加速实现智慧城市的远大目标

PART 00 引 言

伴随各行业发展与产业升级，数字经济变革已成为当今时代的大势所趋。党的二十大报告中明确指出需建设数字中国，加速数字经济高效发展，提升数字产业集群硬实力，强化我国数字能力的国际竞争力。此外，两会政府工作报告和《“十四五”发展规划及2035年愿景目标纲要》提出“城市更新”一词，证明我国城市的建设与发展已有重大工作成果，并要求加强关键数字技术创新应用，加快推动数字产业化。

同时，信息技术、物联网等高新技术和工具从城市项目开发投融资、建设规划决策、勘察设计、建设及运营等建设全阶段的应用均促使数据大量涌现，信息迭代与数据的剧增正在逐步催化数据治理的革新。

目前，我国城市产出的海量数据面临诸多挑战，如普遍存在各业务板块的数据不融合、数据管理体系不健全、数据资产管理分散、数据质量有待提升等现象，导致数据分析结果真实性存疑，数据推算与决策的可信度较低，无法充分发挥数据应有的价值。

因此，城市数据管理需从政府规划引领向治理思维转变。其次“数据二十条”的出台，提出构建数据产权，深化数据治理体系建设，强调数据的流通、使用与价值最大化等城市政策要求。在国家治理总体布局的背景条件下，城市更新与发展转型应从城市数据建设与治理出发，对研究模式、体系建构、实用技术突破等方向进行深入探索，解决实际问题，迎接风险挑战。

PART 01 城市数据管理的目标与价值

1.1 赋能城市建设

加强城市总体规划能力建设和顶层设计，从城市全生命周期考虑建构总布局合理、各业务流程紧密关联、设施与功能完备的城市开发应用体系，是实施城市建设的必要原则，也是践行城市数字化转型、向智慧城市转变的重要途径。

目前，国内外一些城市或片区已开始尝试基于大数据、物联网、区块链等前沿技术的城市建设转型，汇聚出一系列的城市数据治理、管理的解决方案，如城市大脑、数字孪生城市、一网统管等管理机制。对数据进行治理则是实现上述目标的基础和首要任务，从而实现数据的可持续管理和利用。其中，健全城市建设业务流程信息化是当前数据管理的前提条件，对城市项目各阶段采用数字化技术应用，全面实现业务数据化是数据管理的实现路径。通过数据管理驱动业务发展与创新，方能有效落实国家层面数字变革、智慧城市等重大战略性规划与政策。

1.2 推动城市更新

2018年中国标准化委员会发布的《信息技术服务治理 第5部分：数据治理规范》中对数据治理进行定义规范：贯穿应用数据资源全过程的相关管控行为、风险预估、绩效评价等一系列活动合集。由此可见，通过数字化技术应用产生大量数据，再将业务数据化升级为数据价值化的一系列活动便是数据治理的主要过程。

由于城市开发全生命周期产生的结构化与非结构化数据暴增，数据具有多源、多模态等复杂特点，计算难度直线上升，导致数据处理困难重重。基于城市的基础数据，引人数据管理工具，依据业务模式、组织架构、数字化技术的应用，对城市数据进行生产、采集、储存、计算。

通过构建数据标准、数据安全体系、数据管理制度、数据服务管理、质量管理、资产管理等方面,巩固数据管理客项活动要素，激发数据潜在能力，使其发挥出最大价值；从而达到数据完整、开放、共享等目标，形成一套能用数据支撑决策。将数据转换为资产进行统管理并为各阶段各部门业务服务的数据管理机制。充分利用数据管理工具有效实现数据应用闭环，进而实现城市数字化精细化管控。

PART 02 数据建设要素

2.1 构建数据标准体系

标准体系的建设是数据治理工作的基础，能够为后期的数字资产管理提供规范和依据，若要实现数据的完整性、规范性、有效性，使数据具备实时开放与共享的能力，需在产生数据之前将数据标准化。通过结合数字化技术应用系统要求、制度约束等条件制定数据标准原则，构建数据标准体系。

