城市信息模型的支撑技术体系解析

田 颖，杨 滔，党 安 荣

(1.清华大学，北京 100084； 2.中规院(北京)规划设计有限公司，北京 100044)

0 引言

在新一代数字技术推动下，城市治理相关理论和技术体系加速迭代，城市作为复杂巨系统，其规划的复杂性特征日益凸显并逐步被认识。2017年雄安新区提出建设数字孪生城市的系统构想，旨在顺应城市的复杂性，提升城市自组织和自适应能力，各方围绕数字孪生城市的基础理论和技术方案进行了一系列探索。国家十四五规划明确提出推进城市大脑建设，探索建设数字孪生城市。城市信息模型(City Information Model，CIM)作为数字孪生城市复杂巨系统的重要支撑，从辅助城市规划建设管理的局部工作向全面赋能城市现代化治理发展，其重要性越发凸显。CIM能通过有组织、协调和集成的工作流程管理城市信息，促进城市信息共享，支撑城市多主体参与，从而为现代化治理模式转型奠定基础。目前，关于CIM的关键技术已有一定研究成果[1,2]，但大多从现有技术如何支撑CIM建设的角度，较为零散且不成体系，鲜有研究从CIM的内涵和定位出发，以需求为导向构建其技术体系全貌。因此，本文从研发背景、内涵定位出发，构建CIM的技术体系框架，解析其关键技术和发展趋势，以期助力CIM建设和应用，服务城市数字化转型和新型智慧城市发展。

1 研发背景解析

1.1 政策背景

早期国家与部委的CIM相关政策是从工程项目制度改革、建筑信息模型(Building Information Model，BIM)发展而来，这些激励政策加快了CIM的相关技术研发及探索，提出构建CIM的关键技术，包括BIM、GIS、物联网(Internet of Things，IoT)、海量数据处理、三维建模等(表1)。

表1 CIM相关政策及技术要求Table 1 CIM-related policies and technical requirements

1.2 研发进展

CIM的研发与技术进步是相辅相成的。钱学森先生在1994年将虚拟现实(virtual reality)翻译为灵境技术，认为灵境技术是继计算机革命之后又一项革命性技术，为当今数字孪生城市建设提供了重要启示。2017年雄安新区在物理城市大规模建设开始前就启动了包括CIM在内的数字城市支撑系统建设。随着灵境技术、人工智能、大数据等技术进步以及雄安新区带动的CIM建设热潮，CIM的概念及建设框架逐渐受到关注[3-10]，相关研究也呈现快速增长趋势(图1)。很多城市研究者意识到CIM对城市规划建设以及精细化治理的突出作用。2018年开始，广州、南京、北京副中心、深圳、厦门、苏州等城市相继开展CIM建设，相关实践研究也逐渐展开[11-13]。

资料来源：笔者检索Web of Science及知网论文库中主题及关键词为城市信息模型或CIM共487篇相关成果，经过人工核查相关度以及去重，共134篇。图1 2013-2021年CIM相关研究成果Fig.1 CIM-related studies from 2013 to 2021

CIM的关键支撑技术从地理信息系统(GIS)应用，发展到GIS与BIM结合，逐步演变为BIM、GIS与IoT共同作用。如果将GIS作为三维城市模型支撑，则CIM已有很长的发展历史，可通过三维可视化的角度更综合地认识和理解城市。2000 年Billen提出CIM是城市尺度的3D GIS模型，由建筑物、植被、交通网、公共设施和通信网络构成[14]。CIM代表智慧城市中各种智慧应用的能力，如城市交通、行为导航、城市气候和城市形态等[15]。随着BIM的成熟与应用，CIM逐渐发展到BIM与GIS结合[16]，如Isikdag等提出将BIM模型导入ArcGIS平台，服务于火灾应急响应[17]。BIM用于表示建筑物在设计、建造和运营全过程中使用和创建的信息[18]，通过信息共享为整个建筑生命周期的决策奠定可靠的信息基础。CIM从建筑尺度扩展到城市，实现城市规划、建设、运维全链条的信息管理，从而解决城市信息孤岛问题，将城市不同阶段的数据链接以改变城市治理的模式[1]。随着IoT技术日益成熟，其与 BIM、GIS一并成为 CIM 的关键技术支持并融入CIM中[19,20]。随着对CIM相关技术研究的不断深入，关于数据融合[3,15]、可视化[21]、三维建模[22-26]等相关技术也都有所进展。

