digitaltwin期刊

digitaltwin期刊

数字孪生英文是Digital twins

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。

数字孪生是个普遍适应的理论技术体系，可以在众多领域应用，在产品设计、产品制造、医学分析、工程建设等领域应用较多。在国内应用最深入的是工程建设领域，关注度最高、研究最热的是智能制造领域。

Digital twin最为重要的启发意义在于，它实现了现实物理系统向赛博空间数字化模型的反馈。这是一次工业领域中，逆向思维的壮举。人们试图将物理世界发生的一切，塞回到数字空间中。只有带有回路反馈的全生命跟踪，才是真正的全生命周期概念。

这样，就可以真正在全生命周期范围内，保证数字与物理世界的协调一致。各种基于数字化模型进行的各类仿真、分析、数据积累、挖掘，甚至人工智能的应用，都能确保它与现实物理系统的适用性。这就是Digital twin对智能制造的意义所在。

智能系统首先要感知、建模，然后才是分析推理。如果没有Digital twin对现实生产体系的准确模型化描述，所谓的智能制造系统就是无源之水，无法落实。

我们可以把自己虚拟化了！数字孪生如何改变城市与个人？

文 |陈龙

本文授权转载自：集智俱乐部

导语

资深智慧城市研究者、华为公司智慧城市高级顾问王鹏，受邀在腾讯研究院×集智俱乐部 AI&Society沙龙上发表以“从城市数据到智慧城市”为题的演讲。笔者回顾了王鹏对城市数据及其应用的，并结合清华大学龙瀛团队在人类数字化上的最新研究，提出对城市和个体虚拟化的探讨。讲座视频实录请见文末小程序与网页链接。

源于工业4.0的数字孪生

数字孪生（Digital Twin）这一概念最早可以追溯到Michael Grieves教授2002年在密歇根大学PLM（产品生命周期管理）中心对产业界做的一次演讲（虽然没有书面证据，但这仍被广泛认为是数字孪生最早来源）。

2014年，Michael Grieves在其撰写的“Digital Twin: Manufacturing Excellence through Virtual Factory Replication”白皮书中进行了详细的阐述。他认为通过物理设备的数据，可以在虚拟（信息）空间构建一个可以表征该物理设备的虚拟实体和子系统，并且这种联系不是单向和静态的，而是在整个产品的生命周期中都联系在一起。

在此之后，数字孪生的概念逐步扩展到了模拟仿真、虚拟装配和3D打印等领域。随着物联网技术、人工智能和虚拟现实技术的不断发展，更多的工业产品、工业设备具备了智能的特征，而数字孪生也逐步扩展到了包括制造和服务在内的完整的产品周期阶段，并不断丰富着数字孪生的形态和概念。

企业界走在数字孪生的前列。工业4.0下的数字孪生被各大软件厂商赋予了各自的理解，并将其与自身业务融合，致力于打造出现实世界与虚拟世界融合的解决方案。

美国通用电器公司（GE）与ANSYS公司借助数字孪生这一概念，提出物理机械和分析技术融合的实现途径，让每个引擎，每个涡轮，每台核磁共振都拥有一个数字化的“双胞胎”，并通过数字化模型在虚拟环境下实现机器人调试、试验、优化运行状态等模拟，以便将最优方案应用在物理世界的机器上，从而节省大量维修、调试成本。

西门子引用数字孪生的概念，来形容贯穿于产品生命周期各环节间的数据模型。通俗地说，数字孪生就是仿真模拟一些工厂的实际操作空间，从产品设计到产线设计，到设备制造方的机械设计和工厂的规划排产，到最后制造执行和产品大数据。

法国软件公司达索系统在数字孪生创新协作和验证中，不仅重视产品的数字化表现，更试图通过三维体验平台实现设计师和客户之间的互动。

德国软件公司SAP基于Leonardo平台在数字世界打造了一个完整的数字化双胞胎，在产品试验阶段采集设备的运行状况，进行分析，得出产品的实际性能，再与需求设计的目标比较，形成产品研发的闭环体系。

