Inteligencia geoespacial
El progreso tecnológico en el campo de la inteligencia artificial (IA) ha traído nuevas oportunidades y nuevos desafíos para el desarrollo inteligente y la innovación integrada de la investigación y las aplicaciones relacionadas con el geoespacial. Aunque el concepto inicial de inteligencia artificial y el desarrollo de algoritmos teóricos se remonta a las décadas de 1940 y 1950, la principal fuerza impulsora de su rápido desarrollo reciente proviene del rápido desarrollo y desarrollo de modelos de aprendizaje profundo y marcos de desarrollo (como Tensorflow). , Keras, PyTorch). La industrialización es cada vez más madura, la producción de big data en diversas industrias se ha disparado y el rendimiento informático del hardware informático (como las unidades de procesamiento de gráficos GPU y las plataformas informáticas de alto rendimiento HPC) y los equipos terminales ha disminuido. actualizado continuamente, que puede respaldar la capacitación e implementar modelos de inteligencia artificial para respaldar la toma de decisiones inteligente basada en datos y la transformación industrial. La Inteligencia Artificial Geoespacial (GeoAI para abreviar) se refiere a una dirección de investigación interdisciplinaria que combina la ciencia relacionada con el geoespacial y la inteligencia artificial. Mejora la percepción dinámica, el razonamiento inteligente y el conocimiento de los fenómenos geográficos a través de la investigación y el desarrollo de la inteligencia espacial de las máquinas. Descubra capacidades y busque resolver importantes problemas científicos y de ingeniería en la interacción entre los seres humanos y los sistemas ambientales de la Tierra (como la predicción de la migración de la población, la simulación de la predicción de la expansión urbana, la toma de decisiones de transporte inteligente en condiciones complejas, la producción de mapas de alta precisión y la conducción autónoma, la respuesta al cambio global Impacto sobre productos agrícolas, proyectos de rescate de emergencia por desastres naturales, etc.). El surgimiento y desarrollo de la inteligencia geoespacial está relacionado con disciplinas como la geografía, la cartografía y los sistemas de información geográfica, la ciencia y la tecnología de teledetección, la ciencia del sistema terrestre, los recursos ambientales y la planificación urbana y rural, el transporte inteligente y la informática (especialmente el aprendizaje automático y el conocimiento). gráficos) La integración cruzada, la innovación y el desarrollo están estrechamente integrados.
Marco de investigación de la inteligencia geoespacial.
Inteligencia en espacios urbanos
Los datos del séptimo censo publicados recientemente muestran que el nivel de urbanización de China ha superado el 63% y ya se encuentra en la segunda mitad del proceso de urbanización. En este contexto, la demanda de espacio urbano está pasando de centrarse en la rápida construcción de "incrementos" a centrarse en una gobernanza refinada de "stocks". El seguimiento y la evaluación del espacio urbano, la mejora de la calidad y la transformación refinada de la gobernanza se están convirtiendo en puntos calientes. Haciéndose eco de esta tendencia general, el esquema nacional del "14º Plan Quinquenal" propone claramente la estrategia nacional de "acelerar el ritmo de construcción de la sociedad digital y mejorar integralmente la calidad urbana", lo que requiere que apliquemos algoritmos inteligentes recientemente surgidos en la construcción de alta -Espacios urbanos de densidad. Con el fin de satisfacer las necesidades urgentes de gestión, explorar el camino del desarrollo coordinado de alta densidad y alta calidad.
Después de un rápido desarrollo en los últimos años, la investigación y la práctica inteligentes actuales a nivel espacial urbano han resuelto básicamente el problema de crear un fondo digital para las ciudades. Un número considerable de ciudades y agencias relacionadas han implementado servicios en la nube y construido una gran cantidad de grandes centros de datos y lograr la adquisición de datos masivos a gran escala y de alta precisión a través de varias cámaras, el Internet de las cosas y dispositivos portátiles. Con la integración de plataformas de nuevas tecnologías como Internet móvil, big data urbano, Internet de las cosas y dispositivos portátiles, se forma una integración de datos del entorno construido a gran escala y de alta precisión, además de hacer coincidir el comportamiento y la percepción de los ciudadanos en alta resolución. datos. A medida que la precisión espaciotemporal de los datos urbanos continúa mejorando, la visualización de estos nuevos datos masivos también puede revelar imágenes intuitivas que antes eran difíciles de obtener de manera efectiva, proporcionando una base sólida para las actividades de comportamiento a nivel individual y la evaluación del estado morfológico espacial.
