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
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。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
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。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。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。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。“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。“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；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。
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。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。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。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。
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；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。
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。
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。