微信号

功能介绍

来源丨 未来城市设计与运营. 2022,(05)

发布丨 CIM小编

---

本文字数：9574

图片：3张

阅读时间：8分钟

基于场景迭代的城市信息模型（CIM）

杨滔 李晶 李梦垚 刘佩奇

摘要

城市信息模型（CIM）被认为是探索数字孪生城市的重要支撑。本文从CIM的发展出发，总结了CIM的四种类型，分别对应于城市理论、城市设计、建设产业、数字孪生。基于此，CIM针对有限对象、有限目标、有限能力，不断迭代，建构起“场景-模型-数据”互动机制，形成以场景迭代为驱动力的自我学习过程，最终演化为全要素、全周期、全开放的数字孪生城市。

关键词

数字孪生城市；未来城市；人工智能；物联网；BIM；苏州

引言

NO.1

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出：“完善城市信息模型平台和运行管理服务平台，构建城市数据资源体系，推进城市数据大脑建设。探索建设数字孪生城市。[1]”其中，城市信息模型平台是建设数字孪生城市的重要支撑，成为我国城市信息化和智能化发展的新方向之一。此外，2020年3月31日，习近平总书记考察杭州城市大脑运营指挥中心时提出：“运用大数据、云计算、区块链、人工智能等前沿技术推动城市管理手段、管理模式、管理理念创新，从数字化到智能化再到智慧化，让城市更聪明一些、更智慧一些，是推动城市治理体系和治理能力现代化的必由之路，前景广阔。[2]”这也表明了城市信息模型平台作为城市时空操作系统，其重大目标之一是服务于城市治理能力现代化，聚焦于城市规建管全生命周期的创新实践。

为规范城市信息模型（CIM）基础平台建设和运维，推动城市转型和高质量发展，推进城市治理体系和能力现代化，2021年5月住房和城乡建设部颁布了《城市信息模型（CIM）基础平台技术导则》（修订版），其中城市信息模型CityInformationModeling（CIM）被定义为：“以建筑信息模型（BIM）、地理信息系统（GIS）、物联网（IoT）等技术为基础，整合城市地上地下、室内室外、历史现状未来多维多尺度空间数据和物联感知数据，构建起三维数字空间的城市信息有机综合体。[3]”因此，我们认为城市信息模型至少是服务于城市的时空信息基础设施，支撑数字孪生城市的时空操作系统。

然而，从学术和实践的角度，城市信息模型（CIM）作为新兴事物，其定义未有共识，仍然存在不少值得研究的方面。例如，吴志强等提出了城市智能模型（CityIntelligentModel）的概念，认为CIM不仅包括对城市数据的收集、储存和处理，更加强调基于多维模型主动地解决城市发展过程中的问题；并提炼出CIM的发展路径，即从针对城市园区管理的中枢系统，发展成为融合城市大脑、小脑及迷走神经系统的综合智能系统[4]。那么，CIM如何建立清晰的框架，将城市感知、数据融合、模型互动、服务支撑、场景图谱等方面有机组合在一起，构成真正具有城市治理能力的智慧体？在CIM之中，城市治理的意识是否可以通过数据、模型、场景的自主融通而自然产生，从而形成某种城市空间智能？从多重场景迭代学习的角度，是否可对此提出概念性的框架，去辨析城市信息模型中的多源异构数据转换为智能化信息的可能途径？本文试图从城市信息模型（CIM）的学术发展及相关实验的角度，来探索其理念内涵及应用实践经验，并认为场景迭代是城市信息模型发展的方向之一。

