我国城市发展进入存量运营新阶段，城市精细化治理是必然趋势。近年来，全国各地积极开展城市数字化转型探索，广泛推进数字孪生城市建设。在“人民城市”理念指导下，该如何进行数字孪生城市建设，才能有效支撑城市精细化治理、支撑城市的高质量发展、增强人民获得感和体验感，是本研究重点探索的方向。
脉策科技联合上海市城市更新及其空间优化技术重点实验室、同济大学超大城市精细化治理研究院，通过与上海市浦东新区花木街道的深入协作，研究并构建了面向人民城市的数字孪生城市映射率评价体系方法。
01
研究背景及方向
1.1
“人民城市”理念下的数字孪生城市
践行“人民城市”理念，需将“人民城市人民建，人民城市为人民”思想贯穿始终。基层治理是城市治理体系的最后一百米，在政府部门高效能管理、民生服务高水平供给、多元主体参与共创共治共享等目标下，基层精细化治理需要数字化手段予以支撑，高质量的数字孪生城市平台应当能够有效应对该需求和挑战。
1.2
数字孪生城市的现状
目前数字孪生城市平台建设实践已取得了一些成果，但整体来看实践探索还处于初级发展阶段，存在着三大主要问题：“重场景应用，轻数据体系，缺乏城市综合视角”、“重物理孪生，轻社会孪生，缺乏治理所需信息”以及“缺少体现数字孪生城市核心价值的评价标准”。
重场景应用，轻数据体系，缺乏城市综合视角
当前国内数字平台建设多由条线部门发起，以解决具体业务问题而构建“应用场景”。数据工作围绕“应用场景”进行，呈现零散化、条块化的特点。数字孪生城市平台的建设大多也沿用以场景为主的建设思路，缺乏城市综合视角下的总体规划统筹以及数据体系建构。
重物理孪生，轻社会孪生，缺乏治理所需信息
当前数字孪生城市实践更偏重对物理空间要素的孪生，对城市运行的各类社会经济主体信息的体现不足，无法应对城市基层治理工作中的实际需求。社会性数据的搜集和维护相较物理性数据难度更大，目前政府工作积累了大量社会性数据，分散在各业务部门未被有效地汇集、运用和发挥价值。
缺少体现数字孪生城市核心价值的评价标准
当前业界采用的数字孪生城市评价标准普遍以可视化精细度为核心指标。在具体数字孪生城市项目的立项、采购过程中，评价维度则侧重于IT技术维度和软件功能有无。这两类对数字孪生城市建设水平的评价标准都缺乏城市综合视角，忽视社会性数字孪生，偏离城市数字化转型的核心目标。
1.3
解决思路：数字孪生城市建设三大体系
本研究初步探索出一套体系化的数字孪生城市建设方法论，总体归纳为三个体系：“工作方法体系”、“数据底座体系”和“评价指标体系”。
工作方法体系
数字孪生城市建设的总体方法论和指导纲领，以解决“重场景应用，轻数据体系，缺乏城市综合视角”的问题。
数据底座体系
数字孪生城市数据基础的新要求，以解决“重物理孪生，轻社会孪生，缺乏治理所需信息”的问题。
评价指标体系
数字孪生城市的评价标准和指挥棒，以解决“缺少体现数字孪生城市核心价值的评价标准”的问题。
图1 数字孪生城市现状问题及解决思路
02
工作方法体系：数据为纲
以“数据为纲”的工作方法体系，即在全街道的范围内统一归集多源数据，打通跨部门数据资源共享，厘清数据权责边界和更新机制，构筑一个全街道共建、共享、共同维护更新的数据底座，以支撑城市基层精细化治理的多样化、灵活性、综合性需求，实现有全局观的智慧治理模式。
在该纲领下，数字孪生城市新的定义是：以城市而非部门的视角，来收集一座城市有机生命体运行所产生的所有数据，将数据映射在数字孪生城市可视化的虚拟空间中，形成城市统一的“数据底座”；通过“系统”来进行数据的采集、管理、维护，同时根据现实需求，快速地吸纳、嫁接新技术“能力”，灵活地抽取数据和能力组装形成“应用”。
图2 “数据为纲”的工作方法体系
03
数据底座体系：城市DNA
数字孪生城市是数字世界对实体城市的一一映射、精准反馈，解构真实的城市。数据的内容构成和结构耦合关系是数据采集、管理、维护的基础，记录着城市运行发展的核心信息，是城市的DNA。
从城市基层治理的经验和需求出发，我们探索了城市数据的多个维度，初步归纳形成数字孪生城市平台的4大核心要素数据类型：“空间载体”、“城市部件”、“社会主体”、“城市流”，并在纵向划分为3个层级：“大类”、“中类”、“小类”，以涵盖城市治理所需的多主体、多层次、多结构的复杂数据资源。
图3 城市全要素数据底座体系构成
空间载体
“空间载体”指存储了地理空间二三维信息的数据，既包括建筑物、交通空间、地下空间、开敞空间等实体空间数据，也包含各类行政管理边界、总体规划等城市管理、城市规划层面的数据。
图4 数据底座-空间载体
城市部件