研发基础数据管理平台为数据标准提供治理手段。将城市开发全生命周期使用到的各系统数据通过清洗，加载至平台的数据模型中，并制定数据语义规则，加强数据标准的兼容性，实现数据在全生命周期的标准化，提高不同业务场景或环境中数据的共享能力，为数据治理提质增效，加快城市片区各阶段各业务环节交互效率。

2.2 数据安全体系建设

数据安全对于城市片区建设以及城市公共安全有着重大影响，是展开数据工作甚至是城市运行的基本保障和基础。确认城市片区建设各类数据的权限，建立完善的权责制度以满足安全标准和国家要求；依据数据对各业务、应用、城市建设各环节的重要程度，进行分类处理；针对敏感数据的级别，确定数据的使用范围和开放程度；采用权限管理、加密算法等方式制定个性化的安全准则和策略，降低数据损坏、泄露、遗失等安全隐患，消除潜在风险。

从数据底层到技术应用层、业务层治理再到城市公共建设管理绘制整套数据安全架构，在基础数据活动、共享开放、部门协调、预报预警、制度约束等方面健全明确的安全规范体系，提高数据治理的质量水平，保障城市片区全生命周期数据管理的实施安全。

2.3 提升数据质量

城市的数据质量能够直接地反映该城市的发展水平，提高数据质量是数据治理中的重要环节。数据质量分为两个方面：一为数据本身的质量,如数据的准确性完整性、一致性等；二为数据交互过程的质量，如数据的储存、传输、应用等活动。制定或优化数据质量管理流程，依据数据标准对城市的多结构多模态数据进行清洗、归类、矫正、规约等数据处理过程，提升数据质量。高质量的数据对于城市重新起到重要的支撑作用，是开发或扩展系统应用、提供数据服务的必要条件；同时也能够确保数据应用的准确性和有效性，更加真实地体现数据本身与业务活动或建设成果间的关系提高管理决策的方向性。

2.4 数据资产体系建设与管理

基于前期的数据治理和管理使现实的数据资源发生转变，当数据具有一定标准，数量到达一定规模并能够抓取、利用数据价值时，便形成数据资产，并对该数据群进行深化治理与管理，形成数据资产管理的良性循环。

通过开发一套为全周期业务服务的基础数据平台，为城市片区建设与更新的各业务数据提供服务。从数据源头出发，通过制定元数据模型、数据标准等规范建立完整的数据资产目录体系，打通数据关系网络。依据战略规划，使平台的承载能力与数据能力全方位地驱动建设发展，为业务赋能，实现数据的标准化和资产化管理。

2.5 数据应用及共享

数据开放共享主要目的为打破数据孤岛，将开放的数据汇聚并有序、安全地流动，实现各系统数据有效交互和应用。通过对数据量、数据集、数据接口、数据领域等方面统一标准进行治理，可以有效地促进数据共享，提高数据应用质量，使城市建设各业务各阶段充分利用数据资源。减少因数据闭塞导致的数据重复性生产、收集、治理等劳动，节省作业和经济成本，从而把建设重点放在开发新的数字化技术应用以及系统集成上，促使城市建设数字化迈入新高度。

PART 03 基础数据平台建设

基础数据平台担任了城市片区建设与更新数字化管理不同系统间数据传递的重要角色。通过结合数据库技术和三维数据引擎，制定分类齐全、兼容多项数据的数据库，支撑二三维地理信息数据、二维图纸、三维模型、工程项目文档资料、工程项目核心要素数据、各重要业务流数据的接入功能，实现城市片区建设与更新项目的所有主要数据的统一接入管理。

同时，平台可对二三维数据进行集成处理，重点解决不同数据格式、不同颗粒度数据、不同坐标系数据的融合问题，提供基于同一坐标系下的不同种类数据的统一访问，实现数据开放共享。

3.1 平台架构

城市片区建设与更新数字化整体技术采用“1+4”的总体架构，即1个平台和4个系统。用于城市建设的四个系统之间是可以独立运行的，基础数据平台作为数据支撑服务平台，和四个系统相伴相生，相互促进。总体架构如图1所示。