简而言之，工业4.0下的数字孪生，更多是为制造业提供了产品在物理空间和虚拟空间之间的映射关系，以及在实体世界以及数字虚拟空间中记录、仿真、预测对象全生命周期的运行轨迹的过程。

物理世界和数字副本

数字孪生：催生智慧城市2.0

值得注意的是，数字孪生的概念不仅活跃在工业4.0的制造业，也越来越频繁地出现在智慧城市领域。随着ICT（信息、通信、技术）成为智慧城市发展的主要动能，移动通信、互联网、云计算、传感器、人工智能、量子通信在智慧城市都得到了广泛应用。全域感知、数字模拟、深度学习等各领域的技术发展也即将迎来拐点，这使得城市的数字孪生应运而生。

中国智慧城市数字孪生的发展还有很长一段路要走。数字孪生高度依赖传感器所采集的数据和信息，而就目前的技术水平来看，精细化尺度下城市数据的全域感知和 历史 多维数据的获取，依旧有难度。物理实体空间的数据不够详尽，将直接导致其数字副本的缺失。现阶段的数字孪生距离想象中的沙盒系统模拟推演、人工智能决策等功能仍有很大差距。

数字孪生在智慧城市发展与建设中的核心价值在于，它能够在物理世界和数字世界之间全面建立实时联系，进而对操作对象全生命周期的变化进行记录、分析和预测。智慧城市中的数字孪生可以分为四个阶段，分别是

对城市现状进行精准、全面、动态映射的现状孪生；

从 历史 数据中学习、分析、识别、总结并发现城市运行规律的学习孪生；

人工监督下模拟不同环境背景下的发展情景的模拟孪生；

最终通过实时数据接入与人工智能自动决策的自主孪生。

同时，我们也应看到数字孪生在传感器、5g和边缘计算技术不断发展中所具备的巨大潜力。传感器的高密度部署与高精度感知，结合5g和边缘计算的实时结构化计算回传，对城市物理空间的全域感知和实时更新，将是5g时代的常态。一砖一瓦、一草一木、一桌一椅、一人一车，都会以不同的频率更新位置和状态信息，从而实现真正的“全息”虚拟城市。

城市数据：数字孪生的DNA

在智慧城市的建设中，数字孪生的核心在于构建与城市物理空间全面映射的虚拟（信息）空间。不同于制造业产品周期管理中被制造商全面掌握的产品信息化数据，城市作为一个庞大的复杂系统，其包含的物理空间及过程，无时无刻不在产生着多维的海量大数据，这无疑在数据收集、处理、运算、储存和管理上向城市数字孪生提出了挑战。

近年来，以数据为核心的城市生态链构架了智慧城市的顶层设计，形成以共享信息为中心、各行业协同实现的“感知-应用-共享信息”的智慧城市模式。与此同时，在大数据、人工智能、云计算、物联网等新兴ICT技术的推动下，多维的海量城市数据也逐步以不同方式被挖掘并应用在智慧城市的研究和实践中。

传统城市统计数据的电子化与空间可视化是城市大数据发展迈出的第一步。基于GIS平台上对行政边界的勾绘，并将其与传统的年鉴统计数据相匹配，就能实现传统数据的电子化与可视化，并依托GIS空间分析功能实现空间可视化与分析。

Cityeye上对传统统计数据的电子化与空间可视化

互联网大数据的应用标志着城市真正迈入了大数据时代，而互联网大数据也俨然成为近年来城市研究的“宠儿”，无论是学界还是业界都在积极 探索 互联网大数据为城市研究和发展带来的诸多可能。

互联网大数据最大的优势在于其打破了传统数据自上而下的数据采集壁垒，而是以自下而上的方式提供着精细尺度下的多维数据，如记录城市内所有地理实体空间位置与属性的兴趣点（POI）数据；反映话题热度与用户画像的社交媒体大数据；实时展示人口空间分布的热力图等。

