Maturity model and assessment method of digital twin cities

doi:10.12267/j.issn.2096-5931.2023.08.002

Abstract

Abstract:

Maturity is used to describe the development process of the assessment object from the low level to the high level. With the exploration of digital twin cities, how to effectively assess the development level and guide orderly construction has become an important proposition in the field of digital twin cities. Based on international and domestic maturity research, first, the connotation of digital twin city maturity is defined. Then, a maturity model of digital twin city is built, which classifies the characteristics of digital twin city from level 1 to level 5, and covers five dimensions and 19 indicators of digital twin city assessment. A quantitative assessment method is also proposed. Finally, suggestions are given for the application of the maturity model of digital twin city, which is expected to provide useful references for the assessment, certification and upgrading of digital twin city project.

Key words: digital twin, digital twin city, maturity model, urban digitization, digital transformation

CLC Number:

TP39

ZHANG Jingtao, YAN Jiahao, CHEN Cai, HUO Xiaojun, ZHANG Yuxiong, CUI Ying. Maturity model and assessment method of digital twin cities[J]. Information and Communications Technology and Policy, 2023, 49(8): 8-17.

Add to citation manager EndNote|Ris|BibTeX

URL:

http://ictp.caict.ac.cn/EN/10.12267/j.issn.2096-5931.2023.08.002

http://ictp.caict.ac.cn/EN/Y2023/V49/I8/8

Figures/Tables 10

References 11

[1]	中国信息通信研究院. 数字孪生城市白皮书(2022)[R]. 2022.
[2]	张竞涛, 陈才, 崔颖, 等. 数字孪生城市框架与发展建议[J]. 信息通信技术与政策, 2022, 48(12):2-11.
[3]	MANKINS J C. Technology readiness levels: a white paper[R]. 1995.
[4]	PAULK M. Capability maturity model for software[M]. New York: John Wiley & Sons, Inc, 2002.
[5]	U.S. Department of Defense. Manufacturing readiness level (MRL) deskbook[R]. 2015.
[6]	全国信息技术标准化技术委员会. 数据管理能力成熟度评估模型:GB/T36073—2018[S]. 北京: 中国标准出版社, 2018.
[7]	工业和信息化部. 智能制造能力成熟度模型:GB/T 39116—2020[S]. 北京: 中国标准出版社, 2020.
[8]	工业4.0研究院. 数字孪生体报告[R]. 2021.
[9]	陶飞, 张辰源, 戚庆林, 等. 数字孪生成熟度模型[J]. 计算机集成制造系统, 2022, 28(5):1267-1281.
[10]	中国信息通信研究院. 数字孪生城市成熟度研究报告(2022)[R]. 2022.
[11]	中国信息通信研究院. 数字孪生城市白皮书(2019)[R]. 2019.

评估维度(5项)	二级指标(19项)
数据	数字孪生体
	数据管理
	数据质量
能力	物联感知操控能力
	全要素数字化表达能力
	可视化呈现能力
	数据融合供给能力
	时空分析计算能力
	模拟仿真推演能力
	虚实融合互动能力
	自学习自优化能力
	众创扩展应用能力
应用	应用效果
	服务协同
	客户体验
运营	项目管理
	人才支撑
	运营模式
安全	安全保障

评估维度(5项)	二级指标(19项)
数据	数字孪生体
	数据管理
	数据质量
能力	物联感知操控能力
	全要素数字化表达能力
	可视化呈现能力
	数据融合供给能力
	时空分析计算能力
	模拟仿真推演能力
	虚实融合互动能力
	自学习自优化能力
	众创扩展应用能力
应用	应用效果
	服务协同
	客户体验
运营	项目管理
	人才支撑
	运营模式
安全	安全保障

