数字孪生在新型智慧城市建设中的应用都有哪些？

数字孪生在新型智慧城市建设中可以进行数字孪生流域建设、数字孪生排水管网、数字孪生桥梁防撞指挥等应用场景，进行数字化、精细化、可视化管理。

一、数字孪生流域政策环境：

2021年12月23日水利部召开推进数字孪生流域建设工作会议，水利部部长李国英提出：“数字孪生流域是以物理流域为单元、时空数据为底座、数学模型为核心、水利知识为驱动，对物理流域全要素和水利治理管理全过程的数字化映射、智能化模拟，实现与物理流域同步仿真运行、虚实交互、迭代优化”，同时强调以数字化、网络化、智能化为主线，以数字化场景、智慧化模拟、精准化决策为路径，以算据、算法、算力建设为支撑，加快推进数字孪生流域建设，实现预报、预警、预演、预案功能。

二、水利信息化发展现状：

①透彻感知能力不足：

水利感知的覆盖范围和要素不全，对于水文信息、环境信息、工程信息等方面的监测能力已经不能满足现有业务发展和管理需要，虽然现在能够通过地面、水上、航空、航天等技术与设备进行信息采集工作，但整体智能化水平仍处于相对较低的程度。对于将要建设的数字孪生流域体系要求仍有较大的距离，物联网技术与设备也没有得到充分的利用，且通信基础能力较为薄弱，在网络带宽、应急措施方面均有不足。

②信息基础设施“算力”欠缺：

现有水利业务网中，仅有6个省（自治区）的水利业务网能够通达到乡镇级水利单位，对于工程管理单位来说联通率更低，严重阻碍了水利业务应用“三级部署、多级应用”的发展原则。骨干网络不能满足现有数据传输、服务调用的需要。面对现在越来越多的影像、图像等数据的快速增长，缺乏大数据处理、云计算与数据存储能力。

③信息资源开发利用有待提升：

水利内部信息系统缺乏整合，导致现有水利设施基础信息不全、准确性不高、基础数据不统一、对象代码不统一、数据标准不统一等问题，各类业务和各级部门间存在数据“重采、重存”的现象。同时对所需要的如地质信息等联系紧密的外部信息缺乏共享，联动不足。

④业务应用智能化水平差距较大：

现有水利信息系统中的水利工程、水资源开发、水灾旱灾防御、水土保持等业务均存在业务与信息技术融合不深入，智能化水平不足，对于5G、AI、大数据、物联网等新兴技术未能充分应用，最终导致信息系统对业务发展支撑能力薄弱的问题。

三、水利数字孪生，实现物理空间数字化映射与智慧化模拟

广东地空智能科技有限公司协同水利专业机构，在智慧水利领域进行了相关的钻研和实践，通过感知层抓取实时监测数据，基于全数字测量、大数据、云计算、地理信息、三维虚拟模型、人工智能、区块链等十余项高新技术，整合水利各项基础数据，以水利时空数据为重点研究对象，聚焦于水利数据的管理、展示与分析，对水利空间进行精细、全面、动态的模拟，构建水利业务横向共享、纵向联动，以此实现各级水利部门间信息联通，真正打通涉水信息孤岛，打破涉水业务分割，为管理者进行安全分析评估、工程运维管理、防汛调度管理、综合展示等提供可视化的便捷支持。数字孪生水利信息化监管平台集成数字孪生流域管理系统、数字孪生模拟仿真系统和数字孪生知识服务系统三大系统，融合与汇聚了多源数据，建立全时空、多维度、多粒度的水利全时空资源池，实现水利数据资产的一体化管理；一方面升级与拓展水利一张图，建设基础数据统一、 监测数据汇集、 二三维一体化、三级协同贯通的数字底板，提供水利场景的高保真、高稳定、高质量模拟仿真；另一方面集成耦合多维多时空尺度的水利专业模型和AI智能模型，提供集分析-模拟-表达-决策于一体的“四预”能力，为“2+N”业务提供智慧化服务。

链接：网页链接

数字孪生水利信息化监管平台聚焦数字孪生，以物理流域为单元，以水利时空数据为底座，以流域数据集成和可视化、水利模拟仿真为核心，以水利知识为驱动，运用物联网、大数据、人工智能、虚拟仿真等技术，实现物理空间内全域、全要素、全过程的数字化映射与智慧化模拟，支撑水利精准化决策。

