.数字孪⽣愿景

.数字化孪⽣-DataV.City-Lite三维数字城市公共云版

.要成为基于云计算的数字公共基础设施

.可视化服务是数据孪⽣城市的基建

.三维城市呈现标准体系

图形等级定义图形⽣成-PBR图形⼯作流

我们为什么⽤PBR 图形增强算法与规则建模三维图形资产上云

建模流程示意

.数字孪⽣城市的叙事

. .更多可能性——便利的数据融合与场景交互能⼒

.数字孪⽣背后的智能设计

三维城市场景⻛格智能切换智能⾊彩

识图⽣成

.结语-四⼤核⼼能⼒推动数字孪⽣城市的技术普惠

数字孪⽣城市核⼼能⼒⼀：要成为基于云计算的数字公共基础设施数字孪⽣城市核⼼能⼒⼆：城市数字资产的⾼覆盖率数字孪⽣城市核⼼能⼒三：数据融合与场景交互能⼒

数字孪⽣城市核⼼能⼒四：第三⽅友好的开放性平台

作者：阿⾥云设计中⼼ ⼗修/郑雅

1.数字孪⽣愿景

数字孪⽣最早是应⽤于⼤型装备制造业领域的⼀项⾰命性创新，通过搭建⼀个将制造流程全部进⾏整合的数字孪⽣⽣产系统，实现从产品设计、到⽣产计划、再到制造执⾏的全过程数字化；这样⼀个数字孪⽣⽣产系统，让⼤型⼯业装备制造领域从此提升⾄⼀个全新的⾼度。

数字孪⽣概念与城市数字化管理结合之后，便诞⽣了“数字孪⽣城市”的概念。作为物理世界镜像的数字孪⽣城市，物理城市之中所有的建筑、道路、设施、⼈等等对象，都在数字城市有虚拟映像；数字城市表征物理城市并映射真实城市的⼀举⼀动，虚实两个平⾏世界同步运转，实现视觉、数据与互动的统⼀；可以说数字孪⽣城市是“智慧城市”业务的终极形态。

之前DataV也⽀持了很多数字城市项⽬与城市可视化场景，如城市⼤脑系列、云栖⼤会、天猫双11等等，但是这些项⽬⽆⼀例外都是以线下⼤项⽬制的⽅式推进的，具有成本⾼、周期⻓等局限性。

2.数字化孪⽣-DataV.City-Lite三维数字城市公共云版

但是如上图的⼀个数字城市项⽬，其成本和周期不是中⼩企业或者个⼈⽤户可以承受的；为了降低普通⽤户⻔槛，DataV将三维时空可视化引擎、可视化数据服务等数字孪⽣城市相关业务迁移到了公有云之上，并推出了“⼀键⽣成数字孪⽣城市”产品-DataV.City-Lite。⽤户不需要安装任何专⽤客户端软件，可以使

⽤windows/mac/linux等主流系统平台，在地图上框选⼀块区域，即可⼀键⽣成三维数字城市。

2.1要成为基于云计算的数字公共基础设施

没有基于云计算⽀撑成为数字公共基础设施的数字孪⽣产品，是⽆源之⽔；单个企业/个⼈根本⽆法承担构建数字孪⽣城市的天量成本；只有依靠云计算的优势，极度压低数字孪⽣城市的边际⽣产成本与⽤户使⽤成本，中⼩企业才能负担得起，才能实现普惠效应。

为了更好地构筑⼀个“数字孪⽣城市”，我们⾸先梳理并制定了“城市”的可视化信息呈现规范，它就好⽐最基础的⻣骼和结构，定义了所有的信息以什么样的形式和层级，才能井井有条地清晰呈现给观者。