2 概念内涵解析

2.1 CIM的定义

CIM的定义总体可分为两方面：1)从目标理解，强调通过智能建模提升城市治理能力。吴志强院士将 CIM解释为城市智能模型(City Intelligent Model)，认为城市智能模型在城市信息模型的基础上进一步赋予了智能(intelligent)目标，其内涵不仅指城市信息模型中海量数据的收集、储存和处理，更强调基于模型解决发展过程中的问题[8]；Zingariello 将CIM定义为城市智能建模，有助于清楚显示有关的城市信息以及城市进程的所有参与者共享设计[7]；Lehner等将CIM视作城市尺度的数字孪生体，期望CIM可以实现数字模型和物理实体间的智能交互[27]。2)从数据驱动理解，认为CIM是三维数字空间的城市信息有机综合体[28]，是一种跨学科、跨部门的空间数据模型生成方法[4]。在CIM的实践中这两方面含义都有充分体现。2017年雄安新区在物理城市大规模建设开始前就启动了包括CIM在内的数字城市支撑系统建设，为基于虚实映射的人民城市自组织、自适应能力的形成打下基础，刘春成将雄安CIM定义为城市信息模型、城市智能模型、城市智能治理三层含义[13]。

随着CIM实践不断开展，对CIM的期望已经超出三维信息综合体的概念，其不仅可以记录和分析现状并发现问题，也强调基于三维模型分析和模拟未来。本文结合CIM的不同维度及实践经验，认为CIM是数字孪生城市的支撑系统，通过构建城市尺度的数字孪生体汇聚城市的全时空信息，记录、分析、模拟城市的过去、现状、未来以及地上、地表、地下，以数字化再现真实城市，以便支撑城市的规划系统、基础设施系统、产业系统、公共服务系统的数字化转型，形成新的社会参与方式和智能治理模式。

2.2 CIM的定位

CIM是数字孪生城市的支撑系统，汇集城市全要素、全流程信息，辅助智能规划设计和现代化治理，并不是简单信息化和计算机等相关技术的堆砌，而是实现社会需求、经济发展、资源局限三大维度的协同。以新技术平衡经济的快速发展、社会文化需求、土地和人才等资源局限之间的矛盾，构建以人为核心、充满人文关怀的城市系统，服务数字中国和智慧社会。为平衡各维度需求之间的关系，CIM的技术需要更敏捷感知城市运行状态，更准确识别城市问题，更多元方式公众参与，从而提升土地利用效率和人才的匹配程度，以更低的成本实现自然环境及文化的保护，产生新的经济增长点，推动数字经济发展(图2)。

图2 CIM定位示意Fig.2 Schematic diagram of the role of CIM

3 技术体系解析

CIM建设是一项跨学科、跨领域、跨部门的系统性工程，需要从全局出发，以人的需求为导向，通过数据治理、智能模型分析、人机交互技术的综合集成，形成由这“三大体系”共同构成的“人机协同”技术体系框架(图3)。这三大体系的技术之间以系统工程为指导，正如钱学森先生所说，系统工程是“组织管理系统的规划”[29]。复杂系统理论成为认识数字孪生城市的重要思想工具，系统工程和复杂系统理论为CIM建设提供哲学思路，实现从数据决策到智能决策再到智慧决策的提升。新型基础设施是CIM最底层的设施，包含边缘计算、超级计算、云计算、区块链、物联网设施，为CIM的数据采集/融合/管理、人工智能计算分析和增强现实(augmented reality)/虚拟现实(virtual reality)提供服务。在思想方法的统一认知以及城市共同建设的基础设施支撑之上，构建相互作用的开放、共建、共享的三个技术体系，每个体系通过关键技术实现从数据处理、分析、互动等逐渐提升的目标。

图3 CIM平台的技术体系框架Fig.3 Technical framework of CIM

3.1 数据治理体系目标及关键技术

数据是CIM运行的根本，其底层首先要建立一个数据治理体系，完成海量多源异构数据从采集、融合、存储、服务为一体的数据治理。其中每个环节均涉及多项关键技术，保证城市实现从宏观到微观、从地上到地下、从过去到未来的多场景展示和分析，作为建设全覆盖、全要素、综合服务的数字孪生城市的基础。