四、整合数据，搭建数字孪生水利大数据中心：

基于水利行业相关的数据标准与规范，梳理水利数据资源目录，接入并整合多时空、多粒度、多维度水利数据，包括基础地理空间数据、业务管理数据、监测感知数据、跨行业共享数据等，经标准化处理，形成数字孪生水利大数据中心，为用户提供统一标准的数据服务。

五、分类入库，形成水利时空大数据全景图：

分类融合与汇聚多时空、多粒度、多维度水利数据，构建标准一致的水利数据资源池，形成水利时空大数据全景图，为用户提供全方位、多时空、多粒度的全时空数据资源服务。

子系统一：数字孪生流域管理系统

数字孪生流域管理系统是数字孪生水利信息化监管平台的基础，主要是建设数据底板，为模拟仿真、知识服务提供海量数据支撑。系统构筑统一门户，接入多源水利时空数据，打破数据壁垒，实现数据统一管理；建立物理空间到数字空间的虚拟映射,构建水利时空全景一张图；综合运用物联网、云计算、大数据、人工智能、地理信息等新型信息化技术手段，提供海量数据分析能力，实现对水利空间的精细、全面、动态模拟，为精细化管理提供支撑。

①多源异构数据接入，实现数据统一管理

②“物理-数字”全映射，形成水利资源“一张图”：

③软、硬件加持，助力海量数据分析：

子系统二：数字孪生模拟仿真系统

数字孪生模拟仿真系统是数字孪生流域管理系统的升级，主要是提供高保真、低延时、高稳定的三维可视化场景，为提供细化、量化、动态、直观的计算分析提供支撑。系统基于大场景高效率图形可视化技术，借助轻量化+webp+块存储+子域等一系列技术，提升整体加载效率与浏览流畅度，实现多源、多维度、多粒度数据的高保真、高质量空间化表达与仿真建模。

子系统三：数字孪生知识服务系统

数字孪生知识服务系统是数字孪生水利信息化监管平台的核心内容与最终目标，主要是集成耦合多维多时空尺度的数据模型，提供“四预”能力。系统在共享水利部本级、流域管理机构各类计算模型与计算成果的基础上，按需构建水利专业模型、人工智能模型和水利知识模型，形成数字孪生水利模型库，提供工程调度、安全监测、知识挖掘等智慧化服务，实现“预报、预警、预演、预案”功能的综合决策指挥。

①集成水利专业模型，推进水利精准模拟：

聚焦智慧水利与空间智能领域，广东地空智能科技有限公司致力于打造专业的水文-水动力-水质耦合模型，支撑流域、区域的防洪抗旱、水资源水环境的调度管理、智慧城市的防洪排涝与水环境治理、大江大河的水污染应急调度指挥等，推进水利精准化模拟与分析。

②引入AI智能模型，助力水利智慧决策：

利用遥感AI、视频AI等技术，对遥感影像进行自动解译和加工处理，对雨水情、工情、险情、旱情、水土流失、水质水环境、非法采砂、水域岸线占用等实现大尺度的动态监测预警，提升水利安全监测能力。

③建立水利知识模型，支撑水利知识服务：

以模型库、知识库为驱动，快速分析研判，优化完善应急方案，配合人员终端信息交互，为单位内部以及与流域管理机构、水利部的异地多方会商、相关人力、物力资源应急调度指挥等提供支撑。

作者 | 网络大数据

来源 | raincent_com

随着物联网的演变和发展，所有可以想象到的东西(或事物)和产业都将变得更加智能：智能家居和智慧城市、智能制造机械、智能汽车、智能健康等等。无数被授权收集和交换数据的东西正在形成一个全新的网络——物联网——一个可以在云中收集数据、传输数据和完成用户任务的物理对象网络。

物联网和大数据正在走向胜利之路。不过，要想从这一创新中获益，还需要解决一些挑战和问题。在本文中，我们很高兴与大家分享多年来在物联网咨询领域积累的知识。

物联网大数据如何应用

首先，有多种方法可以从物联网大数据中获益：在某些情况下，通过快速分析就足够了，而一些有价值的见解只有在经过深入的数据处理之后才能获得。

实时监测。通过连网设备收集的数据可以用于实时 *** 作：测量家中或办公室的温度、跟踪身体活动(计算步数、监测运动)等;实时监测在医疗保健中被广泛应用(例如，获取心率、测量血压、糖分等);它还成功地应用于制造业(用于控制生产设备)、农业(用于监测牛和作物)和其他行业。