CIM的类型

NO.2

城市信息模型（CIM）的概念一直在发展之中，大体可以分为四大类，分别对应于城市理论、城市设计、建设产业、数字孪生。

图 1 CIM 概念发展类型 （图片来源：作者自绘）

第一类与城镇化密切相关，CIM被认为是城市理论的可操作性工具，适用于城市规划、地理学、城市社会、城市经济、城市认知、交通等方面，这在于城市理论本身就是万花筒[5]。从技术的角度而言，CIM被认为是3DGIS和城市模型的结合。而城市模型一直就相对较为丰富。例如，威尔逊提出了经验性模式，即随起讫点的人口和就业增加，两两地点之间的出行随之增加，出行费用随之降低。大量区位选择的模型由此而产生。这种经典模型至今仍然在应用之中[6]。又如，UrbanSim模型基于经济与空间互动模型，依赖于跨行业的均衡理论，预测随时间变化的用地变化。该模型包括每个地点上对住宅的需求、影响城市发展模型的选择过程以及相关方、以及房地产价格变化。UrbanSIM输入政策与假设，生成并比较不同场景，计算评估变量，并输出结果。场景包括一系列开发政策、总体规划图、市政规划图、城市增长边界以及环境限制条件[7]。UrbanSIM的场景与之不同，包括城市物质形态、用地混合、密度以及出行模式对于规划成果的影响。它给出了可获得的政策、消费与收益、以及与之有关的政策影响。这并不是优化政策，而是推动支持互动式、参与式的规划过程。整体而言，这些城市模型在宏观和中观尺度上较多。

第二类主要面向城市设计，特别强调参数化设计，在南欧的学术团体之中探讨较多。这是由于城市信息模型呈现出了三维的信息，属于城市设计主要关注的要素。从城市设计角度而言，几何信息作为参数化系统，使用者可提出不同的解决方案，用于生成并评估城市设计方案。因此，与BIM类似，建立起参数化的CIM模型，并将数据实时连接到设计环境与分析环境，适用于整个城市设计过程。于是，在这种意义上，CIM被认为包括三部分，即方案策划、设计生成、方案评估，用于城市设计的全周期。这也称之为城市归纳法，用于支撑城市设计过程之中的协商与决策，包括如下步骤[8]。一是数据汇聚，用于描述方案的目标和发展愿景，包括地段及周边的人口、特征、业主需求、未来发展等数据。二是诠释模块，这是模型的核心部分，建立基础数据和方案描述机制，形成方案生成的过程。三是方案模块，用于描述生成的设计方案内容、要求、以及技术指标等。因此，数据组织是依据生成方案模块的逻辑，那么方案生成的规则或模型又成为CIM探讨的重点。

在这个领域之中，生成的规则或模型基本上延续了20世纪70年代到80年代的一系列形态学理念，包括建筑与建成环境的几何学[9]、形状语法(ShapeGrammars)[10]、模式语言[11]以及空间句法[12]。模式语言是典型的类型学与形态学的结合，包括一系列要素或符号，以及连接符号的规则；空间句法则关注诸如房间、走廊、街道、广场等空间之间的复杂连接关系，用于定量地描述不定形的空间结构及其行为模式。一般而言，形态分析基于三种基础物理要素，即建筑物及其与公共空间之间的关系、街坊块、街道。生成式模式必须依赖于城市分析模型，CIM需要结合城市模式的定量要素，告知城市设计师去如何设计。当今这种过程模型包括GIS的复杂拓展,如CityEngine，不过它们与CAD或Revit的不同在于缺乏清晰的设计要素工具箱[13]；而最新版本的CityGML3.0则在空间定义和组织方面，借鉴了空间句法关于空间的定义及框架，认为这融通了室内外空间结构、导航识路、土地利用管理三方面的场景应用。

第三类面向建筑行业及其产业链管理，强调BIM与GIS的技术融合。2007年，早期研究者（如Khemlani）往往认为，城市信息模型（CIM）是建筑信息模型（BIM）在城市尺度的应用，或者建筑信息模型（BIM）的汇聚就构成了城市信息模型（CIM），适用于城市规划的可视化和简单模拟[14]。这种理念是从建筑设计的角度来看待城市，将城市视为某种放大的建筑物，然而忽视了城市属于更为开放而复杂的系统，存在更为丰富的社会经济环境等巨系统，其模拟方式与建筑物有本质差异。之后，不少学者或实践者提出地理信息系统（GIS）与建筑信息模型（BIM）或计算辅助设计（CAD）的融合[15]，因为GIS广泛地适用于大尺度的城市规划领域或地球环境科学领域，而BIM或CAD则应用到中微观的建筑物和市政建设领域，而这两种的结合将有助于描述城市多种尺度的信息。从技术路线而言，GIS的通用标准是地理建构语言（GeographyMarkupLanguage,CityGML），而BIM的通用标准是工业基础分类（IndustryFoundationClasses,IFC），那么这两种标准的融合就构成了城市信息模型（CIM）[16]。

