一、数字孪生城市的定义和发展背景

1. 数字孪生城市的定义

数字孪生的智慧城市，作为智慧城市的进阶阶段，是以5G和AI等科技手段驱动城市的重塑，将城市孪生体数字化、平台化和标签化，以一体化的新视角重塑城市规划和管理。城市的基础设施，比如水、电、气、交通及其运行状态；城市的资源，包括医疗、消防、警务、教育等，都将通过物联网技术被采集进数字孪生体。

2. 政策标准双驱动

中国数字孪生城市在政策驱动下迎来“整体性落地建设”探索期。2020年，国家发改委和中央网信办首次指出数字孪生是七大新一代数字技术之一，这意味着数字孪生技术被纳入了国家发展战略体系。此外，“十四五纲要”提出要加快数字化发展建设数字中国，探索建设数字孪生城市，并指出数字孪生城市是支持新型智慧城市建设的复杂综合技术体系。

为了整体性、系统性推进数字孪生城市落地建设，标准制定工作也加速展开，多项关键标准立项工作也在国际和国内正式启动，国际上，SC41/WG6启动《数字孪生参考架构》标准预研项目，而国内，全国通标委也开始立项了《数字孪生城市统一标识编码体系》等行业标准。2021年我国在生态建设标准制定上取得初期进展，中国互联网协会成立了数字孪生技术应用工作委员会，中国通信标准化委员会成立了数字孪生标准子组。

3. 技术发展推动

数字孪生作为一个对5G、云计算、人工智能、大数据、边缘计算等技术进行综合运用的技术框架，近年来也随着这些底层支撑技术的发展从概念建设走向应用落地。在新基建的国家战略下，中国加快推动了IPv6、NB-IoT、5G等网络建设，根据中国工业和信息化部总工程师介绍，截止到2021年11月，我国已累计建成并开通5G基站超过139万个，而5G的低延迟使物联网的智能终端能实时互通信息。

近年来，物联网应用也逐渐从碎片化走向规模化和边缘智能化。在数据传输方面，除了5G基站的建设，运营商也针对数字孪生推出了解决方案，比如中国移动提出了基于数字孪生的网络全生命周期管理DT-NLM技术方案，在建模仿真、现场级计算、三维可视化等能力的基础上呈现可视化网络拓扑和网络配置，从而提高运营商网络建设和运维的效率。同时，数字孪生相关的CIM/BIM建模、城市仿真和数字孪生底座应用趋向成熟。

二、数字孪生城市发展现状

1. 中国数字孪生城市建设阶段

数字孪生城市的建设可以大致分为六个阶段，而中国大部分数字孪生城市的建设还处于六大阶段中的机理孪生，尚未全面实现智能预测。此外，整合大数据资源和完善数据交易体系是城市数字孪生系统进入高阶发展阶段的突破。

图1：数字孪生城市六大建设阶段

2. 中国数字孪生城市发展阶段

易观分析将数字孪生智慧城市市场的发展周期分为四个阶段，即：探索期、市场启动期、高速发展期和应用成熟期，目前中国数字孪生城市市场正处于市场启动期。

图2：2022年数字孪生城市AMC模型

三、数字孪生城市行业产业链

数字孪生产业领域多且链条长，吸引了众多不同体量的供应商入场，各类型企业一般以自身核心能力和产品为切入点，横向扩展行业应用领域，纵向蔓延至产业上下游，积极参与生态的构建。数字孪生产业体系大致由基础支撑、共性技术服务、应用场景和支撑技术四大核心构成，对应从设备、数据、技术到行业应用的全生命周期。

图3：数字孪生城市产业图谱

数字孪生城市的产业上游是指可以构建数字孪生系统底层架构的物联网厂商，并能将物联网和信息网在数据和业务流程层面紧密结合。“视频+AI”需软硬件数字化服务同步提升，且政府端项目需要一定的经验沉淀，该市场具备一定的市场准入门槛，属于龙头驱动型市场。

产业中游是对上游采集的数据资源进行规模化整合，并对外输出行业通用性技术的服务商，范围包括城市仿真技术、CIM/BIM建模、数据分析和可视化展示系统等。中游的供应商趋向于平台化的发展路径，在数字孪生体系中起到承上启下的作用，是数字孪生体可视化落地的核心驱动环节。不管是传统地理测绘商转型切入数字孪生底座赛道，还是专精于时空计算的数字孪生底座独角兽，都尚处于起步阶段。

产业下游主要是互联网巨头为代表的拥有较强生态号召力的集成商，提供一站式解决方案。由于互联网巨头自身优势不尽相同，其发展战略路线也不一样，阿里依托其云计算能力打造ET城市大脑，百度和华为凭借其自身在ICT、自动驾驶等方面的优势切入智慧城市，而腾讯依靠其C端覆盖能力，通过微信触达用户。

四、数字孪生城市的价值和场景

1. 数字孪生城市的价值

城市的数字孪生主要带来三个突破性价值：其一是可以全天候多层次地精准监测城市，自动发现城市风险。其二是可以在数字孪生城市中分析推演治理决策，用较低的成本试错并反向指导治理实体城市。其三是自发洞察城市运行规律并训练城市智能决策模型，使城市治理逐步转变为主动智能化响应和全域协同治理。

2. 高价值场景详述

1）绿色双碳：城市数字孪生系统基于城市各要素的碳足迹监测分析，实现碳中和演进轨迹的推演

图4：数字孪生绿色双碳场景

① 现阶段面临的挑战

• 城市级的感知设备布设缺乏成熟统一的方案，且部署成本高。
• 可再生能源发电具有波动性、随机性和间歇性的特点，严重制约了可再生能源大范围优化配置。

② 数字孪生创新解决方案

• 碳足迹追踪：城市数字孪生系统可以实现对个人、企业、车辆等主体进行碳足迹追踪，并构建算法模型，计算各个主体的碳积分，纳入城市碳评价体系。
• 碳中和数字看板：在城市数字孪生系统中可视化呈现城市级碳相关大数据并进行深度分析，推演城市达到碳中和的时间。