“城市部件”指城市中支撑城市运行、提供城市服务的非“空间载体”的物理实体要素，包括各类设施设备，如监测城市运行的智能感知设备，街面绿化、街道基础服务设施，以及基础市政设施等。
图5 数据底座-城市部件
社会主体
“社会主体”指城市治理的主体和对象，包括居民、市场主体、政府、社会组织和团体以及基层相关的社区自治主体等。
图6 数据底座-社会主体
城市流
“城市流”指社会主体的行为和各类城市治理活动产生的数据，包括信息流、人流、物流、资金流、交通流和能源消耗等。信息流和城市治理各项实际业务开展相关，人流、物流、资金流、交通流和能源消耗按照城市治理的对象进行细分。“城市流”重视时空信息的记录，数据动态属性更强，在“小类”之下进一步细分到四级要素。
图7 数据底座-城市流
通过上述对城市基层治理所涉及数据的系统性梳理，本研究搭建了数字孪生城市平台的城市全要素数据底座体系，后续各项评价指标体系计算都基于该体系开展计算。
04
评价指标体系：映射率
映射率：体现数字孪生城市核心价值的评价指标体系
本研究提出数字孪生城市映射率评价指标体系，以此解析城市空间、实体部件、社会经济属性、信息流等城市要素数据关键维度与数字孪生城市中相应数据的映射拟合程度，从而构建一套兼具可操作性、可推广性和可交互性的评估技术方法，来评价数字孪生城市整体建设水平。
图8 数字孪生城市评价指标体系映射率构建
4.1
评估内容
映射率的评估内容与数字孪生城市数据底座体系内容保持一致，包括空间载体、城市部件、社会主体和城市流四部分。
4.2
评估维度
数据完整性
引入数据分辨率指标评估数字孪生城市平台对各类空间、社会、经济等数据的接入完整度以及虚拟空间建模精细度，来回应数据“有没有”的问题。
数据时效性
引入数据新鲜度指标评估数字孪生城市平台中数据更新的及时性，监测数据的更新频率是否合理，来回答数据“活不活”的问题。
数据关联性
引入数据关联度指标评估数字孪生城市平台各类型、各业务条线的数据相互关联情况，来回应数据“连不连”问题。
数据准确性
引入数据准确性评估机制对数据准确度进行动态定性检验和评价，并修正前三项映射率指标得分，来回答数据“准不准”的问题。
图9 数字孪生城市平台评价指标体系评估维度
4.3
评估技术框架
为实现有效度量，本研究以映射率为核心建立了相应的数据评估模型，结合层次分析法（简称AHP）、高斯函数（Gaussian Function）、知识图谱（Knowledge Graph）等技术，对过去难以精细化评价的多维度数据映射拟合情况进行详细测度。
4.4
评估模型
数据分辨率 | “有没有”
数据分辨率由系统分辨率和空间分辨率两部分加权求和得到。系统分辨率是对数据底座收集完整性的测度，采用了面积转化法，即在确定要素权重和计算字段收集率的基础上，将其转化为色彩浓淡差异的分辨率单元面积（矩形转化为扇形表达）进行求解，并求和得到总面积，该面积即对应分辨率的得分情况。空间分辨率是对三维虚拟建模精细度的测度，具体维度构成体系参考《城市信息模型（CIM）基础平台技术导则》搭建，以确保维度划分能与数据底座以及项目实践相匹配。三维建模要素不存在字段，仅作“有无”的判断。
图10 数据分辨率计算逻辑
图11 数据分辨率计算流程
图12 数据分辨率结果呈现
数据新鲜度 | “活不活”
数据新鲜度计算首先由业务人员和专家共同确定各类数据要素各字段更新频率的基本标准，分为五档：“天”、“次天”、“月”、“半年”、“年”，代表相应字段建议维持的更新周期。计算方法选择高斯函数对数据新鲜度衰减过程进行拟合，以不同分档的更新周期作为衰减半衰期来获取字段新鲜度衰减函数式和系数。通过对数据底座体系要素字段进行梳理，形成“数据-字段-更新周期”的映射表格。由于不同类型的数据更新情况对于城市治理的重要性不同，新鲜度计算也按照层次分析法的结果对得分进行加权。每个层级的新鲜度得分都通过数据底座的树状结构向上聚合迭代生成上一个层级的新鲜度得分，最终得到整体新鲜度得分。
图13 数据新鲜度计算逻辑
图14 数据新鲜度计算流程
图15 数据新鲜度结果呈现
数据关联度 | “连不连”
数据关联度使用知识图谱的理论方法以反映数据之间的连接关系以及数据网络的整体结构，并进行得分计算和可视化分析。该方法首先通过专家经验对要素关联性进行初步判定，再通过模糊匹配算法对字段进行比较，计算两者属同一对象的可能性，实现业务情境下普适性的连接关系评估。在模糊匹配计算结果的基础上，使用Gephi平台进行基于知识图谱的数据关联网络搭建和数据关联度计算。数据关联度最终选择网络平均度（Average degree）作为计算指标，即数据关联度得分。