基础数据平台不做数据的生产者，只负责采集、分析、汇总、融合等服务。在标准规范和安全管理双体系保障之下，通过梳理各阶段系统数据，对其进行数据清洗、脱密、备份等治理手段，形成地理信息库、图纸模型库、城市构件库等；汇聚并制定对多类型数据库的统一Ｉ/Ｏ 处理模块，实现数据存储访问的高效化、标准化和规范化，解决各类数据融合统一的问题；在多源数据融合集成的基础上，提供相应的数据承载应用引擎，显著提高数据的承载应用能力；在满足安全化管理的前提下，提供对外部系统的数据共享服务。

3.2 关键技术与研究方法

基础数据平台运用前后端分离的形式，使开发更加灵活，实现快速迭代；采用微服务架构，分布式部署，有利于横向扩展；同时具有良好的模块化特性，可以根据工作需求进行灵活拆分，为四个系统提供服务支撑、能力复用。其关键技术路线如图2所示。

3.2.1 空间数据管理服务

空间数据是城市片区建设与管理不可或缺的基础性数据资源，同时又承担了信息的交换、共享、协同等延伸任务。以空间位置及拓扑关系为基础，整合片区历史、现状、规划、设计、建设等各类数据，提供基于空间的数据集成、融合与共享能力、可视化服务能力、时空分析能力。

GIS能够支持强大的空间分析能力，BIM技术又可进一步地为其提供三维数据支撑。两种技术的融合能够发掘模型数据更深层级的应用，增强大规模工程的协同分析和共享能力。基于 Web服务，将BIM和GIS两种不同领域的数据进行互联互通，实现BIM和GIS数据的共享和集成。

3.2.2 高性能图形引擎

高性能三维可视化图形引擎是城市片区建设与更新数字化的关键技术服务。

三维可视化引擎选用B/S架构，分为模型服务、可视化引擎两部分。模型服务负责转换模型格式、优化模型数据、存储发布模型资源等功能；可视化引擎采用云渲染技术将三维渲染压力转移至服务器端，减轻客户机的硬件消耗，可以在任何平台下提供流畅的操作体验和最佳渲染画质。

3.2.3 多协议IoT数据采集接入技术

多协议IoT数据采集接入技术，即可以同时支持多种协议的IoT设备进行数据采集和接入，并将数据以统一的格式进行处理和管理。

通过多协议IoT数据采集接入技术，可以实现设备与平台之间的无缝连接，降低数据采集的成本和复杂度，提高数据的质量和可靠性，为应用的开发和部署提供更加可靠和灵活的技术支持。

3.2.4 多维时空数据库

多维时空数据库是一种用于存储和管理时空数据的数据库系统。它能够处理包括时间、空间和属性在内的多维数据，以便更好地支持数据分析和决策制定。多维时空数据库的主要特点是能够高效地处理大量的时空数据，实现数据查询和可视化能力。它可以帮助用户更好的理解和分析时空数据，为决策提供更准确的判断。

3.2.5 多源异构数据集成技术

多源异构数据集成技术是指将来自不同数据源的数据进行集成和整合，使其能够被方便地查询、分析和利用的技术。由于数据来源的不同，这些数据可能有不同的格式、结构、语义和质量，因此集成这些数据是一项复杂的任务。常用的多源异构数据集成技术包括数据仓库、ETL(抽取、转换、加载)、元数据管理、数据映射和数据清洗等。

3.2.6 模型标准化检查技术

模型标准化检查技术是一种基于机器学习模型的标准化程度，对模型的输入、输出、模型结构等多个方面进行检查的技术，确保模型的标准化程度，从而加强模型应用和评价的准确性。模型标准化检查技术的实现步骤包括数据准备、模型训练、模型测试、模型标准化检查等阶段。

3.2.7 基于AI的图像视频识别技术

基于AI的图像视频识别技术是指利用人工智能技术对图像和视频进行自动识别、分类和分析的技术。这种技术可以对大量的图像和视频进行快速的处理和分析。

其应用非常广泛，例如在安防领域中，可以用于识别人脸、车牌等信息，从而实现更高效的监控。在医疗领域中，可以用于辅助医生进行疾病诊断和治疗。在城市片区建设与更新中充分运用此技术能够协助各专业工作，应用于各类业务场景中，实现更加高效的数据处理和管理。

