基于地理信息数据的数字孪生沙盘设计与应用

陈曦

（四川九洲北斗导航与位置服务公司 四川省成都市 610041）

沙盘是城市规划建设、数据信息标记等必不可少的工具，随着城市变迁，数据信息不断增多，对沙盘收集和显示功能的要求也在提高。实体沙盘模型显示位置较少，修改次数有限，且部分沙盘与地理信息系统的连接不够紧密，因此，本文提出将地理信息系统和数字孪生沙盘设计融合，利用计算机信息技术、地理信息系统和虚拟现实技术等，为数字孪生沙盘的应用提供更多辅助。因此，本文对基于地理信息数据的数字孪生沙盘设计与应用的研究分析，也就具备重要理论意义和现实价值。

1 背景阐述

近年来，随着智慧城市建设和数字化中心打造发展的如火如荼，越来越多部门强化了对数字交通体系、虚拟空间等的建设，数字化理念和智慧化平台的融合连接，逐步成为数字交通发展的最佳途径，在此背景下，数字孪生交通体系诸多技术的突破和飞跃，逐步成为城市建设的关键。与此同时，进一步探究智慧城市建设过程中的交通仿真工具平台研究设计与运营，其监测、评价、调查、预测、规划、管理、测试、验证等均是智慧交通、数字城市建设的关键，我国现阶段绝大部分的地市级城市治堵缓堵技术等的投资较为充足，未来在智慧城市建设中基于地理信息数据的数字孪生沙盘的应用大有可为。因此，本文将地理信息数据和数字孪生沙盘设计应用联合，也就具备重要价值。

2 地理信息数据预处理为数字孪生数据模型的关键技术

以某数字孪生沙盘建设工作为例，按照相关技术标准和技术要求，针对地理信息数据的类型，采用调绘、数码摄影测量等比较成熟的资料收集技术，实现对数据的采集、更新、生产和制作，为后续预处理提供条件。在建模理论的支撑下，数字孪生数据模型的构建包括物理行为研究无损数据测定技术、量化误差与置信评估研究，且上述研究已取得一定进展，将有助于模型参数的确定、行为约束的构建以及模型精度的验证。在设计数字孪生数据模型的过程中，数据类型主要包括数字线划地图(Digital Line Graphic, DLG)数据、数字正射影像图(Digital Orthophoto Map, DOM）数据、三维（3D)图像数据、数字高程模型(Digital Elevation Model, DEM)数据等。详细论述整个数字孪生数据模型建设步骤，其中的数据预处理和地形模型数据预处理较为重要。数据预处理针对DLG 数据资料，在完成对数据的外业采集后，用专门的软件对DLG 数据进行内部的整理和处理。将DEM、DOM、DLG、激光扫描、CAD 图等数据的空间参照系统一到2000 国家大地坐标系（CGCS2000）或依法批准的平面坐标系中，进行空间位置配准。在此过程中，DOM 数据资料的采集主要集中在卫星和航空影像上，通过拼接、匀色等处理，得到质量更高的数据。高分辨率的图像资料包含的信息更加丰富且更直观形象，是目前地图背景资料的重要组成部分。在获取DEM 数据资料的过程，以航片扫描的方法，引入了空间加密[1]，并依据立体效应进行检验。对不符合标准的数据进行修正，提取特征点、特征线，从而重建DEM 数据。在此基础上，对DEM 数据进行处理。针对已有的DEM 数据，对其格式进行检查，确保数据的有效性。如果数据不符合入库标准，则需要将.dem 格式、.asc 格式转变为标准格式。针对数据内容的差异性，将所有需要的各类参数输入到数据库当中。针对栅格数据的加载，需要考虑到分块的大小和栅格金字塔的级别，图1 即为数据预处理界面示意图。

图1：数据预处理示意图

在数字孪生沙盘的地形模型数据预处理过程中，要确定地形表面的点P 在TS 中的对应点(u, v)，从而TS中的点(u, v)处的纹理值就是物体表面点P的纹理属性。可通过下面的转换得到需要的地形模型数据：