而随着智慧城市的到来，传感器技术的进步与成熟为城市研究提供了另一条数据获取之路。

通过多模块集成传感器在城市内部的架设，可以实现精细尺度下城市环境、人车行为等数据的实时感知与收集。如由City Grid城市网格数据监测站，可利用多模块传感器网络监测人车流量及环境质量，如风速、风向、光照、温湿度和pm2.5等。City Grid是一款针对城市空间精细化感知的物联网产品，也是传感器技术应用在城市全域感知、数据采集，乃至实现城市未来微观环境与人车行为预测的经典案例。王鹏团队也曾多次利用City Grid多次在清华大学校园和白塔寺社区内进行监测布点、数据采集，并针对城市环境和人群行为开展深入分析。

City Grid城市网格数据监测站

LBS数据（基于位置服务的数据），通过运营商采集用户与基站间不间断的信令数据，来获取移动服务用户相对精确的实时空间位置。因其具备用户量大，覆盖范围广等特征，是描述城市人口数量和空间分布的“终极”数据。

我们把自己数字化了！

Digital Self 数字自我

在感叹数字孪生如何颠覆性地改变制造业和城市管理与运营的同时，有学者已经开始 探索 如何打造人类个体的数字双胞胎。

清华大学龙瀛团队的研究助理张昭希近期发表了一篇题为“Application of wearable cameras in studying inpidual behaviors in built environment”的期刊论文，提出创新性地使用可穿戴式相机对个体行为和城市空间感知进行数据收集、分析与模拟。

研究团队利用便携式相机，记录佩戴者正前方每5分钟一张的图片数据，并通过人工识别、计算机视觉分析和色彩识别分析等手段，对佩戴者个体行为特征、时间分配、路径转移、场所事件等要素进行了分析研究。研究结果表明，可穿戴式相机采集到的图片数据具有丰富的个体行为与时空信息，可以有效描述个体在空间中的行为特征。

数字化的“生命日志”

随着大数据在城市研究中的广泛应用和快速发展，基于建成环境层面的形态要素数据（如遥感、街景和POI数据）和多种互联网数据（如微博、点评和手机信令数据）开展的针对大规模群体的研究，为利用大数据解释城市问题提供了大量案例参考，并逐步建立了理论基础。然而，这些基于较粗尺度城市物理空间，抑或是大规模群体的大数据，仍较难被应用于个体的深层剖析和研究解读。

而可穿戴式相机为大规模采集个体数据提供了新的契机，通过记录的图片数据将个人活动信息数字化，形成“数字自我”的 电子档案，弥补了现有研究中对个体行为数据采集不够连续、维度不够丰富的问题，这也是从城市环境数据化向个体行为信息化的转变之一。同时，个体行为信息化也将推动研究方法的革新和新技术的介入，从主观的“个体感知”转向客观的“量化研究”。

从数字孪生的角度来看，基于可穿戴式相机记录下的图片数据，通过整理和分析可以剥离出个体在物理空间中的行为特征要素，进一步将这些个体行为特征要素在时空上数字化，从而构建了其在虚拟（信息）空间内的数字双胞胎。同时，图片数据中包含的大量物理空间建成环境要素同样可以被数字化并记录在虚拟空间内，从而反映物理空间和虚拟空间内个体和环境之间的交互。

科技 的日新月异不仅使人们的生活方式发生了巨大改变，同时也影响着城市运行的方方面面。不可置否的是，新技术的高速发展给城市研究与实践带来了新的机遇，推动着城市规划技术和工具的突破与创新。如龙瀛提出的数据增强设计，允许规划师们借助多维城市大数据对城市做出更全面、精准的分析与规划设计响应。

同时，在信息通讯技术革新的助力下，数据储存、挖掘、云计算和可视化等技术的完善也为研究城市提供了新视角。人们的思维方式从传统的机械思维向大数据思维转变，认知方式也逐渐向虚实结合的体验过度。城市数字孪生、数字自我的概念也将在第四次工业革命的技术革新下拥有更丰富的内涵。

参考资料

[1] 王鹏：展望未来城市，万物皆可运营 | 智慧城市长文综述

[2] 王鹏：城市数据到智慧城市

[3] Long, Y. (2019). (New) Urban Science: Studying New Cities with New Data, Methods and Technologies. Landscape Architecture Frontiers, 7(2), 8-21.

