIM 窥探数字孪生城市


DataV 核心解密(五):BIM究竟是解药还是毒药?


DataV 核心揭密(四):植被系统生成策略


DataV 核心解密(三):倾斜摄影应用


DataV 核心揭密(二):三维模型那些事儿


DataV 核心揭密(一):数字孪生渲染引擎



您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存