Photo Zone --> Object Zone --> Texture Zone（P -->O --> T）

其中（O --> T）的函数可表示为：(u, v) = H(x, y, z)

其中(u, v)是地形模型的平面区域，(x, y, z)分别是地形模型空间中的点。

如果整个数字孪生沙盘是多个地形模型同时转换而成的，那么地形模型的平面区域为(u1、u2……un; v1、v2……vn;)

地形模型空间中的点为(x1、x2……xn;y1、y2……yn;z1、z2……zn;)

地形模型表面数据需要利用基本三角函数计算技术生成，利用三角函数计算物体点（x，y，z)的坐标。

当0 <= a 或b<= 2Π 时余弦函数用于计算x 坐标信息的数据，如果地形内有大量的物体，对应不同的点用(x1、x2……xn）来表示。

当0 <= a 或b<= 2Π 时正弦函数用于计算y 坐标信息的数据，如果地形内有大量的物体，对应不同的点用(y1、y2……yn）来表示。

当2Π>= a 或b 时正弦函数用于计算x 坐标信息的数据，如果地形内有大量的物体，对应不同的点用(x1、x2……xn）来表示。

当2Π>= a 或b 时余弦函数用于计算y 坐标信息的数据，如果地形内有大量的物体，对应不同的点用(y1、y2……yn）来表示。最后将DEM 和DOM 数据叠加计算，生成CIM 地形模型。

3 典型应用场景

基于地理信息数据的数字孪生沙盘应用，主要是数字孪生智慧沙盘大脑应用。该部分内容以发展沙盘为牵引，以数据为驱动，运用信息技术，推进沙盘精细化管理、数字产业化升级，致力于人机协同、数据驱动、有序高效，最终让沙盘大脑“看得见问题、听得见声音、感受到温度”。在整个应用架构中，总体采用“1+2+N”的框架，即一个数字孪生沙盘、两个中心、N 个智慧场景，在全域加强智慧治理场景建设，打造智慧孪生产业生态圈、赋能生态民生服务体系，最终确保能够在“大数据+”应用场景创新等领域取得显著成效，本文主要详细论述基于地理信息数据的数字孪生沙盘在全景仿真和数字化经营治理上的应用。就全景模拟仿真而言，通过地理信息数据结合数字孪生沙盘，打造三维实景仿真数字底板，针对沙盘核心区域采用高精度的建筑信息模型，建设全面、信息化的沙盘仿真模型。详尽直接地展现沙盘各个区域、部件，提供基于实景的事件模拟、预测推演、实景仿真等。接入可开放的现场实时监控视频图像，采用AI 图像识别分析技术，分析占道游商、车辆违章等违规现象[2]。把数据实时推送给城管执法局，处置后再通过视频图像自动核查归档。基于数字孪生体，综合实现沙盘管理的柔性劝导和智能执法，有效改善市容市貌。平台具备视频播放、场景切换、天气切换、区域网格化、路线规划、夜景灯光、动画特效、面板集成等多种能力。就数字经营治理而言，通过赋能交警、社区、城管的道路监控视频数据结合数据平台各类非结构化视频监控数据，利用数字孪生技术，实现沙盘全景全要素1:1 仿真模拟，从而智能监测违规占道经营事件，实现感知发现、智能分析、协同处置、回访评价、考核监督全流程闭环，带动业务分析、数据归集、分析建模、场景训练、业务优化，解决商业经营、实时发现、快速处置的核心痛点问题。