PART 04 数字化技术在城市片区开发各阶段应用

基于城市片区建设全生命周期的各阶段工作采用对应的数字化技术和系统于实际项目中。各类系统产生大量业务数据，汇聚至基础数据平台中进行治理，打通各系统之间的数据脉络，从而使数据服务于系统和各类业务。

4.1 投资规划阶段应用

结合城市片区智慧场景的设计，利用GIS、BIM、AI等数字化技术，构建系统城市片区建设与更新导入地需求库、产业资源名录库、规划方案库、城市构件库等场景应用，开发规划设计、投资测算与投融资平衡阶段的数字化智能辅助决策系统。

辅助决策系统可以客观高效地生成产业分析报告，并形成产业及企业导入解决方案；可以根据输入的现状资料及数据进行科学客观的分析，得出更加合理的规划方案；可以智能生成投资测算结果及投资平衡方案；并根据方案变更自动修改测算结果。在投资规划阶段运用上述应用可以大幅度节省人工作业需要投入的人力与时间，提高整体项目效率。

4.2 勘察设计技术阶段应用

通过建立地上地下多要素三维成果数据模型，构建勘察成果空间数据库，管理勘察成果数据，开发勘察成果综合应用平台，为规划、设计、施工、运维等各个阶段提供基础数据支撑。

基于统一的数据架构和标准体系，建设数字化协同设计系统，包含BIM快速数字化建模软件和三维协同设计管理系统，解决城市片区建设与更新项目设计过程中BIM建模设计的效率和多专业协同的问题。

通过三维协同设计管理系统快速整合BIM设计资源、管理BIM设计成果，实现多专业协同设计，并提供数据接口，可根据各个建设阶段和系统的要求提供轻量化的模型或全信息BIM模型。

4.3 施工建设阶段应用

构建施工过程可视化系统，实现智能进度管理、成本管控、物料管理、设备管理、监控与预警、人员调度等功能。建立数据同源、及时传递、高效管理的智慧工地信息化管理机制，为各参建方在使用过程中提供精准有效的协助功能。系统通过布设在现场的物联网终端收集施工全过程的各类数据，并进行深度整合利用，使现场生产过程与先进技术联动和融合，保证数据的实时获取，并实现基于数据共享能力的现场协同工作。

4.4 运维管理阶段应用

城市片区的运维阶段应用接入辅助决策中的资金规划、测算、投融资、智慧场景等数据可以作为主线数据，驱动运维阶段应用模块的总体应用路线；接入勘察设计BIM模型成果，搭建运维阶段信息展现所需的基础三维场景，实现用户与信息的可视化交互；接入建设管理中的建造过程数据及建造归档数据，并附加到BIM+GIS可视化场景中与BIM模型结合展现，打造形成智慧城市的数字孪生模型，使城市片区运维过程中关注的设计、施工、运维信息均能正确体现，让各阶段数据共同服务于运维，并伴随运维过程不断更新维护，形成良好的数字生态。

PART 05 结 语

数据治理和管理不论国家层面还是城市、企业、组织等层面都已被逐渐重视起来，它是全面数字化转型的重要保障和驱动力。通过梳理城市数据的建设要素，完善数据管理顶层设计，结合数据治理技术和管理工具，搭建基础数据平台，实现数据采集、计算、应用、共享。利用数据思维重塑业务流程，精细洞察业务问题，进而促进数据资产的持续沉淀，形成数据资产体系和数字化格局，提升城市片区的治理效能。挖掘数据深层价值以牵引城市建设创新，提升城市竞争力，同时也为我国加速实现智慧城市的美好愿景打下坚实的基础。

文章参考

刘美奇，张维，郑楠．数据管理赋能城市片区建设与更新[J/OL]．铁道建筑技术. https://link.cnki.net/urlid/11.3368.TU.20231207.1132.026