数据分析。在处理物联网生成的大数据时，我们有机会超越监测，并从这些数据中获得有价值的见解：识别趋势，揭示看不见的模式并找到隐藏的信息和相关性。

流程控制和优化。来自传感器的数据提供了额外的上下文情境信息，以揭示影响性能和优化流程的重要问题。

▲交通管理：跟踪不同日期和时间的交通负荷，以制定出针对交通优化的建议，例如，在特定时间段增加公共汽车的数量，看看是否有改观，以及建议引入新的交通信号灯方案和修建新的道路，以减少街道的交通拥堵状况。

▲零售：跟踪超市货架中商品的销售情况，并在商品快卖完之前及时通知工作人员补货。

▲农业：根据传感器的数据，在必要时给作物浇水。

预测性维护。通过连网设备收集的数据可以成为预测风险、主动识别潜在危险状况的可靠来源，例如：

▲医疗保健：监测患者健康状态并识别风险(例如，哪些患者有糖尿病、心脏病发作的风险)，以便及时采取措施。

▲制造业：预测设备故障，以便在故障发生之前及时解决。

还应注意的是，并非所有的物联网解决方案都需要大数据(例如，如果智能家居拥有者要借助智能手机来关灯，则可以在没有大数据的情况下执行此 *** 作)。重要的是要考虑减少处理动态数据的工作量，并避免存储将来没有用处的大量数据。

物联网中的大数据挑战

除非处理大量数据以获取有价值的见解，否则这些数据完全没用。此外，在数据收集、处理和存储方面还有各种挑战。

▲数据可靠性。虽然大数据永远不会100%准确，但在分析数据之前，请务必确保传感器工作正常，并且用于分析的数据质量可靠，且不会因各种因素(例如，机器运行的不利环境、传感器故障)而损坏。

▲要存储哪些数据。连网设备会产生万亿字节的数据，选择存储哪些数据和删除哪些数据是一项艰巨的任务。更重要的是，一些数据的价值还远远没有显现出来，但将来您可能需要这些数据。如果您决定为将来存储数据，那么面临的挑战就是以最小的成本做到这一点。

▲分析深度。一旦并非所有大数据都很重要，就会出现另一个挑战：什么时候快速分析就足够了，什么时候需要进行更深入的分析以带来更多价值。

▲安全。毫无疑问，各个领域的连网事物可以让我们的生活变得更加美好，但与此同时，数据安全也成一个非常重要的问题。网络罪犯可以侵入数据中心和设备，连接到交通系统、发电厂、工厂，并从电信运营商那里窃取个人数据。物联网大数据对于安全专家来说还是一个相对较新的现象，相关经验的缺失会增加安全风险。

物联网解决方案中的大数据处理

在物联网系统中，物联网体系架构的数据处理组件因输入数据的特性、预期结果等而不同。我们已经制定了一些方法来处理物联网解决方案中的大数据。

数据来自与事物相连的传感器。“事物”可以是任何物体：烤箱、汽车、飞机、建筑、工业机器、康复设备等。数据可以是周期性的，也可以是流式的。后者对于实时数据处理和迅速管理事物至关重要。

事物将数据发送到网关，以进行初始数据过滤和预处理，从而减少了传输到下一个物联网系统中的数据量。

边缘分析。在进行深入数据分析之前，有必要进行数据过滤和预处理，以选择某些任务所需的最相关数据。此外，此阶段还可以确保实时分析，以快速识别之前在云中通过深度分析所发现的有用模式。

对于基本协议转换和不同数据协议之间的通信，云网关是必需的。它还支持现场网关和中央物联网服务器之间的数据压缩和安全数据传输。

连网设备生成的数据以其自然格式存储在数据湖中。原始数据通过“流”进入数据湖。数据保存在数据湖中，直到可以用于业务目的。清理过的结构化数据存储在数据仓库中。

机器学习模块根据之前积累的历史数据生成模型。这些模型定期(例如，一个月一次)用新数据流更新。输入的数据被累积并应用于训练和创建新模型。当这些模型经过专家的测试和批准后，控制应用程序就可以使用它们，以响应新的传感器数据发送命令或警报。

总结

物联网产生大量数据，可用于实时监控、分析、流程优化和预测性维护等。然而，应该记住，从各种格式的海量数据中获得有价值的见解并不是一件容易事情：您需要确保传感器工作正常，数据得到安全传输和有效处理。此外，始终存在一个问题：哪些数据值得存储和处理。

尽管存在一些挑战和问题，但应记住，物联网的发展势头强劲，并可以帮助多个行业的企业开辟新的数字机遇。

行业主要上市公司：海康威视(002415)、易华录(300212)、大华股份(002236)、千方科技(002373)、五洋停车(300420)、新智认知(603869)、众合科技(000925)、四维图新(002405)、皖通科技(002331)等