Sin embargo, la demanda de inteligencia en el espacio urbano va mucho más allá de la visualización de datos masivos y el simple monitoreo del estado y evaluación del uso que respalda. La humanización y la calidad de la construcción y gestión del espacio urbano de alta densidad requieren la capacidad de manejar y responder eficientemente a una gran cantidad de problemas urbanos complejos y interconectados, que no pueden resolverse mediante la visualización de datos actual. En otras palabras, la aplicación de algoritmos inteligentes no puede limitarse a la adquisición y limpieza de datos básicos sobre el espacio urbano y el comportamiento de los ciudadanos, sino que debería integrarse más profundamente en la planificación, el diseño, la gobernanza y otros campos urbanos, a través de varios algoritmos de aprendizaje profundo. La introducción de la IA promoverá cambios inteligentes que pueden detectarse, modelarse, analizarse, predecirse, explicarse y tomarse decisiones, y se espera que traiga cambios a esta serie de paradigmas industriales basados en la experiencia.
Inteligencia de big data espaciotemporal
Internet, la tecnología de detección y la infraestructura informática a gran escala han generado una variedad de big data dinámicos y estáticos en el espacio urbano, de los cuales más del 80% están relacionados con el tiempo y el espacio, como las lecturas de la calidad del aire, el clima y los movimientos de los taxis. Trayectorias, condiciones del tráfico en tiempo real, etc. Todos estos datos tienen al menos una dimensión de tiempo o espacio, y pueden tener otras dimensiones de atributos. Los datos espaciotemporales se pueden dividir en datos puntuales y datos de red según la estructura de datos; según si la información espaciotemporal cambia dinámicamente, se puede dividir en tres categorías: estática espacial, estática temporal y dinámica espaciotemporal. Se pueden dividir en seis categorías mediante combinación. Entre ellas, datos puntuales que son estáticos en el espacio y dinámicos en el tiempo: por ejemplo, los sensores se instalan en su mayoría en posiciones fijas, pero las lecturas que producen cambian constantemente con el tiempo; datos puntuales que ambos el tiempo y el espacio cambian con el tiempo: dos No existe correlación entre los datos de puntos dinámicos espaciotemporales, como los registros de uso de taxis de Didi en diferentes períodos de tiempo; los datos de puntos espacialmente estáticos y temporalmente dinámicos: por ejemplo, la red de carreteras puede expresarse mediante una red. Aunque la red de carreteras es una estructura de datos espacialmente estática, se le superpone información de flujo de tráfico dinámico, y la red de tuberías superpuesta con información de flujo dinámico se convierte en una estructura de datos que es estática en el espacio y dinámica en el tiempo; datos de estructura de red con eventos que son dinámicos. tanto en el tiempo como en el espacio: los nodos y bordes de toda la red cambian constantemente. Tomando como ejemplo los datos de trayectoria, personas, vehículos y objetos en el espacio pasan por diferentes lugares en diferentes períodos de tiempo, reflejando diferentes estados. Los puntos espacio-temporales están conectados en el tiempo para formar una estructura de cadena.
Los macrodatos espaciotemporales significan un rico conocimiento sobre una ciudad y, si se utilizan correctamente, pueden ayudar a resolver diversos desafíos de desarrollo urbanístico y empoderamiento de la escena. Al integrar el conjunto de recursos de datos de información geográfica básica (2D, 3D), el conjunto de recursos de datos sensoriales de Internet de las cosas (datos de detección ambiental) y el conjunto de recursos de datos espaciotemporales dimensionales (personas, vehículos, objetos, campos), se obtienen datos de información geográfica unificados. El marco de gobernanza de datos para datos espaciotemporales y datos comerciales, así como el rico y flexible marco del sistema de servicios espaciotemporales, pueden respaldar el acoplamiento eficiente de datos masivos y aplicaciones de emergencia complejas.