其融合建立在两种标准具有类似的语义分类体系。CityGML是开源数据模型，基于XML来实现虚拟三维城市模型的数据存储与交换。其目标是对三维城市模型的基础实体、属性以及关联进行通用定义。CityGML也提供了标准模型和机制，从几何、拓扑、语义、外形来描述三维物体，并定义了五种精度。这包括普遍特征、专题图之间的层次、聚合、物体关联、以及空间属性。IFC是面向对象的开源数据模型，从几何、分类以及语义信息等角度对室内外的建筑物体进行了描述，作为一种中间格式，将不同厂商的BIM（如Revit，Bentley,Catia等）进行有效地转换。IFC包括四层，即资源、核心、交换、领域层，每一层又包括系列模块组件，其中又分为多种类型，共包括900多种，其中60-70种描述类型与CityGML有类似的语义信息，那么IFC与CityGML就有了进行融合的基础[17]。于是，当IFC映射到CityGML之后形成城市信息模型，三维数字模型包括不同的城市实体（如建筑物、道路、城市家具、植被、水体等）、关系以及行为；每个实体具备几何形状、外形、拓扑联系以及语义特征或行为。

第四类面向数字孪生城市，强调城市全要素和全生命周期的运营[18]。随着城市感知体系或物联网（IoT）的发展，结合5G、空天地一体化网络、边缘计算、区块链等，实时数据的获取成为了现实，那么传统意义上的模型建构方式发生了变化，特别是人工智能技术的引入，使得模型可以对实时数据进行学习，不断地调整、乃至生成新的模型[19]。这称之为模型建构范式的变化。例如，通过倾斜摄影或激光扫描作为感知方式，获得不同类型的地物模型，并开展中微观尺度的单体化，建立起基于几何实体化的感知应用系统，从而连接了实体部件与运行功能之间的实时情景，聚焦对设施安全、稳定运行、产业创新等方面的信息采集及综合应用，并提供共享服务，为城市规划建设运营的决策提供实时性支撑[20]。从这个角度，GIS+BIM+IoT的模式又被得以广泛探讨，其中从业务场景的角度以松耦合的方式，去组织数据和建构模型，成为热点之一，如数据中台和模型中台的探讨。在一定程度上，这种模式的CIM被视为是数字孪生城市的初始状态，支撑未来智慧城市的运行。

基于连接主义的CIM内涵

NO.3

 

在CIM定义探讨过程之中，对模型（Modeling）本身的理解也有多种讨论。模型不仅仅是对物质环境或社会经济现象的描述或记录，如IFC或CityGML中关于几何或属性的客观描述，而且包括基于专业机制的描述性要素之间的彼此互动和演化，从而构成了诸如交通模型、风环境模型等。从理论而言，模型包括描述型、探索型、规划型以及预测型。描述型模型用于解释和理解真实现象；探索型模型用于发现其他可能的真实；规划型模型采用模拟方式去优化变量和参数；预测型模式用于预测未来，然而具有外部条件的限制，要么依据历史或现状去推测未来，要么基于因果关系去判断未来。从城市本身而言，它又是复杂巨系统，包括跨行业的子系统、跨部门的子流程、跨专业的子学科等，复杂模型本身的建构应该是开放式以及可扩展式的。