我们将“城市”分为两⼤部分：

⼀是由⾃然环境和城市基础设施构筑的城市基底，它是物理世界在数字世界的真实投影；

⼆是⽤物理世界中产⽣的⽤户和场景数据，通过可视化的形式在空间关系上进⾏组织，这样的数据图元是

⼤数据时代下的城市数字镜像。两者组成了⼀个完整的“数字孪⽣城市”。

【三维城市数字孪⽣体系】

2.2可视化服务是数据孪⽣城市的基建

“可视化数据服务”是互联⽹时代数字世界可视化的基础设施，作为底层服务⽀持构建“数字孪⽣城市”的“云端数字地球”资产库；同时打造可视化⽣态，融合阿⾥datav与第三⽅如unreal、unity等主流可视化引擎。在通⽤渲染数据规范URBS之上，经过可视化增强算法对各类城市地理要素、业务数据的关联加⼯与可视化处理，提供⽀持各类渲染引擎的通⽤渲染数据。

主要服务包括：⾃然环境要素/城市基础要素/业务数据Mapping/社会⼈⽂数据集

【数据服务】

2.3三维城市呈现标准体系

对应这样的城市⻣骼，DataV.City组件由⽗容器和⼦组件组成，⽗容器对应城市基础底座，由地形、⽔体、绿地、路⽹和建筑5⼤信息层构成。在它们组成的底座上，不同的数据映射图元以点、线、⾯、体、场、图这⼏类基本可视化形态展示在空间关系上，通过⼦组件⼦组件的形式整合在⽗容器之上，共同构成了整个DataV.City组件。

建筑分为L1—L5五个模型级别,L3—L5需要⼈⼯建模；L1—L2为⾃动化过程建模；各等级定义如下：

图形等级定义

 L1：程序建模，也称“⽩模建筑”，通常是由GeoJson⽂本数据拉伸⽽成的极简盒型建筑模型；除⽴⾯外，没有任何外观细节；⼏何体顶点数据通常可以附带楼⾼、楼层数量、楼⾯宽度、楼⾯UV等数据信息进⾏程序化贴图；

 L2：经过细节增强的程序建模，也称“细节增强⽩模建筑”，⽴⾯可以做楼层分成增强、⻔窗区域增

强；楼顶通常做随机的细节增强，如坡顶、尖顶、增加空调机房、增加顶部围栏等细节；⼏何体顶点数据通常可以附带楼⾼、楼层数量、楼⾯宽度、楼⾯UV等数据信息进⾏程序化贴图；

 L3：⼈⼯建模，具备建筑外部主要⼏何轮廓，细节可以忽略；不超过5种材质种类；不包含内部⼏何细节；

L4：⼈⼯建模，具备建筑外部精确细节；材质种类丰富；不包含内部⼏何细节；

L5：⼈⼯建模，具备建筑外部精确细节；材质种类丰富；包含内部⼏何细节，根据项⽬需求对特定楼层、区域进⾏分组拆分；根据项⽬需求制作建筑展开、位移动画；

【建筑层-图形分级】

图形⽣成-PBR图形⼯作流

PBR(Physically Based Rendering)基于物理的渲染，是⼀种能对光在物体表⾯的真实物理反应提供更精确着⾊与渲染⽅法。我们为什么⽤PBR 因为PBR的⽅法论和算法都是基于物理精确的公式实现的，它的⼯作流更加系统规范化，⽽且有许多成型的辅助⼯具和实验测定的物理参数，场景和模型在所有光线条件下都会表现得⾮常精确.PBR提供了⼀个稳定的⼯作流，保持相对稳定定的输出模式。DataV图形⼯作流是采⽤Metalness-Roughness建模⼯作流，通常包括6种贴图，具体包括：Metalness / Roughness / BaseColornormal / Occlusion / Emissive

【基于PBR图形⼯作流图形资产建设基本链路】

因为PBR是基于真实的物理参数，所以按照它的⼯作流规范制作出来的模型、材质，放在任何光照条件下都是正确的。也就是说，⼀套模型或者材质可以重复使⽤，这就使得建造材质库得以实践。【粗模-采⽤PBR图形⼯作流前后对⽐】