El desarrollo de las ciudades gemelas digitales
El modelo conceptual de gemelo digital apareció por primera vez en 2003, propuesto por Grieves M. W．El profesor lo propuso en el curso de gestión del ciclo de vida del producto de la Universidad de Michigan, Estados Unidos, llamado en su momento "modelo espacial espejo" y posteriormente definido como "gemelo digital". En 2010, la Administración Nacional de Aeronáutica y del Espacio (NASA) introdujo el concepto de gemelos digitales por primera vez en su hoja de ruta de tecnología espacial para lograr funciones integrales de diagnóstico y predicción de los sistemas de vuelo para garantizar un funcionamiento seguro y continuo durante toda la vida útil del sistema.
Desde octubre de 2019, la Comisión Nacional de Desarrollo y Reforma, el Ministerio de Ciencia y Tecnología, el Ministerio de Industria y Tecnología de la Información, el Ministerio de Recursos Naturales, el Ministerio de Vivienda y Desarrollo Urbano-Rural y otros ministerios y comisiones han emitido políticas intensivamente. documentos para promover eficazmente el rápido desarrollo de tecnologías, industrias y aplicaciones relacionadas con el modelado de información urbana (CIM) y el modelado de información de construcción (BIM), ayudando a la construcción de ciudades gemelas digitales.
En la actualidad, la construcción de ciudades gemelas digitales se encuentra en la etapa 1.0 y enfrenta principalmente los siguientes problemas y desafíos. En primer lugar, se basa principalmente en datos estáticos urbanos, pero las escenas urbanas son complejas y el estado de la ciudad cambia rápidamente. Cómo capturar datos dinámicos que reflejen la ciudad de manera oportuna y precisa es la base de las aplicaciones de ciudades inteligentes, y También es un gran problema. El segundo es confiar en la información expresada directamente por los datos para resolver problemas. Es necesario explorar más a fondo el conocimiento detrás de los datos y la profundidad y amplitud de la utilización de los datos urbanos aún son insuficientes. El tercero es la falta de capacidades de análisis visual para la interacción persona-computadora y la integración de la inteligencia persona-computadora. La capacidad de contracontrolar el mundo físico a través de la visualización es aún más insuficiente. La visualización y la percepción de la ciudad no forman una bucle cerrado. En cuarto lugar, se centra en restaurar ciudades reales y no puede crear proactivamente escenarios futuros mediante la aplicación de modelos inteligentes para ayudar a los usuarios a ver los problemas urbanos del mañana y guiar en consecuencia el camino del desarrollo actual. Quinto, la construcción la lleva a cabo principalmente el gobierno sin formar un ecosistema abierto, lo que resulta en una sostenibilidad deficiente.
Etapas de desarrollo de la inteligencia artificial
Apoyo político: la inteligencia artificial avanza hacia la “inteligencia ubicua” y promueve el desarrollo de industrias inteligentes
La inteligencia artificial es una fuerza impulsora importante para una nueva ronda de revolución tecnológica y transformación industrial, y su importancia estratégica se ha convertido en un consenso general en todo el mundo. A partir de la inclusión oficial de la inteligencia artificial por parte del Consejo de Estado de 2015 en una de las tareas clave de "Internet +", el énfasis de China en la inteligencia artificial ha seguido aumentando y su desarrollo hasta ahora se puede dividir aproximadamente en cuatro etapas.
Entre ellos, la segunda fase es histórica: el Informe de Labor del Gobierno de 2017 incluyó por primera vez la "inteligencia artificial", y la inteligencia artificial fue elevada oficialmente a la categoría de estrategia nacional. Ese mismo año, el Consejo de Estado emitió el "Plan de desarrollo de inteligencia artificial de nueva generación", que establece claramente el objetivo estratégico de "tres pasos": para 2025, la nueva generación de inteligencia artificial se utilizará ampliamente en campos como la fabricación inteligente. , atención médica inteligente, ciudades inteligentes, agricultura inteligente y construcción de defensa nacional. La tercera etapa es cuando la inteligencia artificial comienza a integrarse profundamente con la economía real. La cuarta fase comienza en 2020. La inteligencia artificial se incluye en la política de "nuevas infraestructuras" y se convierte en una de las principales tecnologías de apoyo a las nuevas infraestructuras tecnológicas. Asumirá un papel más importante en la promoción de la transformación digital y la actualización inteligente de billones de bienes reales. industrias de economía e innovación integrada. La política nacional apoya la inteligencia artificial para avanzar hacia la "inteligencia ubicua", es decir, la tecnología de inteligencia artificial tendrá una amplia penetración en la construcción de nuevas infraestructuras. Su esencia no solo está dirigida al desarrollo industrial de la inteligencia artificial en sí, sino también a encontrar escenarios de aplicación en la economía real para potenciar la productividad.