(1)综合采集，实现多源汇聚。数据采集相关技术是数据治理体系的基础，从CIM所需数据类型入手，明确不同类型数据需要的采集技术。参考《城市信息模型CIM基础平台技术导则》(修订版)，CIM主要数据分类为时空基础数据、资源调查与登记数据、规划管控数据、项目管理数据、公共专题数据、物联网感知数据，其对应采集技术如图4所示。时空基础数据、资源调查与登记数据采集通过航天遥感、航空摄影测量、地面三维激光扫描、多源定位技术以及资料收集等技术共同完成。前两种技术便于获取大范围城市数据，地面三维激光扫描生成城市要素的三维模型，适用于单体建筑或小规模高精度三维物体采集；通过定位技术确定模型、地图等数据的空间位置，将资料收集的结果作为补充和验证。规划管控和项目管理两类数据主要涉及规划成果以及流程数据，以资料收集和录入为主。公共专题数据包含人口、地址、经济、法人等数据，一方面可通过统计、公安等口径的资料收集获取，同时也可通过移动设备获取，与定位技术相关。随着传感器铺设增多，可轻易获取建筑状态、交通、气象、环境质量等相关感知数据，物联感知技术指用于物联网底层感知信息的技术，包括射频识别(RFID)技术、传感器技术、多媒体信息采集技术及二维码技术等。

图4 数据类型及对应采集技术Fig.4 Data types and corresponding collection techniques

(2)数据融合，解决异构性。数据融合是将多源数据集成的一个多环节过程。数据采集后，相同语义的信息(如建筑物、人口、企业等)往往存储于不同信息化系统或资料中，因设计单位、录入时间、标准要求不同，相同语义的信息也会出现或多或少的异构性，为保证CIM使用数据的一致性和权威性，必须基于统一的语义数据资源目录体系，经过数据抽取、清洗、转换、轻量化和融合等阶段，形成标准化的数据库，作为CIM的数据基础，具体数据融合处理流程如图5所示。

图5 数据融合处理流程Fig.5 Flowchart of data fusion processing

(3)数据存储，解决存取需求。数字孪生城市需要处理的数据呈现分布式、高性能、高吞吐态势，数据存储技术面向需求有不同的发展方向，总体可分为基础存储技术及服务不同数据格式的应用型存储技术:前者包括分布式存储(可应对超大数据量的存储问题)和软件定义存储(可克服硬件的局限)，是存储技术突破的两个方向，对CIM均具有很高的应用价值；后者针对不同类型的数据格式对应相关数据库，结构化数据可使用关系型数据库(relational database)，非结构数据及半结构化数据可使用非关系型(NoSQL)数据库。

(4)数据服务，保证数据共享。数据服务包含数据索引、数据服务发布等相关技术，使存储的数据可以被快速调用。数据索引针对表格、图片、矢量、栅格、三维模型等不同类型数据，分别建立数据库索引，形成数据和索引之间一一对应关系，保证数据库表中每类数据的唯一性，提高数据检索速度，加快库表之间的连接速度，从而提高数据库使用效能。数据服务发布基于数据资源目录以接口、文件、数据库3种方式提供，数据使用方可通过申请方式或订阅方式自动获取所需数据，进而实现海量数据安全、稳定、高效的共享。

3.2 智能模型体系目标及关键技术

智能模型体系目标是模拟真实城市状态并进行相关预测。一是以三维模型构建虚拟城市，从而易观察和感知城市；二是通过空间编码的形式，将城市数据与三维模型连接，作为数据分析和算法模型的构建基础；三是以智能算法对数据进行对比、分析，发现城市的规律，辅助城市运行。模型以某种形式对系统中所求解问题的本质属性进行描述，用以揭示系统中所求问题及其变化规律[30]。计算机通过一组参数及其相互关系描述问题，以总结过去、评价现状并推演未来。

(1)三维建模，辅助全息感知。城市三维模型需进行分级和分类处理。分级方面涉及模型精度，如白模、贴图精模、分层分户精模、构件精模等多种类型的三维模型能满足不同场景下的应用需求。为保证显示效果和属性信息的有效表达，大尺度场景几何数据和属性信息的精度较低，随着场景缩小，平台可展示更多细节；不同精度等级所表达的几何信息、材质信息和属性信息需结合业务场景进行详细设计。根据城市子系统，城市三维模型可按不同标准分类，如按照要素可分为十大类：城市地形模型、水利三维模型、建筑三维模型、文保单位三维模型、交通三维模型、管线管廊三维模型、场地三维模型、地下空间三维模型、植被三维模型以及城市家居三维模型。