【精模PBR贴图光测试效果】

图形增强算法与规则建模

三维数字城市⼤屏展示的地理空间范围⼤，交付周期短，建筑作为城市的主体要素，传统的⼿⼯建模难以满⾜⼤屏交付的时间和成本要求， 需要提供⼀种快速的⾃动化建模⽅案快速⽣成城市的建筑要素，同时能够提供⾜够的建筑⼏何体细节，满⾜三维数字城市⼤屏的展示需求。

在数字化规则建模过程：1.原始的GeoJSON⽮量地理数据。2.提取要素的⼏何轮廓、⾼度数据（通过⾼度数据划分⾼/中/低楼）计算要素间的空间关系如相交关系、相互包含关系。

3.如果要素在空间上不与其他要素相交也不与其他要素相互包含，则要素的⼏何轮廓代表⼀个完整的建筑底⾯；

（1）根据要素的⼏何轮廓形状和⾼度信息，判断要素的建筑类型，建筑类型包含商业⼤楼、⾼层居⺠住宅、平房居⺠住宅、⼚房及体育场等；

（2）根据要素的⼏何轮廓和⾼度数据进⾏拉伸构建建筑⼏何体；

（3）根据要素的建筑类型，对拉伸后的建筑⼏何体进⾏细节增强，增加屋顶、⻔窗等⼏何体结构。如平房居⺠楼住宅通常为尖顶，商业⼤楼通常层⾼较⼤且多为玻璃幕墙结构；

建筑层中L1—L5五级的建筑模型⾥L1-L2的模型属于“程序化建模”，通过呈现化建模⽣成，其中将和地图⾥的三维视图相⽐对图形进⾏了视觉增强算法，同时⽀持各通道PBR贴图，建筑进⾏“顶⾯”“⽴⾯”基本拆分，建筑类型和要素所表达的建筑结构来对要素进⾏⼏何体⽣成和细节增强；

三维图形资产上云

⽤户可以跟进业务具体需求与城市业务地理范围直接调⽤精模资产。建筑层中L1—L5五级的建筑模型⾥

L1-L2的模型属于“程序化建模”，通过呈现化建模⽣成，其中将和地图⾥的三维视图相⽐对图形进⾏了视觉增强算法，同时⽀持各通道PBR贴图，建筑进⾏“顶⾯”“⽴⾯”基本拆分，建筑类型和要素所表达的建筑结构来对要素进⾏⼏何体⽣成和细节增强。

建模流程示意

为了在云上搭建我们的图形资产，我们构建标准图形资产上云流程，图形资产按业务需求等级划，标准化建模适配到各图形引擎输出到数据地理位置完成图形资产上云过程。

【三维图形资产⽣产与上云链路】

【建⽴多套的的⻛格化图形云上资产】

【三维基地⻛格化】

3.数字孪⽣城市的叙事

数字城市是真实城市⾏为的映射，想要清楚地还原现实世界的⼀举⼀动，⼀个静态的城市是不够的，还需要通过镜头动画叙事，展示城市中的数据故事，从⽽实现实现虚实两个平⾏世界同步运转，帮助⽤户更准确快速地获取到数据信息，让这座“数字孪⽣城市”真正“动”起来。通常情况下，可视化搭建⼯具中的组件以往都是通过设置⾯板的参数调整具体位置和视⻆，在DataV.City 中，为了配合⽤户更便捷地设置城市镜头动画，特别增加了沉浸式编辑模式，⽤户可以聚焦在城市场景

中，通过⿏标实时调整地图的展示视⻆，直接在场景中完成相机镜头位置设置，所⻅即所得。DataV.City 为公共云⽤户提供了两种最常⽤的镜头动画模式：绕轨和路径，配合沉浸编辑和镜头位置设置功能，使⽤者⽆需调整复杂的参数即可快速配置镜头动画，描绘出每个数字孪⽣城市独特的数据叙事。

【沉浸式编辑模式】

【演示镜头设置 - 视频】

Powered by Froala Editor