③ 实现价值

• 实现双碳目标：为精准制定碳达峰、碳中和政策提供数据支撑和决策基础，并能模拟推演减排政策，助力实现双碳目标。
• 合理配置资源：根据城市内各区域的碳排放数据，政策制定者可以调整区域内的配额，平衡经济发展和降碳需求。

2）内涝灾害：城市数字孪生基于CIM的内涝灾害推演平台能实现“事件模拟-趋势推演-智能决策”的灾害整治闭环

图5：数字孪生内涝灾害场景

① 现阶段面临的挑战

• 气候变化导致城市极端降水频率和强度的升高趋势显著，“大雨必涝”成为我国一些城市的通病。
• 城市地下空间的统筹规划和综合治理跟不上城镇化发展速度。
• 老城区排水设施老化，难监测。

② 数字孪生创新解决方案

• 内涝事件模拟：数字孪生CIM底座集成城市内涝灾害推演过程所需的要素和变量，能进行复杂的内涝推演，通过高性能计算预判物理受灾范围。
• 内涝防治决策闭环：城市数字孪生系统支持“设计-验证-反馈-再设计”的灾害整治闭环，可以反复推演验证内涝灾害整治方案的效果。

③ 实现价值

• 灾害预警：在内涝灾害来临前，提前疏通积水点和转移群众，避免群众遭受财产安全损失。
• 最优治理方案：数字孪生系统能辅助城市决策者以最小的经济和环境成本找到最优治理方案，提升灾害治理效率。

3）闭环疫情防控：打通城市抗疫联防联控的大数据创新通道

图6：数字孪生疫情防控场景

① 现阶段面临的挑战

• 各个政府部门、医院、社区等底层数据不通，协同抗疫难度大。
• 防疫人员人力不足，难以应对大规模流调和人群管控。

② 数字孪生创新解决方案

• 社区联防联控大脑：疫情智能管理系统在社区数字孪生底座之上连接各类“神经元”传感器，全要素感知社区疫情实时动态，对疫情数据进行智能分析和实时监控。
• 疫情态势驾驶舱：实时汇总疫情统计数据，结合疫情传播模型预测疫情发展态势，并且结合附近相关警力、医疗资源，提供决策的数据支撑。

③ 实现价值

• 提高防控人力效率：数字孪生系统展示居民健康信息状态和隔离状态，辅助社区工作人员精准管控，降低人力成本。
• 精准防疫：疫情传播模型能辅助流调和快速找到密接人员，实现高效且精准的防疫措施。

五、数字孪生城市未来发展趋势

1. 产业规模

根据中国智慧城市工作委员会数据，2020年我国智慧城市市场规模将达14.9万亿元。预测到2022年，我国智慧城市市场规模将达到25万亿元。由工信部牵头编写的《数字孪生应用白皮书2020》也指出2019年我国新型智慧城市规模超过9000亿元，未来几年还将保持较快速度增长，预计到 2023 年市场规模将超过1.3万亿元。

2. 未来趋势预测

国家在“十四五”规划和2035年远景目标中明确提出要“分级分类推进新型智慧城市建设”和“建设智慧城市和数字乡村”，而数字孪生城市作为智慧城市项目的基础性支撑建设在未来十年内都将是增量市场，且在十四五期间保持较快速的增长。

未来数字孪生城市的用户将逐渐从政府侧延伸至企业侧，CIM共建共享将成为主流模式。通过提供低代码化的开发环境，政府可以向企业开放数字孪生城市底座，并以补贴或税收减免等政策鼓励企业应用公共平台开展业务转型和将运营数据接入平台，推动区域数字经济发展。

基于上述分析，易观分析对政府用户的建议如下：

图7：城市数字孪生建设前、中、后期建议

图7：城市数字孪生建设前、中、后期建议

图7：城市数字孪生建设前、中、后期建议

3. 建设前期，加强数字化顶层设计能力

数字孪生城市是信息系统的集成，需要将各个领域信息有机的衔接，各个信息系统之间也需要互联互通从而高效率处理事务。在建设前期，地方政府用户要依据城市资源环境承载能力和核心诉求，引导各职能部门围绕群众和企业的实际需求展开工作。同时，打通不同部门之间的数据源并建立统一的底层标准，对数字孪生系统的建设至关重要。

图8：城市数字孪生顶层设计框架

4. 建设中期，提高政务人员数字化运营能力和完善数据市场化机制建设

政府数字化运营能力的提升是城市数字孪生发展到高阶阶段并发挥场景价值的必要条件。数字孪生城市系统如果想在城市精细化治理中发挥价值，不仅需要虚实动态结合的系统，更需要政府工作人员日常数字化运营的能力，系统上线后的持续调优工作很大程度上能决定系统智能预测的准确性。

图9：城市数字孪生数据应用闭环

5. 建设后期，平衡多方价值

建立在大数据和机器深度学习基础上的算法，会使数字孪生城市模型具备自主学习和预测的能力。而随着人工智能和城市数据量级的指数增长，算法所依赖的从真实社会中抽取的大数据会带有社会固有的不平等性痕迹。当这些偏差性导入数字孪生的技术框架时，数字孪生的决策是否是中立和最优也需要待观察。

城市治理的决策机制和问责机制复杂且需要考虑众多不可量化的因素，所以在建设数字孪生城市的后期需要注意平衡多元价值。