图16 数据关联度计算逻辑
图17 数据关联度计算流程
图18 数据关联度结果呈现
数据准确性 | “准不准”
数据准确性的评估，是通过用户自检和第三方抽检的形式对前三项不同维度的指标进行不同内容的检验。在“有没有”方面是对数据收集全面性的检验，在“活不活”方面是对数据更新置信度的检验，在“连不连”方面是对数据间真实关联建立与否的检验。若检验不通过，则会对前三项相应指标得分造成影响。
图19 数据准确度校验逻辑
4.5
评估体系发展等级分档
本研究初步提出了数字孪生城市平台的发展路径及从L1到L5的发展分档。分档的构建包括4个维度：数据分辨率、数据新鲜度、数据关联度和技术特点及实现价值。其中，前3项为映射率量化指标，参照指标得分，分为10分、20分、40分、80分四档；而技术特点及实现价值则是对数字孪生城市平台的整体特点和智慧化程度进行综合性评估。最后，结合映射率量化指标得分以及技术特点及实现价值评估结果确定数字孪生城市发展等级分档。
图20 数字孪生城市平台评估体系发展等级分档
05
应用案例
花木街道数字孪生城市平台评估
花木街道位于上海市浦东新区，总面积约20.93 km²，截至2022年底常住人口约26万人。花木街道人口密度高、管理业务复杂，自上而下的治理较为困难。在上海政府数字化转型的背景下，2020年起，花木街道开展了城市数字孪生平台的建设，并逐步应用于基层治理当中，取得了一定成效。
本研究以花木街道数字孪生城市平台为例，进行映射率评价指标体系的各项指标的计算。目前，花木街道数字孪生城市平台综合映射率得分对应的平台分级为L2水平，数据收集的完整性、数据更新的及时性、数据网络的关联度均取得一定成效，可以基于数据底座支撑业务应用场景搭建、事务处置分析以及部分事件预警等，但还有很大的提升空间。未来，随着平台数据搜集的不断完善和跨业务系统数据的持续接入与联通，基于数据的综合智慧化应用将实现更加均衡且长远的发展。
未来，通过映射率实时评估平台的搭建，花木街道数字孪生平台所处的发展分档、映射率指标计算和详细数据建设情况均能实时可视化反馈和同步交互。相关实践探索保证了映射率评价指标体系不是一次性的质量检测方法，而是可以伴随数字孪生城市平台发展的全过程，长期提供实时且精准的建设引导。
图21 花木街道数字孪生城市平台映射率评估得分
06
总结与讨论
6.1
提出数字孪生城市建设三大体系
本研究结合“人民城市”治理理论，初步探索并提出了数字孪生城市平台建设方法论，即构建以“工作方法体系+全要素数据底座体系+映射率评价指标体系”三大体系为核心的数字孪生城市建设方法，以解决“重场景应用，轻数据体系，缺乏城市综合视角”、“重物理孪生，轻社会孪生，缺乏治理所需信息”及“缺少体现数字孪生城市核心价值的评价标准”的现状问题，真正回应城市精细化治理的需求，对于智慧化治理具有引导作用。
6.2
搭建以映射率为核心的数据评估模型
本研究提出了数字孪生城市平台映射率评价指标体系，并搭建了基于可推广范式的评估模型，使过去无从量化评判的数字孪生城市平台发展情况得以被测度和评估。映射率评估模型的搭建可以使数据的搜集、管理、运转和应用水平被动态监测、评估与反馈，保障数字孪生城市建设的实现水平，推进以数据为核心的多维度数字治理体系建设，推动城市治理的科学化发展。
6.3
推动共建、共创、共享的数字孪生城市建设
本研究致力于推动共建、共创、共享的数字孪生城市建设。数字孪生城市建设的目标是为城市内的人民服务。市民数据共享平台、信息展示窗口、“云上议事厅”等数字孪生城市支撑下的便民应用小程序，不仅可以提高政府服务效能，也能促进广大市民更加直接地参与到城市治理和决策过程中。我们将持续探索利用数字孪生城市平台构建公众参与共治的桥梁，将多方社会主体纳入城市多元协同治理体系中。
研究团队
上海脉策数据科技有限公司
张逸平、邹家唱、段睿妍、李俊杰
同济大学团队
叶宇、王桢栋、于瀚婷、丁相文、陈星汉、韩赟、刘雨轩
ABOUT US
上海脉策数据科技有限公司（简称脉策科技）成立于2015年，是国内数据智能领域中具有引领性的科技公司、高新技术企业、市区两级“专精特新”企业、杨浦区小巨人，上海市经信委下属的大数据创新企业成员。致力于城市数字化领域，结合智库能力和数据科技，基于自主研发自主产权的低代码数据系统开发平台和领域算法，叠加行业认知和数据服务，提供多样化综合解决方案能力。主要业务是为政府和大型企业提供智库咨询、数据研究、算法服务、平台产品及系统解决方案。
扫码关注我们
微信公众号 | 脉策科技