基于地理信息数据的数字孪生沙盘应用，主要包括基于数字孪生交通底座的城市交通管控服务、基于数字孪生交通底座的车路协同、基于数字孪生交通底座的大规模道路巡管养综合和基于数字孪生交通底座的数字化资产管理平台四个方面。就基于数字孪生交通底座的城市交通管控服务而言，该技术基于数字孪生交通底座，在城市交通治理方向上提供了一系列的交通仿真决策与服务，并能够通过驻场人员的全周期跟踪服务，打造道路交通的智能化服务流程，其示意如图2 所示。在此过程中，基于数字孪生交通底座的城市交通管控服务包括交通基础数据采集调查、本地化数字交通、交通设计/管控方案评价比选、交通大数据可视化展示和道路资产管理几个模块，能够助力交管部门科学决策，也能够缓解城市交通问题，为开展智慧化的“缓堵保畅”奠定基础，也为提升城市影响力做铺垫[3]。

图2：基于数字孪生交通底座的城市交通管控服务示意图

就基于数字孪生交通底座的车路协同而言，该车路协同和自动驾驶平台主要包括路侧传感系统、路侧通信系统、路侧边缘计算系统和数字孪生云控平台四个子系统，系统之间的不同模块具备不同功能，利用路侧传感系统收集参数信息，并进一步将数据传送到边缘云结构中，路侧设备将各项点位数据传递到中心平台后，智能路侧系统借助信息数据处理实现各项参数优化，最后达成既定目的，图3 即为基于数字孪生交通底座的车路协同示意。

图3：基于数字孪生交通底座的车路协同示意图

就基于数字孪生交通底座的大规模道路巡管养综合模块而言，该功能模块基于机器学习、数字孪生和大数据处理等新兴技术，推出功能齐备的大规模的道路“巡管养”综合管理服务方案，不断提高道路的巡检技术水平，降低巡检技术成本，打通巡检、管理和维护的通道，打造“全覆盖、高精度、高效率、信息化”的道路巡管养模式，图4 即为其示意图。在此过程中，为车辆能够自动识别裂缝、坑槽等16 种病害，实际识别率高达99%，能够识别病害的位置和面积，位置识别精度为1m，病害面积识别准确率达到95%，能够自动识别路面的平整度，也能够自动识别道路结构和路产数据，能够基于三维数字交通底座的病害数据实现智能化管控，还能够打通养护环节，建立施工保畅方案。在此过程中，基于数字孪生交通底座的大规模道路巡管养综合模块功能实现包括五个部分：首先是车辆+云镜联合形式，采集影响交通底面的病害数据，然后通过5G 网络信息系统上传到云平台中，再借助算法中心识别病害的具体类型和路面平整度[4]，进而整合所有的数据信息，实现三维可视化的病害信息管理，最终借助信息管理平台指导道路的养护过程和管理。

图4：基基于数字孪生交通底座的大规模道路巡管养综合模块示意图

就基于数字孪生交通底座的数字化资产管理平台而言，该平台以道路、桥隧构造物、沿线设施等公路资产为对象，利用自动化巡检技术、人工录入等诸多方式，采集道路资产基础数据并进行实景的三维建模，形成道路资产三维数字底座，并在此基础上全面实现资产管理，图5 即为基于数字孪生交通底座的数字化资产管理平台架构示意图。

图5：基于数字孪生交通底座的数字化资产管理平台架构示意图

4 结论

总之，有了地理信息数据、数字孪生沙盘支撑，根据本文运用的方法进行的数据处理与三维建模的结合测试和技术实现，明确了数字孪生沙盘建设是一项相对复杂的工作。通过不断的技术攻关，在应用上赋能于智慧城市管理，实现多个智慧场景智能感知，涵盖了城市管理、社会治理、政务服务、民生福祉、文化旅游等大领域沙盘综合治理，通过建设商业经营智慧化场景，城市治理效率得到显著提升，实现城市管理水平从人工排查到智能发现的跨越，社会治理机制从分散治理到协同治理的跨越，同时实现城市治理机制的创新变革，并提供数据建模、指标分析、决策预警等多种应用能力，为政府领导者提供完善科学精准有效的智能化服务，将为更充分地利用地理信息系统中的数据，为数字孪生沙盘建设提供更多支撑。