1、数字孪生概念

”数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。“百度百科对数字孪生的描述。数字孪生就是虚拟对现实世界的映射。

2、数字孪生应用

数字孪生在国内已经发展了一段时间了，在很多行业上都发展了数字孪生。从大到小的规模，例如数字孪生城市、园区、道路、枢纽、医院、水利、工厂等各行各业都运用上了数字孪生。数字孪生就是通过建模把现实世界1：1还原到虚拟世界。我把数字孪生系统分成两类需求场景，偏可视化场景和偏功能化场景。

2.1、偏可视化场景

可视化类应用是借助数字孪生的能力更加方便的观察整体场景和效果，方便用户无法实时、实地的整体观察现实的情况。通过3D建模，运用数字孪生引擎实现渲染、查看。例如看房的系统，直接在孪生系统上可以查看小区，楼房，以及具体的房间内的情况。

这类应用偏可视，对于建模要求、精度还原度高。例如房产行业，通过app能直接查看小区整体排布建筑形状、室内建筑结构等，配合日照分析、天际线等功能，一目了然的看到楼与楼之间光线遮挡问题，再配上VR，就更加酷炫了。这类场景下需要考虑真正的需求，例如我是买房者，用这个软件来看小区及样板间，关注的将会是小区整体外立面、绿化效果，以及查看楼房结构和大小。小区整体效果：该需求对建模精度要求会比较高，需要能还原实际效果。房间结构及大小：光看结构，毛坯既可。如果是精装修，需要做到超高精细度，模拟外观材质、纹理细节、复杂结构、内部零部件、甚至是管网管线等细节。当然，如果还有尺寸丈量、家具自定义摆放等，甚至都能满足装修设计的需求。真实还原，目前UE虚幻引擎渲染能力非常强大，现在很多电影特效、游戏都用在用。自定义摆放等功能目前在孪生的厂家中更多是建模产品里的功能，用于方便后期运维，建模上更多用的还是3Dmax工具。满足用户端自定义设置尺寸及摆放，要做到产品端好用顺滑的不多。

2.2、偏功能化场景

功能业务类数孪系统是通过在模型上结合具体的数据信息，让客户在使用时不仅满足看的需求、同时还结合三维场景使用具体功能。例如查看IOT数据，在模型上显示具体的数据信息。

监控POI常见功能：POI图层。这类图层数据在之前应用于二维GIS地图搭配驾驶舱的场景非常多，孪生孪生上把二维转成三维。但是仔细想想，这类功能对于数字孪生来说是个伪需求，因为通过二维平面，也可以很好的表示具体的位置信息，为什么非要花大价钱在数字孪生上看呢？而且市面上这类型的孪生系统偏多，通过显示监控、IOT、管网、车、人等位置信息来表示自己是个实用、有用的数字孪生系统。上述问题，我把它再解剖一下，就是怎么样的标准来决定是否建设数字孪生系统？比如某些建筑、综合体等想通过建设数字孪生，再结合部分指标看板来达到酷炫驾驶舱的效果，本身并没有实际的数据用于支撑数字孪生系统实时映射现实情况的，只是满足单纯给领导汇报的目的，大可不必花大量建模的钱。所以，数字孪生没必要了吗？

3、数字孪生看法

我把数字孪生分为三层，第一层：建模，还原静态效果；第二层：数据赋能，通过数据让模型有血有肉，体现生命力；第三层：仿真推演，结合仿真推演算法，预测不同的场景，显示现实难以模拟的情况。

3.1、建模

建模考虑的是建模精度与需求的匹配程度，要在好看和性价比之间做好平衡，好看不代表好用。还有就是现实中不是一成不变的，需要考虑建模实时更新的问题；

3.2、数据赋能

有了数据，才是真正的数字孪生。通过各类数据，1:1还原的现实世界中人、车、物等动态信息，但是关键点又卡在了数据。举个高铁站的场景，管理者想通过数字孪生掌握站内的人、车、物分布情况；如果要模拟人的分布，可以通过运营商信令数据，显示人员分布情况。但是带上空间属性后，运营商的信令数据不能很精细的算出具体人员分布情况，同时还会受到一机双号的影响，而且计算的性能也会有瓶颈，不能实时计算。模拟车的数据就更难了，站内能统计出具体的出租车、网约车或者私家车数量，但是无法模拟具体移动轨迹。相对来说，位置固定的IOT设备，通过实时获取状态，可以做到孪生模拟。随着科技的发展，肯定能获取带空间属性的各类数据数据，到时候数字孪生就是真正的对现实世界的映射。借助VR/AR眼睛，查看现在或历史的空间效果，将会很有趣（5000天后的世界提到的孪生场景）；

3.3、仿真推演

有了建模+数据，可以查看现在和过去的数字孪生，同时运用推演算法，能算出未来不同场景下的各种风险情况，通过数字孪生效果的呈现，更有利于做针对性的预防措施和实战经验。举个数字道路的场景，如果一个区域内的各个路的数据、车辆轨迹数据、信号灯数据等都齐全。通过交通仿真推演，可以模拟出正常车流量的情况下，对其中部分路段施工或者限行措施会造成何种影响。同时也可以模拟极端情况下大量车驶入该区域内时，目前的信号配时方案能否保障路段流转，如何优化更合理、更效率的信号方案。仿真推演场景更多的依赖还是数据和算法，只有数据齐全以及算法模型的合理，才能做出对仿真推演，数字孪生是最直观呈现的方式。

4、结尾

数字孪生是否有必要，还是需要看实际场景，但是单纯建模的数字孪生已经渐渐不能被客户接受，大家都开始思考数字孪生运用后所带来的效用。目前数字孪生陷入了卷效果的情况，有部分原因是数据和算法方面陷入了瓶颈。我个人理解数字孪生，不管是可视还是功能，最终依托的载体是建模，建模是基础。但是建模的精度越高肯定是会提升成本，所以需要权衡建模的成本和精度。关键在数据，数据是数字孪生的血和肉，有了数据，就变成一个正真的人。算法是思想，把孪生比作人，算法的成熟与否代表着年龄与智商。期待今后的发展，建模能通过AI根据实际照片、视频自动完成建模，实时更新模型，数据的归集和算法也越来越完善，数字孪生会成为每个人的生活/工作中的一部分。