Desarrollo tecnológico: de la "inteligencia perceptual" a la "inteligencia cognitiva", que permite a las máquinas "comprender" y "explicar"
La inteligencia artificial se propuso por primera vez en la Conferencia de Dartmouth en 1956. Desde su desarrollo, generalmente se cree que la inteligencia artificial se divide en tres niveles: inteligencia computacional, inteligencia perceptiva e inteligencia cognitiva. La inteligencia computacional se refiere a la computación rápida y las capacidades de almacenamiento masivo; la inteligencia perceptual se refiere a la capacidad de las máquinas de "escuchar, hablar y ver" e identificar y juzgar cosas concretas. Su desarrollo se beneficia del uso de redes neuronales convolucionales (Convolutional Neural Networks). Los modelos de aprendizaje profundo representados por Network (CNN) y Recurrent Nerul Network (RNN) se han desarrollado rápidamente. Sin embargo, el aprendizaje profundo es difícil de utilizar eficazmente el conocimiento previo, y su opacidad e ininterpretabilidad se han convertido en limitaciones para el desarrollo de la inteligencia artificial. ; la inteligencia cognitiva es la capacidad de comprender y explicar, con el objetivo de permitir que las máquinas comprendan la semántica, el razonamiento lógico y el juicio de aprendizaje. Por lo tanto, la realización de la inteligencia cognitiva debe estar impulsada por el conocimiento, lo que implica tecnologías clave como la representación del conocimiento, la comprensión semántica, el razonamiento asociativo, la respuesta inteligente a preguntas, la computación emocional, la planificación de decisiones, etc.
El desarrollo actual de la inteligencia artificial todavía se encuentra en un estado de inteligencia artificial débil y el enfoque de la investigación está atravesando una transición de la inteligencia perceptiva a la inteligencia cognitiva. La inteligencia perceptiva dirigida a la visión y el oído y otras tecnologías de reconocimiento ha traspasado la línea roja de la industrialización, pero sólo puede ayudar o reemplazar a los humanos en un determinado aspecto del trabajo humano. Cuando las personas puedan usar máquinas para identificar más cosas, naturalmente desencadenará la necesidad de servicios de conocimiento automatizados profundos, como la comprensión y el análisis de las cosas. Sin embargo, el campo de la inteligencia cognitiva que requiere conocimiento externo, razonamiento lógico o migración de dominios todavía está en su infancia.
Empoderamiento de los gráficos de conocimiento: como soporte subyacente de la inteligencia cognitiva
El concepto de Gráfico de conocimiento fue propuesto formalmente por primera vez por Google en 2012 y se utiliza principalmente para respaldar la próxima generación de empresas de búsqueda y publicidad en línea. El gráfico de conocimiento es esencialmente una base de conocimiento basada en una red semántica, cuyo objetivo es describir conceptos, entidades, eventos y las relaciones entre ellos en el mundo objetivo. El gráfico de conocimiento es la evolución y desarrollo del paradigma de investigación del simbolismo en la era del big data y la inteligencia artificial. Toma el conocimiento como objeto de procesamiento y mejora el reconocimiento de la máquina simulando el conocimiento, la resolución de problemas, las preguntas y respuestas del cerebro humano. conocimiento, razonamiento y otras funciones: capacidad intelectual, capacidad de aprendizaje, capacidad de razonamiento. Su desarrollo es inseparable de la Web Semántica. En comparación con la Web Semántica tradicional, las ventajas de Knowledge Graph son: (1) Tiene capacidades de expresión semántica más ricas y puede admitir aplicaciones en más escenarios; (2) Puede integrarse bien con tecnología de inteligencia artificial para realizar inteligencia cognitiva e inteligencia artificial explicable; (3) Los datos basados en una estructura gráfica facilitan el almacenamiento y la integración del conocimiento.
La inteligencia cognitiva es una tecnología de inteligencia artificial que se puede implementar en términos reales, tiene requisitos de aplicación amplios y diversos y puede generar un enorme valor social y económico. Como soporte subyacente de la inteligencia cognitiva, el gráfico de conocimiento acelerará el avance de la inteligencia artificial de "inteligencia perceptiva" a "inteligencia cognitiva", y ha superado el nivel de la inteligencia artificial en muchos campos como el comercio electrónico, las redes sociales, la logística, finanzas, atención médica, justicia y manufactura. Cada vez surgen más casos en los que los gráficos de conocimiento potencian la inteligencia artificial. Los gráficos de conocimiento brindan nuevas perspectivas y oportunidades y provocan una nueva era de nuevas tecnologías, industrias y sociedades: el comienzo de la era cognitiva.