[4] Zhang, Z. X., & Long, Y. (2019). Application of Wearable Cameras in Studying Inpidual Behaviors in Built Environments. Landscape Architecture Frontiers, 7(2), 22-37.

科普之数字孪生

吴贝言

学院：通信工程学院

学号：20012100036

【嵌牛导读】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。

【嵌牛鼻子】数字孪生，数字镜像，数字化映射，数字镜像模型

【嵌牛提问】数字孪生的应用

【嵌牛正文】

数字孪生是个普遍适应的理论技术体系，可以在众多领域应用，目前在产品设计、产品制造、医学分析、工程建设等领域应用较多。目前在国内应用最深入的是工程建设领域，关注度最高、研究最热的是智能制造领域。

美国国防部最早提出利用Digital Twin技术，用于航空航天飞行器的健康维护与保障。首先在数字空间建立真实飞机的模型，并通过传感器实现与飞机真实状态完全同步，这样每次飞行后，根据结构现有情况和过往载荷，及时分析评估是否需要维修，能否承受下次的任务载荷等。

数字孪生，有时候也用来指代将一个工厂的厂房及产线，在没有建造之前，就完成数字化模型。从而在虚拟的赛博空间中对工厂进行仿真和模拟，并将真实参数传给实际的工厂建设。而工房和产线建成之后，在日常的运维中二者继续进行信息交互。值得注意的是：Digital Twin不是构型管理的工具，不是制成品的3D尺寸模型，不是制成品的MBD定义。[1]

对于Digital Twin的极端需求，同时也将驱动着新材料开发，而所有可能影响到装备工作状态的异常，将被明确地进行考察、评估和监控。Digital Twin正是从内嵌的综合健康管理系统（IVHM）集成了传感器数据、历史维护数据，以及通过挖掘而产生的相关派生数据。通过对以上数据的整合，Digital Twin可以持续地预测装备或系统的健康状况、剩余使用寿命以及任务执行成功的概率，也可以预见关键安全事件的系统响应，通过与实体的系统响应进行对比，揭示装备研制中存在的未知问题。Digital Twin可能通过激活自愈的机制或者建议更改任务参数来减轻损害或进行系统的降级，从而提高寿命和任务执行成功的概率。

从产品全生命周期管理、工程全生命周期管理、车间管控系统几个方面梳理目前数字孪生的应用场景如下：[2]

最早，美国国家航空航天局使用数字孪生对空间飞行器进行仿真分析、检测和预测，辅助地面管控人员进行决策。[2]

Michael Grieves 教授和西门子公司主要使用数字孪生进行产品数据的全生命周期管理。利用数字孪生对产品设计、产品功能、产品性能、加工工艺、维修维护等进行仿真分析。[2]

以欧特克公司为代表的工程建设类软件供应商，将数字孪生技术应用于建筑、工厂、基础设施等建设领域，把建筑和基础设施看做产品进行全生命周期的管理。[2]