在很大程度上，CIM建立的目的是实现人们对城市的管控、治理与运营，模拟城市发展中不确定的要素和方向，助力城市全生命周期的各种重大决策[19]。控制论的创始人诺伯特•维纳（NorbertWiener）认为城市是网络和互动之中的新城代谢，其中负的外部效益将通过改善流动的生产能力而加以消除。虽然诺伯特•维纳于1948年提出控制论是“动物和机器中控制与交流的科学研究”[21]，然而在21世纪，控制论被认为是使用技术控制任何系统的科学研究，即研究人、动物、机器等的控制与彼此交流，被广泛地用于人工智能和机器人领域。控制论是一种跨学科的方法，基于不同行业探究规则化系统，包括它们的结构、限制以及可能性，而这些规则是从开放的城市运行系统之中实时生长出来的[15]。英国皇家科学院院士迈克•巴蒂认为，城市的区位理论让位于城市网络的连接与流动，不同领域连接的多样性导致了城市作为整体的复杂性[22]。因此，不同行业之间的彼此关联路径变得尤为重要。

从这个角度，城市信息模型加速了个人与城市各个行业或部门、或者个人与社会之间的交流，而感知和认知则是其中关键的环节。感知过程是建立事物之间关联网络的过程，不断地把局部现象进行组织，建构起局部的感知场景。认知过程是建构或重组知识体系网络的过程，其中知识的碎片被不断地而非完美地连接起来，从而构成了作为整体的认知场景。真实场景与认知场景之间通过行为操作进行验证，从而形成知识沉淀。因此，在一定程度上，CIM本质上是模拟人们感知世界、认知世界、推演世界、操作世界的过程，对应于数据汇聚、模型搭建、场景演绎、应用反馈的环节。在这种过程模型之中，并不是把多源异构数据或不同类型模型汇聚起来了，就可以自然生成场景、智能或智慧，并适用于多种业务。反而，数据治理和模型建构源于场景需求及其背后机制的抽象，那么数据之间的关系、模型之间关系、以及模型内部的逻辑关系都是驱动数据组织和模型重构的关键，并随场景的变化而变化，形成实时动态的数据中台、模型中台以及知识图谱，共同构成了场景生成和验证的深层次智能支撑。在人机互动过程之中，这种智能支撑与现实世界相互交流，共同构成了城市的新智慧。

感知到认知基于视觉机器学习，网络范式也尤为重要，赋予了CIM以自我学习的能力。神经网络本身就是从神经元和神经触突角度，以图网络的方式建构起来。而梯度反向传播的方法就是从输出的模拟场景出发，不断与真实场景进行对比，对多层神经网络进行训练，在这个过程之中，重新组织数据和模拟机制，不断地调整参数，从而建立起能预测场景的模型，或者说让模型去逼近真实场景世界。这就是典型的过程模型，其中参数及其关联关系在不断地试错或验证，从而在抽象之中挖掘出可推广的模型，进而泛化去应用到千变万化的场景。在这种意义上，城市信息模型将逐步获取学习能力，通过与现实城市的互动，即数据感知和汇聚，从而不断地获得模型迭代的推演和预测能力，推动虚拟和真实场景的演变。因此，城市信息模型针对有限对象、有限目标、有限能力，不断迭代，建构起“场景-模型-数据”互动的学习过程，使得各方都不断完善，建构起城市智慧体。

多层次的场景迭代

NO.4

 

场景本身为数据采集或机器学习提供了一种参考系，以此来推动数据的重组，以及搭建不同模型之间的参数联系；数据的融合或模型的迭代又构成多层场景的学习过程。CIM通过这种学习过程，将真实世界之中的人、事、物抽象为数字世界之中知识，并在真实的空间场景中得以再生产，加速知识的迭代，孕育出人机互动的智慧。这体现为敏捷感知、开放流通、创新应用三大部分；与之同时，这三大部分也在个人、企业、区县、市、省等不同的尺度上彼此交织，构成了多层次、多精度、多模态的复杂场景系统。