La propuesta de la inteligencia artificial espaciotemporal
El desarrollo de la inteligencia artificial ha penetrado en campos de aplicación relacionados con la inteligencia geoespacial, la inteligencia espacial urbana, la inteligencia de big data espaciotemporal y el desarrollo urbano de gemelos digitales. Vemos que en estos campos, sin importar en términos de teoría, innovación tecnológica y práctica de aplicación, una innovación subyacente central es la inteligencia artificial basada en el espacio y el tiempo: la inteligencia artificial espacio-temporal (IA espacio-temporal). Con el desarrollo de los gemelos digitales urbanos, la inteligencia artificial espaciotemporal (ST-AI) ha comenzado a recibir una atención generalizada por parte de la industria, el mundo académico y la investigación. Por esta razón, organizamos a expertos de la industria para publicar este documento técnico por primera vez, "ST- La IA potencia las ciudades gemelas digitales (2021) ". La publicación de este libro tiene como objetivo promover la combinación de tecnología de inteligencia artificial y escenarios de gemelos digitales urbanos, promover actualizaciones tecnológicas a través de aplicaciones de escenarios y potenciar la transformación digital urbana a través de la innovación tecnológica.
Problemas actuales que enfrenta la construcción de ciudades gemelas digitales
(1) Exploración insuficiente de escenarios de aplicación urbana y falta de comprensión profunda de la lógica empresarial.
Una gran cantidad de productos de gemelos digitales están divorciados de los escenarios de aplicación y las necesidades comerciales reales, siguen ciegamente las tendencias, carecen de una comprensión profunda de la lógica empresarial e ignoran la eficacia. apoyo a la operación y gobernanza urbana. Hay muchas aplicaciones gemelas en planificación urbana, gestión de la construcción y otras industrias, pero la gobernanza urbana, los servicios y otras aplicaciones basadas en gemelos digitales generalmente no tienen suficiente profundidad. Dado que la recopilación heterogénea de big data a nivel de ciudad y las aplicaciones entre industrias y dominios aún están en su infancia, los modelos de algoritmos en varias especialidades e industrias aún no están maduros y aún no se han desarrollado. Además, el mercado carece de pautas de construcción estandarizadas y hay relativamente pocos planes de construcción con consideraciones a largo plazo, diseño sistemático y requisitos de aplicación detallados.
(2) Faltan especificaciones unificadas de plataforma inteligente espacio-temporal y es necesario integrar urgentemente la base digital. La
ciudad gemela digital se deriva de las prácticas GIS, BIM y CIM de "un mapa", pero es superior que la construcción de "un mapa". El departamento de gestión urbana tiene una comprensión clara de la base digital de la ciudad. Existe una fuerte demanda de mapas, como la plataforma del modelo de información urbana promovida por el sistema de vivienda y construcción urbano-rural, el espacio -Plataforma temporal de big data liderada por recursos naturales y planificación territorial, el mapa base de la ciudad basado en la seguridad pública, las líneas políticas y legales para la seguridad urbana y la gestión integral, etc., cada uno de ellos tiene una fuerte demanda. El mapa base es un auto -sistema contenido, que generalmente solo admite aplicaciones dentro del sistema y no puede ser utilizado por otros departamentos bajo demanda. Durante mucho tiempo, las líneas de ciudades inteligentes tienen una coordinación fuerte y una coordinación débil, y no hay un departamento líder claro. Aunque algunos lugares tienen oficinas de big data establecidas, la coordinación La coordinación aún es insuficiente. Cómo integrar múltiples mapas base para formar un mapa base digital unificado a nivel de ciudad y activos de datos es el primer problema que se debe enfrentar en la construcción de ciudades gemelas digitales.