本文核心数据：智慧交通行业链、行业规模、应用市场结构、竞争格局、发展前景预测等

行业概况

1、定义：智慧交通概念源于智能交通 更区别于智能交通

智慧交通的概念来源于智能交通，智能交通最早在1960年由美国智能交通协会提出，其认为智能交通系统ITS(Intelligent
Transportation
System)是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成并运用于交通系统，从而提高交通系统效率的综合性应用系统。

2009年，IBM首次正式提出智慧交通的概念。2012年中国《国家智慧城市(区、镇)试点指标体系(试行)》当中，首次提出了智慧交通的概念。中国交通运输部规划研究院认为，智慧交通指的是在城市已有的道路基础设施的基础上，将信息技术集成运用于传统的交通运输管理中，整合交通数据资源的同时协同各个交通管理部门，由此形成的结合虚拟与现实的，提供一体化的综合运输服务的智慧型综合交通运输系统。

2、产业链剖析：智慧交通产业链覆盖范围广

智慧交通行业链上游主要是提供信息采集与处理的设备制造商，中游包括软件和硬件产品提供商、解决方案提供商，下游以运营/集成/内容等第三方服务商为主。

行业链各环节玩家众多，传统安防企业、互联网厂商、云计算服务商、算法提供商等均开始进入智慧交通各细分领域。

智慧交通行业上游制造商具体包括数据提供商、算法提供商与电子器件制造商，相关代表企业有商汤科技、腾讯、同有科技、拓尔思、金溢科技等。

中游产品与服务领域可以细分为智慧交通硬件制造商、软件开发商与解决方案提供商，硬件制造代表企业有海康威视、千方科技、天迈科技等;智慧交通软件开发企业包括四维图新、易华录、四创电子与三大互联网巨头等;一体化智慧交通解决方案代表企业主要有大华股份、佳都科技、万集科技与银江技术等。

在下游智慧交通服务市场，代表企业如多伦科技、车联网络与大众交通等，为交通领域提供智慧化的咨询与运营服务。

行业发展历程：当前中国智慧交通行业处于快速成长阶段

2010年至今，随着大数据、机器学习等技术的不断发展，基于人工智能的车路协同、自动驾驶、智能出行等将会成为智慧交通系统技术发展的关键方向。

相对比发达国家，中国智慧交通产业发展起步时间较晚，智能交通向智慧交通的演变历程，大致可以概况为以下四个发展阶段。当前，中国智慧交通行业处于快速成长阶段。

行业政策背景：智慧交通进一步发挥“新基建”的支撑作用

从2015开始，政府层面持续出台相关政策法规推进智慧交通行业快速发展，以匹配现代化经济体系的建设需求，为全面建成社会主义现代化强国提供重要基础支撑。2020年以来，我国智慧交通相关政策更是频出，智慧交通基础建设成为行业发展重点，2021年9月交通运输部发布的《交通运输领域新型基础设施建设行动方案(2021—2025年)》提出到2025年，我国将打造一批交通新基建重点工程，智能交通管理将得到深度应用。

行业发展现状

1、行业市场规模：行业投资规模超3600亿元

随着智慧城市建设的转型升级，我国对智慧城市的投资规模也在不断扩大，根据中国信通院公布的智慧城市投资规模数据，2020年智慧城市相关项目总投资约为24万亿元，初步统计2021年约为26万亿元。以IDC统计的智慧交通占智慧城市的投资比重为14%进行测算，初步统计2021年中国智慧交通投资规模约为3640亿元。

2、行业招投标情况：行业招投标规模高速增长

——智慧交通千万项目规模快速增长

根据ITS114统计数据，2015年以来我国智慧交通市场呈现快速增长状态。根据ITS114不完全统计，2021年中国城市智慧交通(除停车)千万项目市场规模27641亿，同比增长2163%，项目数量1664个，项目平均投资规模166114万元;如果将135亿的停车项目加进来，那么千万项目总市场盘子超过了411亿，同比增长389%，项目数量1958项。

——运营商、互联网与传统交通建设企业为智慧交通领域主要中标人

据ITS114数据统计显示，截止2021年12月底，智能交通千万项目中标金额总和最高的是移动系，中标总金额为1509亿元，中标项目有117项;排名第二的是电信系，中标金额为1271亿元，中标项目有40项;排名第三的是德州静态交通，其单一中标项目金额达到739亿元;排名第四的是海信网络，中标总金额为722亿元，中标项目数30项。