从空间场景出发，每条行业或部门条线，如土地、规划、文化、金融、治理等，都是空间场景的一个维度，并构成了彼此交织的复杂空间块体，如卧室、车站、社区等。在很大程度上，基于空间块体的场景源于行业或部门条线彼此互动流通的过程，并建构起更为复杂而开放模糊的知识体系。因此，CIM基于物联感知体系以及人本身的感知能力，从真实世界之中及时地获取要素，并转化为多源异构数据，汇聚起来。不过，数据汇聚不是简单的堆积，而是根据空间场景进行分类和重组，形成了灵活组合的分布式数据库结构，从而数据根据知识体系而获得了语义标签，并加以深度管理，称之为数据中台，或数据自我学习的第一个层次。

对于数据要素，不管是物质实体要素，如门或窗等，还是社会经济要素，如人口或收入等，都根据空间场景及其知识体系，建构起内在的联系，形成了各自的模型，如BIM、交通模型、微气候模型、产业链模型等。它们内部的计算规则、以及彼此的联动机制，都承接了数据中台的分类体系，也同时吸收了行业条线或场景块体的逻辑结构。围绕场景的实现，不同模型之间定制化地组合，共同从不同的维度去模型空间场景的功能运行，也推动了数字化的场景搭建，并最终在应用过程之中不断迭代和验证。这称之为模型中台，或模型自我学习的第二层次。

对于不同类型的模型，它们以微服务的方式，根据空间场景的需求，彼此组合在一起，提供共性的服务，如描述、诊断、预测、决策、交换等，从而建构起数字化的空间场景，提供人们进行操作互动的界面，于是CIM才有可能让数字化的场景得以检验，适用于真实的人类活动。这称之为服务中台，或服务自我学习的第三层次。于是，依赖于空间场景的条线与块体之间的实时转换，三个中台中的数据、模型、服务模块不断流转，构成了平台的核心功能，支撑各种创新应用，覆盖宏观与微观，桥接微观的感知与宏观的决策。

图 2 场景驱动下的 CIM 架构 （图片来源：作者自绘）

在这种意义上，场景迭代是CIM的驱动力，也是CIM进行人工智能学习的起讫点。真实世界之中的场景是人们进行日常感知的最直接方式，这往往是日常模糊的语言或行为模式，如热闹的商业购物或安宁的水边沉思等。这也是人们感知过程之中自发生成的高度抽象概括，包括社会、经济、文化、环境等维度，往往构成了城市发展政策与目标。在CIM之中，这种多元的空间场景往往被不同的指标进行描述性解析，转化为定量的指标体系，抽象地对应于空间场景本身。不过，这些指标有可能直接来源于对数据的深度学习，也可能来自于模型的计算结果的深度挖掘。换言之，数据和模型的自我学习过程支持着空间场景的生成和变迁。与之同时，空间场景本身的全生命周期

变动与其流程密切相关，业务或部门流程在场景之中进行重塑，彼此交织为更为复杂的网络体系，最终沉淀到CIM平台之上，体现为学习本身的智慧。在这个过程之中，数据、模型、服务都与空间场景深度互动，共同构成了CIM的知识体系生成器。

苏州 CIM 顶层设计案例

NO.5

 

苏州市CIM基础平台定位为城市的时空信息基础设施，其核心是“时空化”。平台以时空场所整合土地、规划、文化、金融、治理等各条线，重构三维空间场所的多维度关系，通过对社会、经济、环境等各种要素进行数字化、空间化管理，提供时空信息服务，服务于各部门数据与业务的时空流转，支持感知敏捷、开放流通、创新应用，最终实现善治、兴业和惠民。

苏州市CIM基础平台以现状（测绘）数据、规划数据为基础，融合各业务部门的管理数据、社会经济数据形成公共的空间数据融通底板，实现全市公共数据底板共建；基于物联感知体系，实时整合人、事、物等动态信息，推动人机互动交流，为城市提供公共的空间决策支撑服务，实现全生命周期共治；按业务需求，将数据组合成为模型，用于分析、模拟、仿真和可视，形成全市公共的空间信息服务操作系统，构建具有价值的数据资产，驱动新经济模式产生，形成数字经济价值共享；以“空间场所”的应用为出发点，通过空间数据共享、空间分析支撑、空间可视表达、空间应用赋能，实现数字孪生空间共创。