(3) Las islas de datos espaciotemporales carecen de correlación e integración, y el valor de los datos está lejos de ser liberado. El
núcleo de las ciudades gemelas digitales es construir una base inteligente espaciotemporal unificada. Sin embargo, un marco subyacente de datos espaciotemporales estándar unificado que sea compatible con aún no se ha formado información heterogénea Instituciones y fabricantes Es difícil garantizar una codificación unificada y una expresión de fusión precisa de datos multimodales si avanzan de forma independiente. Además, existen ciertas dificultades en el procesamiento de fusión de datos de múltiples fuentes, como vectores urbanos espacio-temporales, datos comerciales gubernamentales, Internet de las cosas, datos ráster, datos de modelos y datos de nubes de puntos, y existen barreras entre los formatos. Aunque los silos de datos siempre han recibido atención de la gente, no se han resuelto. Los formatos de datos inconsistentes en los sistemas comerciales de varios departamentos, los permisos de datos poco claros y los mecanismos de acoplamiento de datos incompletos restringirán el papel de las ciudades gemelas digitales.
(4) La integración de modelos algorítmicos y datos dinámicos no es profunda y la capacidad de analizar rápidamente y ayudar a la toma de decisiones es insuficiente. Los
nuevos tipos de topografía y mapeo, percepción de señales, computación colaborativa, expresión de todos los elementos, visualización, La simulación espacial digital, la predicción de situaciones, etc. involucradas en la actual ciudad gemela digital son de mucho mayor valor, aún no se ha lanzado y aún es necesario fortalecer el desarrollo y la aplicación integrada de tecnologías clave. La tecnología de carga masiva de datos, la tecnología de colaboración informática de borde en la nube, la tecnología de simulación, etc., no están lo suficientemente maduras y la capacidad de utilizar inteligencia artificial, especialmente inteligencia artificial espaciotemporal y computación de borde para analizar y procesar rápidamente datos dinámicos, es insuficiente.
(5) El mecanismo de inversión y operación no está claro y aún no se ha formado un ecosistema industrial abierto:
desde componentes de construcción hasta parcelas de tierra, varias unidades profesionales y, finalmente, hasta la ciudad, una colección capa por capa de operación urbana y Se forman datos en vivo, que se utilizan para evaluar el rendimiento operativo "virtual" de la ciudad. "¿Existe una correlación entre los genes de construcción físicos" y el rendimiento operativo "virtual" de la ciudad? Por ejemplo, el buen funcionamiento de un parque científico y tecnológico depende del grado de combinación de tierras, el nivel de ecologización, la accesibilidad de la red de carreteras, el alquiler de viviendas o la densidad de cafés. Establecer un mecanismo de correlación eficaz entre el desempeño operativo y los genes de la construcción, empoderar a la gente común y a las partes interesadas y ayudarlos a participar en la construcción urbana o en la gestión de las operaciones urbanas de manera más conveniente y racional.Cómo establecer una relación entre los ciudadanos, los expertos y el gobierno en tiempo real y Es necesario practicar en todas partes canales eficaces de comunicación e interacción entre países.
Necesidades futuras de desarrollo de las ciudades gemelas digitales: gemelo digital 2.0 integrado con tecnología inteligente
(1) Los servicios detallados del escenario urbano inteligente
deben diseñarse de acuerdo con las condiciones locales. El diseño de alto nivel de las ciudades gemelas digitales debe integrarse estrechamente con los escenarios de modernización de la gobernanza urbana y las necesidades comerciales. Al mismo tiempo, las futuras reglas de desarrollo de Se deben tener en cuenta la ciudad y la dirección de evolución de la tecnología de la información para promover la aplicación de implementación de ciudades gemelas digitales. En el contexto de la "inteligencia ubicua", con la ayuda de la tecnología de inteligencia artificial, la construcción de ciudades gemelas digitales se integrará estrechamente con escenarios de aplicación como la economía, la vida y la gobernanza para promover la transformación digital de las industrias económicas reales y servir verdaderamente. Escenarios urbanos inteligentes.
(2) Construcción de una base inteligente espacio-temporal unificada orientada por las necesidades comerciales.