3、智慧交通细分领域分布：智慧停车占据主要市场

根据ITS114统计，大型项目方面，2021年城市智慧停车中标过亿项目22个，总计为8973亿，数量较多，规模大。

2021年城市智慧交通市场(除停车项目)中标过亿项目21个，中标过亿项目市场规模总计约为5656亿。其中交通管控市场中标过亿项目7个，总计为1784亿;智慧运输市场中标过亿项目13个，总计为2913亿;其他项目1个，大理州城市感知能力提升项目(96亿)。

行业竞争格局

1、区域竞争：中国智慧交通企业主要分布在京津冀与东部沿海等交通发达地区

在国家政策牵引下，目前全国涌现出包括北京、上海、无锡、常州、重庆、长沙、武汉、海南等大量的示范区，进行智慧交通车路协同的业务应用示范。

截至2021年，全国已经有工信部和交通部批复共计40家智慧交通车联网业务应用示范区在全国落地，主要分布在中南部与东部沿海等交通发达地区。中国智慧交通行业示范区地域分布情况如下：

从前瞻统计的智慧交通行业30家代表性上市企业的区域分布来看，智慧交通行业的上市公司主要集中在北京、广东、上海与浙江等京津冀与东部沿海地区，其中北京与广东的代表性上市企业数量之和达14家，占比接近50%。

注：图中数据仅包含前瞻统计的30家上市企业。

从招投标市场来看，据ITS114统计数据，截至12月31日，2021年城市智慧交通市场(除停车项目)中标过亿项目20个，中标过亿项目市场规模总计约为55亿。从中标项目的区域分布来看，西南、华南、华北与华东地区为我国智慧交通行业发展的主要区域，四者合计占比超过90%。因此，从整体区域分布来看，中国智慧交通企业的区域集中度较高。

、企业竞争：传统交通信息化企业为行业主要玩家 企业业务布局各有侧重

2021年11月，IDC发布的《智慧交通管理应用级解决方案市场份额，2020》数据显示，中国智慧交通行业依旧以传统交通信息化领域的玩家为主。其中，国内车路人云自主协同一体化智慧交通解决方案提供商千方科技以17%的市占率占据行业主导地位;专业从事交通智能化技术应用服务的企业银江技术以14%的市占率位居第二;海信网科围绕云计算、大数据、人工智能等技术构建的交管云脑解决方案为核心，占据近10%的市场占有率，位居全国第三。

注：截止2022年9月30日，暂未有权威机构统计2021年数据，故上述市场份额仅以2020年数据作以分析，仅供参考。

从智慧交通业务布局情况来看，代表性企业的重点布局区域侧重于京津冀及东部沿海等交通发达地区，比如千方科技主要布局长三角、珠三角及京津冀地区，佳都科技主要布局华东、华南的大型一线城市。

从中国智慧交通行业代表性企业的业务情况来看，行业龙头企业如千方科技的经营规模均明显高于其他企业，2021年智慧交通业务营业收入超过46亿元，而天迈科技与多伦科技的营业收入不足3亿元;从盈利情况来看，行业毛利率水平也因业务侧重点的不同而呈现出分层差异，例四维图新、万集科技与捷顺科技的毛利率水平均超过45%，而佳都科技与中远海科的毛利率平均水平不足20%。

整体来看，千方科技、四维图新与佳都科技等企业在中国智慧交通行业拥有较强的竞争力。

行业发展前景及趋势：智慧交通市场潜力巨大，未来有望保持高速增长

近年来我国公路、铁路、水运、航空等交通行业都得到了飞速发展，但是各种出行方式之间信息交互仍然滞后，未来随着信息化和智能化进一步提高，各种出行方式信息共享和智能化服务技术将得到充分发展和应用;在国家政策大力扶持、科学技术飞速前进的大背景下，巨大的市场空白及发展空间使各行业企业争相入驻，在各分支领域为出行者提供了更加精细、准确、完善和智能的服务;政府积极出台各项政策法规，为各行业参与智慧交通建设部门提供了政策支持和辅助。基于以上因素，我国智慧交通建设必将继续保持高速增长。

随着中国智慧城市建设加快，预计中国智慧城市行业市场规模将快速增长，到2027年，中国智慧交通行业的投资规模有望超过6400亿元。

更多本行业研究分析详见前瞻产业研究院《中国智慧交通行业市场前瞻与投资战略规划分析报告》。