(2)编码服务，实现虚实映射。编码服务是将物理城市的信息映射到数字城市。一方面要打造城市全覆盖的数字物体编码(包括物体编码规则和标识解析技术)体系(数字标识)，能为各部门、各行业、各系统平台的物体对象统一分配全球唯一的数字标识。另一方面要建构空间编码体系，通过编码将物体对象准确定位到空间，实现海量数据的空间匹配。现已有不同类型的空间单元编码，主要包含管理单元、规划单元和不动产单元，分别对应各自的管理网格编码方法，为统一空间编码，需将空间图层叠合比对，找到空间划分的最小单元。将空间编码与标准地址进行关联，基于空间编码的数据关联规则建立跨部门数据关联纽带，作为CIM建设的基础。

(3)算法模型，实现推演仿真。算法模型以基础算子(如叠加、裁剪、空间关联分析等)为支撑，组成空间分析计算、仿真模拟等更综合的模型。通用空间分析是叠加多种算子，对空间数据进行计算、分析及结果展示，包含基于实体关联有向图的深度查询以及水文分析、可视性分析、日照分析与视觉景观分析等。仿真模拟指对现实地理空间和方案进行数据建模，预测不同场景下的发展趋势，涉及机器学习、空间深度学习等多类人工智能技术。预测空间结构和分类特征的K近邻分类法、决策树分析法、贝叶斯网络、随机森林等算法以及模拟/分析城市系统特征的神经网络模型、遗传算法等为城市信息的挖掘提供了更智能高效的方法，提高了多场景预测的能力。

3.3 人机交互体系目标及关键技术

CIM为服务人的需求，要建立良好的人机交互机制。首先要构建软件架构，保证基本的可视化、搜索、用户使用等功能；其次要满足CIM的安全、平稳、二次开发等使用需求，保证不同业务的需要；三是构建平台的集成架构，实现资源的灵活组合、快速调用，使CIM可在高效灵活的框架下运作，并通过前端交互满足友好使用之需。

(1)引擎服务，构建软件基础架构。CIM需要不同类型的引擎支撑功能，包括GIS引擎、BIM引擎、IoT引擎、渲染引擎、搜索引擎、地址引擎等，均为实现人机交互的核心组件。GIS+BIM引擎支持在CIM中的GIS服务发布、管理与聚合能力，包括三维数据发布和浏览、三维空间分析，支持各终端的服务访问及多层次的扩展开发，如高性能跨平台的GIS引擎能深度融合云原生架构；IoT引擎常用规则引擎技术，通过解析业务规则，统一数据输入；三维渲染引擎是一种底层图形处理工具，支持高层的图形软件开发，主要分为实时三维渲染引擎和离线三维渲染引擎，实时三维渲染引擎主要用于漫游等场景中三维画面的生成，在CIM中应用更多。

(2)业务服务，满足多样化功能需要。业务服务提供平台的安全管理、运维管理、数据资产管理、平台开发接口等功能，各部门可根据具体业务需求，选取并组合必要的功能服务，实现服务在不同场景中的业务能力复用。安全管理涵盖数字水印、访问控制、数字签名等技术；运维管理涵盖服务监控、故障管理、容量管理等通用服务；数据资产管理本质是实现数据增值，包括数据全景展示、数据价值评估、隐私保护和数据确权与溯源等服务，是数据资产化管理的最重要体现；开发管理提供二次开发服务接口(API)和开发工具包(SDK)。

(3)集成技术，解决海量数据处理与互动。集成技术的目标是实现平台资源的灵活组合、快速调用，并实现人机互动。CIM的集成可通过分布式、云原生、微服务的方式实现，构建数据、技术、业务的松耦合系统。分布式架构为CIM的整体集成提供了新路径，城市数据、模型、服务等都可通过分布式方式进行组织，大大提高了系统的稳定性和可用性。CIM未来不是传统的数据中心，而是将数据、模型和服务存储于云端，平台基于云设计，即云原生技术。微服务是一种以业务功能为主的服务设计概念，每项服务都具有自主运行的业务功能，对外开放不受语言限制的API，应用程序则是由一个或多个微服务组成，每项业务能力被当成一个可装配的积木块，在不同的场景下可重复调用，这些技术之间相互关联并相辅相成，共同构成服务海量数据和业务需要的平台架构。人机互动通过前端交互技术实现，包含端口和协议，常用的端口方式为命令行界面(Command Line Interface，CLI)、图形用户界面(Graphical User Interface，GLI)，现在逐渐流行通过语音、视觉甚至脑电波交互方式。

4 发展趋势解析

CIM是数字孪生城市支撑系统，国内外都在不断推进CIM建设，本文分析实践案例中每个层级中的关键技术，总结技术发展趋势(表2)。

表2 国内外CIM实践探索的趋势汇总Table 2 Summary of trends of CIM construction practices at home and abroad