Con el desarrollo de nuevas tecnologías, nuevas aplicaciones y nuevos escenarios en la economía digital, la demanda de intercambio de datos entre regiones, industrias y empresas aumenta día a día. La construcción de ciudades gemelas digitales requiere urgentemente la formulación de un marco unificado de reglas, leyes y regulaciones y una plataforma básica. Seguir el principio de combinar la orientación a objetivos y la orientación a la demanda para la planificación general, considerar plenamente las leyes de desarrollo futuro de la ciudad y la dirección de evolución de la tecnología de la información, unificar las necesidades comunes y promover de manera colaborativa la construcción de bases inteligentes espaciotemporales. Establezca un sistema de aplicación de gemelos digitales basado en una base unificada, evalúe el mapa base de la ciudad y los recursos de datos del sistema de línea existente, siga estándares unificados para construir una plataforma inteligente espacio-temporal con tecnología avanzada, datos completos y una gran escalabilidad, y gradualmente promover los escenarios de aplicación Desarrollo iterativo rico y sistemático.
(3) La fusión de datos espacio-temporales heterogéneos de múltiples fuentes y la gestión de activos de datos
debería resolver el mecanismo de fusión de datos, intercambio de información y colaboración empresarial entre todos los niveles y sistemas de la ciudad gemela digital, centrándose en resolver la conexión, cooperación y correlación. entre los sistemas Restringir cuestiones de relación, utilizar métodos científicos sistemáticos para guiar la planificación y el diseño de sistemas gigantes complejos de ciudades inteligentes y mejorar la cientificidad, estandarización y operatividad del diseño de alto nivel. Acelerar la mejora de estándares y especificaciones para la fusión y procesamiento de múltiples datos heterogéneos y unificar el formato y la codificación de varios tipos de datos, como vectores, cuadrículas ráster, modelos, nubes de puntos, asuntos gubernamentales y percepción para formar un ciclo completo. estándares y especificaciones de datos, aprovechando gráficos de conocimiento en datos Ventajas en fusión para construir capacidades de procesamiento de fusión para datos heterogéneos de múltiples fuentes.
(4) Minería profunda y análisis de datos espaciotemporales basados en modelos de algoritmos eficientes
Sobre la base de proporcionar capacidades de análisis espacial general convencionales para datos urbanos de múltiples fuentes, combina tecnología de inteligencia artificial para construir capacidades de análisis espacial en profundidad con modelos de algoritmos como aprendizaje automático, aprendizaje profundo y gráficos de conocimiento, utilizando clasificación, agrupación y regresión. , aprendizaje profundo, etc. Los métodos de aprendizaje supervisados y no supervisados realizan clasificación, extracción y predicción de información, etc. Se modelan diferentes tipos de capacidades de análisis de acuerdo con escenarios de aplicación específicos para formar capacidades de análisis espacial para temas específicos, como análisis de posicionamiento de la industria de parques y evaluación dinámica relacionada con la planificación de parques, análisis de viabilidad y pronóstico de ventas para la selección de sitios comerciales, despacho inteligente y planificación de viajes. para el campo del transporte, etc. Proporciona capacidades de modelado y análisis en línea en tiempo real, puede construir canales de análisis de datos espaciales, organizar datos y modelos de algoritmos en forma de gráficos acíclicos dirigidos y programar y ejecutar el proceso de análisis de acuerdo con estrategias.
(5) Intercambio y cooperación integrales de la ecología industrial construida conjuntamente por múltiples partes interesadas.
El gemelo digital y la inteligenteización de la ciudad no se pueden lograr de la noche a la mañana. Es necesario construir un nuevo modelo de transformación digital urbana que sea co-construido, co- gobernados y compartidos para proporcionar un impulso sostenido. La implementación de Digital Twin City 2.0 es inseparable del apoyo de empresas de plataformas tecnológicas con inteligencia artificial espaciotemporal de pila completa, pero una empresa por sí sola no es suficiente: debe depender de alianzas tecnológicas relevantes para reunir empresas, universidades e institutos de investigación relevantes con disciplinas ventajosas Completémoslo juntos. Es necesario establecer una ecología de innovación que permita al gobierno unirse con empresas, instituciones, universidades e instituciones de investigación científica en campos relacionados con las ciudades digitales para formar una alianza abierta entre industrias. Responsable de la investigación sobre la teoría, los estándares, las soluciones y otras cuestiones públicas de las ciudades gemelas digitales, estableciendo un nuevo mecanismo para una cooperación eficaz entre la industria, la universidad y la investigación en las industrias upstream y downstream, y formando los estándares y la calidad de los gemelos digitales. Responsable de la preparación de planes para cada escenario de aplicación de gemelos digitales, organizando demostraciones de escenarios de aplicaciones y apoyando la construcción y desarrollo de futuras ciudades gemelas digitales.