北京航空航天大陶飞等人将数字孪生应用于车间的建设和管控，主要涉及基于数字孪生的产品设计、基于数字孪生的虚拟样机、基于数字孪生的车间快速设计、基于数字孪生的工艺规划、基于数字孪生的车间生产调度优化、基于数字孪生的生产物流精准配送、基于数字孪生的车间装备智能控制、基于数字孪生的车间人机交互、基于数字孪生的装配、基于数字孪生的测试/检测、基于数字孪生的制造能耗管理、基于数字孪生的产品质量分析与追溯、基于数字孪生的故障预测与健康管理、基于数字孪生的产品服务系统等。

reference：baiduboxapp://swan/AZQtr4jkpf90T3X9QMWVLF1bkeV4LXxD/pages/lemma/lemma?lemmaTitle=%E6%95%B0%E5%AD%97%E5%AD%AA%E7%94%9F&lemmaId=22197545&fr=aladdin&_baiduboxapp=%7B%22from%22%3A%221081000900000000%22%2C%22ext%22%3A%7B%22tplname%22%3A%22bk_polysemy%22%2C%22srcid%22%3A1547%2C%22order%22%3A%221%22%2C%22token%22%3A%22swanubc%22%2C%22searchid%22%3A%2212054588898962432503%22%2C%22third_ext%22%3A%7B%22ivkSource%22%3A%22h5_schema%22%7D%2C%22searchQueryEnc%22%3A%22_u2Hfja42ijWuDWVFmOfKxBtrKjBbM-8C_new%22%7D%7D&callback=_bdbox_js_4476&oauthType=search&searchParams=%7B%22failUrl%22%3A%22https%3A%2F%%2Fitem%2F%25E6%2595%25B0%25E5%25AD%2597%25E5%25AD%25AA%25E7%2594%259F%2F22197545%22%2C%22logParams%22%3A%22pu%3D%24pu%26baiduid%3D%24baiduid%26tcreq4log%3D1%26isAtom%3D1%26cyc%3D1%26clk_info%3D%7B%5C%22tplname%5C%22%3A%5C%22bk_polysemy%5C%22%2C%5C%22srcid%5C%22%3A1547%2C%5C%22ivkStatus%5C%22%3A%5C%22new_ivk_success%5C%22%2C%5C%22type%5C%22%3A%5C%22xcx%5C%22%2C%5C%22naType%5C%22%3A%5C%22%5C%22%2C%5C%22ivkSource%5C%22%3A%5C%22h5_schema%5C%22%2C%5C%22xcx_path%5C%22%3A%5C%22https%25253A%25252F%%25252Fpages%25252Flemma%25252Flemma%25253FlemmaTitle%25253D%252525E6%25252595%252525B0%252525E5%252525AD%25252597%252525E5%252525AD%252525AA%252525E7%25252594%2525259F%252526lemmaId%25253D22197545%252526fr%25253Daladdin%5C%22%2C%5C%22xcx_id%5C%22%3A%5C%22AZQtr4jkpf90T3X9QMWVLF1bkeV4LXxD%5C%22%2C%5C%22xcx_from%5C%22%3A%5C%221081000900000000%5C%22%7D%26lid%3D12054588898962432503%26l%3D1%26t%3Dzbios%26ref%3Dwww_zbios%26from%3D1099a%26order%3D1%26w%3D0_10_%E6%95%B0%E5%AD%97%E5%AD%AA%E7%94%9F%26tj%3Dbk_polysemy_1_0_10_l%26src%3Dhttps%25253A%25252F%%25252Fitem%25252F%252525E6%25252595%252525B0%252525E5%252525AD%25252597%252525E5%252525AD%252525AA%252525E7%25252594%2525259F%25252F22197545%22%7D&useTpl=1

数字孪生概念是什么？

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。

数字孪生的进展

实现Digital Twin的许多关键技术都已经开发出来，比如多物理尺度和多物理量建模、结构化的健康管理、高性能计算等，但实现Digital Twin需要集成和融合这些跨领域、跨专业的多项技术，从而对装备的健康状况进行有效评估，这与单个技术发展的愿景有着显著的区别。

因此，可以设想Digital Twin这样一个极具颠覆的概念，在未来可以预见的时间内很难取得足够的成熟度，建立中间过程的里程碑目标就显得尤为必要。