维度	二级指标	一级要求	二级要求	三级要求	四级要求	五级要求
数据	数字孪生体	尚未建立城市数字孪生体。尚未建立统一编码体系	构建部分孪生体: 应实现某一场景中部分实体对象,构建数字孪生体。尚未形成统一的数字孪生体管理机制。对某一行业的部分实体对象实现统一编码调度	元数据规范管理: 应在某一场景中,实现全部实体对象按照孪生体元数据规范,构建数字孪生体。在某一行业中实现统一编码	元数据更新机制: 应在多数场景中,构建城市数字孪生体,并按照数字孪生体元数据规范进行数据管理、数据更新和数据校验。项目所涉及的多数行业,均实现统一编码	提炼标准: 应实现平台所有场景中实体对象按照数字孪生体统一构建、统一编码、统一管理,并提炼形成地方标准或行业标准
	数据管理	初建规范: 应具备初步的数据管理规范,包括数据资源目录、元数据目录等	明确流程: 应初步明确数据管理规范和流程;应具备初步的感知数据、时空数据等管理规范	明确架构: 应建成较为完善的数据管理体系,明确数据管理单位和人员架构;应具备初步的数据安全流动管理要求	持续改进: 应建立完善的数据动态更新制度,持续完善数据管理体系,应具备完善的数据安全流动管理要求	全生命周期管理: 应实现数据资源全生命周期管理;针对数字孪生体,应形成数据资产化管理制度,实现安全有序高效流动
	数据质量	数据建库: 建立了基本的数据库,如时空地理信息数据库、建筑信息模型数据库等	数据集成: 建立数据整合、数据质量检查、数据定期更新工作机制	数据融合: 数据资源应围绕实体对象实现多源数据融合,初步形成数字孪生体对象,实现数据跨领域融合	数据调用: 数据资源围绕实体对象、业务流程整合,形成涵盖标识、状态、时空、关系、能力等核心属性的孪生体,并提供调用和服务接口	数据价值化实践: 数据资源应基本实现按需调用。探索开展数据资产化管理、数据产品、数据服务等数据价值化实践

维度	二级指标	一级要求	二级要求	三级要求	四级要求	五级要求
数据	数字孪生体	尚未建立城市数字孪生体。尚未建立统一编码体系	构建部分孪生体: 应实现某一场景中部分实体对象,构建数字孪生体。尚未形成统一的数字孪生体管理机制。对某一行业的部分实体对象实现统一编码调度	元数据规范管理: 应在某一场景中,实现全部实体对象按照孪生体元数据规范,构建数字孪生体。在某一行业中实现统一编码	元数据更新机制: 应在多数场景中,构建城市数字孪生体,并按照数字孪生体元数据规范进行数据管理、数据更新和数据校验。项目所涉及的多数行业,均实现统一编码	提炼标准: 应实现平台所有场景中实体对象按照数字孪生体统一构建、统一编码、统一管理,并提炼形成地方标准或行业标准
	数据管理	初建规范: 应具备初步的数据管理规范,包括数据资源目录、元数据目录等	明确流程: 应初步明确数据管理规范和流程;应具备初步的感知数据、时空数据等管理规范	明确架构: 应建成较为完善的数据管理体系,明确数据管理单位和人员架构;应具备初步的数据安全流动管理要求	持续改进: 应建立完善的数据动态更新制度,持续完善数据管理体系,应具备完善的数据安全流动管理要求	全生命周期管理: 应实现数据资源全生命周期管理;针对数字孪生体,应形成数据资产化管理制度,实现安全有序高效流动
	数据质量	数据建库: 建立了基本的数据库,如时空地理信息数据库、建筑信息模型数据库等	数据集成: 建立数据整合、数据质量检查、数据定期更新工作机制	数据融合: 数据资源应围绕实体对象实现多源数据融合,初步形成数字孪生体对象,实现数据跨领域融合	数据调用: 数据资源围绕实体对象、业务流程整合,形成涵盖标识、状态、时空、关系、能力等核心属性的孪生体,并提供调用和服务接口	数据价值化实践: 数据资源应基本实现按需调用。探索开展数据资产化管理、数据产品、数据服务等数据价值化实践