总体而言，国外相关平台更关注多主体参与、VR互动、面向未来的推演，我国现阶段更关注三维模型和感知网络的建立，也在同步构建仿真模拟等人工智能模型，以预测城市未来发展趋势。CIM融合了互联网、物联网(IoT)、大数据、云计算、边缘计算、3D GIS以及人工智能(AI)、区块链等诸多技术，使CIM平台技术能力向海量数据分析、智慧推演预测、用户功能开放演进。

4.1 海量空间数据访问分析速度加快

未来CIM面临PB级以上的数据存储分析工作，需提升海量数据访问、存储、分析处理的速度。1)不断更新、提升硬件技术以及数据库，采用分布式、云边结合技术提升数据库的性能。2)推广完善数据标准，包括三维数据标准，建立可跨平台使用的三维数据格式，满足主流的Esri、Rvit、Bentley、达索等系统使用，如目前OGC/IFC标准就是很好的尝试；空间编码标准，建立全国甚至全球统一的物体编码和空间编码，可快速通过空间编码检索到对应的空间位置信息以及通过空间编码迅速检索到物体，并实现计算和分析；管理标准，统一平台的用户管理、运维管理、安全保障的标准，对未来跨平台融合数据都有重要意义。

4.2 人工智能算法推演预测能力加强

CIM不是简单的数据统计分析、空间数据三维可视化平台，未来核心能力是通过深度学习、加强学习等智能算法模拟城市的发展规律，提高城市决策的科学性，减少城市发展中的试错成本。将城市的海量数据以数字化方式记录和分析，以历史和现状数据为支撑，通过仿真模型的构建，预演未来可能发生的情况，进行多场景模拟。

CIM的智能模型体系未来将会向开放的智能模型库方向发展，以开源的形式共同构建服务城市规律的模型，并集合大众智慧不断更新算法。主要的算法模型包括：1)仿真模型，根据物联感知、移动设备等实时更新数据模拟现实状态，如利用交通数据模拟三维交叉口的通行状态；2)预警模型，根据历史和现状数据分析未来是否达到警戒值，如人口增长预警、土地开发量预警、暴雨灾害推演等；3)综合决策模型，为城市开发保护决策提供支撑，如土地价值评估、可持续发展评估模型等。

4.3 公众参与及开放共享服务水平提升

CIM需要服务城市多元主体，包括政府、企业、个人等，推动城市决策的公平参与能力提升。城市的多元主体在规划、建设、管理、运营的各阶段都能通过CIM充分表达自己的想法，提供自己的智慧。同时，虚拟现实、加强现实等技术也使得用户可通过“手势”“语音”“视觉”“姿势”“感知”等方式与机器进行互动，手机端、智能手表、智能眼镜的应用使共享随时随地发生。

平台数据与算法服务均呈现开放共享的特点。一方面，区块链改变了传统信用体系，通过加密算法让数据具有天然的可行性并保护隐私，让公众都有可能参与城市数据、算法模型的生产、使用和修正，这将大大提高CIM的开放程度，提升平台活力。另一方面，开放数据库、模型库的支撑使平台本身在开源的环境中逐渐发展完善，使其具有成长能力和自我完善能力。

5 结语

本文从研发背景、概念内涵、定位等方面的解析表明，CIM建设是一项系统性工程，需要从全局出发，以人的需求为导向，通过数据治理、智能模型分析、人机交互技术的综合集成，形成由“三大体系”共同构成的“人机协同”技术体系框架。其中，数据治理体系涵盖数据采集、融合、存储、服务等各阶段相关技术，实现权威、统一的城市数据库构建以及快捷调用；智能模型体系涉及三维建模、编码服务、算法模型相关技术，实现城市运行状态模拟和预测，辅助科学决策；人机交互体系实现软件平台建设，服务人的感知和使用，包括GIS、BIM和IoT 等引擎服务技术和安全管理、运维管理、数据资产管理、平台开发接口等业务服务技术以及分布式、云原生、微服务等集成技术，这些技术共同构成CIM的技术体系，均以其独特的优势在数字孪生城市建设中发挥作用。CIM作为数字孪生城市的支撑系统之一，这些关键技术共同作用，将城市的微观与宏观、静态与动态、过去/现在与未来的信息有机融合，为新型智慧城市建设奠定了良好基础，对未来城市治理有不可估量的价值[34]。面向未来，关键技术体系体现海量数据分析、智慧推演预测、用户功能开放的发展趋势，为CIM向以人为本和科学决策发展提供支撑。