维度	二级指标	一级要求	二级要求	三级要求	四级要求	五级要求
能力	物联感知操控能力	非实时感知,弱操控力: 1.特定协议与设备接入:应支持特定感知协议和设备的接入,以有线接入方式为主 2.设备管理:应支持部分物联感知设备的远程管理;仅支持单向感知数据流,尚未实现双向控制数据流	实时感知、部分操控 1.实时感知:应支持绝大部分物联感知协议和设备接入,实现海量信息的实时感知 2.远程操控:应实现感知终端设备的远程管理;部分感知设施实现远程智能控制	全景感知、智能操控 1.全景感知:应实现对城市运行状态的全方位、立体化智能感知和数据处理 2.智能交互操控:应实现在线化的语音、语义智能交互控制
	全要素数字化表达能力	非结构化几何模型构建能力: 应形成城市地形、建筑物等非单体化模型,包含外观、位置、高度等属性	结构化几何模型构建能力: 应实现城市基础骨架、部件、设备等模型构建,并进行单体化分割与材质贴图	语义化实体模型构建能力: 应形成语义化模型,满足数据查询、时空分析和空间数据挖掘计算等需求	融合业务模型的实体模型构建能力: 应实现城市信息模型叠加行业知识与专业模型,描述城市经济、社会等专业机制机理,形成对城市运行、演化规律的描述	基于AI技术的实体模型构建能力: 应实现自动建模、智能提取等能力在建模中的应用,具备AI驱动的建模能力
	可视化呈现能力	静态场景渲染: 应支持静态场景材质、纹理的呈现。应支持业务相关属性和信息在二、三维模型中展示	动态场景渲染: 应支持水流、交通流等动态场景可视化呈现。应支持统计分析数据、工艺流程等在二、三维场景中融合展示	实景环境渲染: 应支持真实场景呈现,支持模型细节厘米级还原。应支持基础气象、四季、24小时光影等环境下静态场景可视化呈现	参数化仿真渲染: 应支持不同视距下场景渲染流畅、连贯、平滑呈现。应支持业务逻辑在数字空间可呈现、可编辑	沉浸式实时渲染: 应支持动态场景可视化以及动态模拟。应支持精细真实场景效果可视化呈现,如基于物理渲染的材质、毛发等效果呈现
	数据融合供给能力	同源同构数据融合: 应支持基础测绘类模型数据接入加载。应支持通过标识编码将对象属性与要素进行关联。应支持数据质量检查	多源同构数据融合: 应支持设计类模型数据接入加载。应支持物联网数据与时空模型的融合	同源异构数据融合: 应支持建筑信息模型数据与地理信息模型数据的融合。应支持模型数据坐标转换。应支持实时动态数据的接入与加载	多源异构数据融合: 应支持业务数据与空间信息模型、建筑信息模型、物模型等融合。应支持实体对象之间的空间位置关系、从属关系和业务逻辑等关系的构建。应支持海量数据实时、流畅预处理
能力	时空分析计算能力	时空定位: 应具备基本的空间几何计算能力,在部分场景中实现对实体对象空间定位。如对城市感知设施进行定位等	时空感知: 应具备较为完善的空间几何计算能力,能够实时感知时空变化,实现空间数据统计分析等功能。如对无人车实时位置监测等	时空分析: 应具备时空知识抽取、时空知识融合、时空数据语义化分析的能力。初步建立时空知识图谱。如实现对时空数据进行语义化分析等	时空推理: 应建成城市级与园区级时空知识图谱,应实现人工智能技术与时空分析计算能力的融合,实现时空知识推理、智能决策等能力。如进行规划推演、选址推荐等	时空智能: 应建立多维度、多场景的时空知识图谱,应具备时空AI分析计算、时空图谱训练等能力。如实现对城市时空AI图谱进行自监督训练,提升预测能力等
	模拟仿真推演能力	尚未具备模拟仿真推演能力	设施仿真: 应实现某一场景中设施级或重点环节的模拟仿真。如某一楼宇各类传感设备的仿真	流程仿真: 应实现某一场景中流程级场景的仿真能力。如某一楼宇客流控制流程的仿真	跨行业仿真: 应具备跨行业场景模拟仿真能力,并给出辅助行业管理的建议。如车流人流综合管控的仿真	多学科仿真: 应具备跨行业、跨学科的复杂场景模拟仿真能力。如数字孪生监测环境、气象、安全等多学科指标,实现城市体征监测和预警
	虚实融合互动能力	尚未具备虚实融合互动能力	视频挂接: 应支持视频流接入,以悬浮窗口形式在三维模型中显示	虚实结合: 应支持同一空间场景中多路视频的叠加;应支持通过增强现实等技术手段实现虚拟场景中距离、面积的测算	虚实融合: 应支持视频与三维空间场景的融合。支持增强现实等技术手段实现对摄像头等终端设备进行远程控制	虚实交互: 应支持视频画面随三维场景的视角变换进行仿射变换。支持通过语音、手势等方式实现对场景内容进行编辑
	自学习自优化能力	尚未具备自学习自由化能力	自动监测: 应在某一场景中初步具备自动监测、数据自动统计的能力	主动发现: 应具备基于人工智能技术的数据智能分析、主动发现问题的能力,并实现实时预警	辅助决策: 应基于人工智能分析的结果,给出智能决策、智能预测的建议	自主优化: 应融合通用大模型、行业大模型等能力,形成问题自动发现、智能决策、自动处置的闭环运行机制
	众创扩展应用能力	政府独建: 项目应满足政府内部城市运营管理需求,能力和数据暂未对外开放	政企共建: 实现政企协同运营数字孪生平台,通过签订协议保障城市孪生体数据安全	场景开放: 应实现开放部分数字孪生场景,并通过揭榜挂帅等方式吸引更多企业参与场景建设	能力开放: 应实现运用隐私计算、安全沙箱、低代码等技术,将场景需求、平台能力和部分数据向社会开放,鼓励更多企业参与项目建设	众创生态: 应运用数据编织、零代码等技术,为政府、企业、市民提供协同创新开发平台,形成共创共享的数字孪生创新生态