场景的迭代体现为业务与数据的互动。苏州市CIM构建一条“业务链”，编织一张“数据网”，在数据、模型、流程三轮驱动下，以业务集成重塑流程、整合模型、重组数据；以新型数据采集来推动数据治理的创意，支撑模型创新，辅助流程创意，通过模型和标准建立业务与数据之间的映射关系，实现数据与业务的双向赋能。智慧城市是城市信息化的高级阶段，其中最重要的是建立城市时空底座，城市中所有的要素都可以和空间、时间建立联系，CIM基础平台的关键便是实现城市各要素的时空化，城市的人口、经济、投资、医疗、教育、交通、感知等数据都可以基于CIM基础平台进行关联融合，挖掘更多有价值的信息，催生更加多元的应用，让平台真正“活”起来。

图 3 以空间为核心的 CIM 功能架构 （图片来源：作者自绘）

一是搭建1+10分布式架构体系。苏州市CIM基础平台是“1+10”市域一体化的平台，其中“1”表示苏州市，“10”表示苏州六区四县共10个板块。苏州本地市区两级的管理特征也决定了苏州市CIM基础平台的“1+10”分布式架构。以苏州市的城市级感知网络、空天地一体化网络体系、数字基础设施作为底层支撑，平台采取市级统筹、市区共建的模式，在纵向上通过统一的数据标准实现市区两级的数据汇聚和交换，在横向上以空间编码为纽带打通各业务条线的空间管理单元，实现多源异构数据的融合和数据的空间化映射。

二是架构三中台模式，苏州市CIM基础平台重点构建数据中台、业务中台、模型中台三大中台。数据中台通过对多维数据资源进行汇聚、融合、治理，提供数据资产服务能力和便捷快速的开发环境；业务中台将不同用户的共性业务需求提取出来，包括描述、诊断、预测、决策、信息交换等类型，将其集中开发为通用功能组件；模型中台提供三维建模、数据分析、模拟仿真及模型迭代的能力，建立数据与业务的交互映射。三个中台共同促进多专业协同在城市规划、建设和管理中的应用，推动场景引领、数据支撑、算法辅助的科学决策。

三是建立多场景的松耦合应用模块。基于微服务，苏州市CIM基础平台的应用系统建设围绕空间，基于资源、土地、规划、项目、监管、交易六方面相互连通与制约，重点关注以下几个方面：第一，生态价值挖掘，搭建山水城市的三维生态本底，模拟生态平衡、量化生态价值；第二，流动空间追踪，发现苏州人口、企业、资金、气候环境等流要素的流动特征；第三，文化复兴决策，以古城保护为代表，建立人口、土地、交通等多模型、多流程、多专业协同决策模式，创新内生型数字经济路径，搭建数字孪生信用体系；第四，土地精细治理，以数字化土地权属、项目审批为抓手，强化重大项目选址和实施的可行性研究，建立土地全周期流转闭环；第五，人民参与协同，强化多主体空间协商，基于人机AI互动和参数化设计，就空间识别、策划、规划设计、建设竣工、不动产登记等进行多主体协商，加强公众参与。

讨论

NO.6

 

针对CIM的未来发展，本文认为CIM不仅仅是简单的物质形态模型（如BIM、倾斜摄影、或激光点云模型等）的集合，而且是汇聚了城市感知、数据融合、模型互动、服务支撑、场景图谱等功能模块，以场景迭代为驱动力，借助人工智能等技术，实时优化数据结构和模型生成，最终为城市理论和建设的发展提供虚拟仿真环境。因此，CIM将会逐步推演出城市演进的机制，推动实体和虚拟城市相互沟通，最终孕育出人类新型智慧以及未来城市。

参考文献

[1]新华社.中华人民共和国国民经济和社会发展第十三个五年规划纲要

[EB/OL],http://www.xinhuanet.com/2021-03/13/c_1127205564.htm,2021.

[2]人民网.浙江深入推进社会治理体系和治理能力现代化纪事

[EB/OL],http://zj.people.com.cn/n2/2021/0320/c186806-34631785.html,2021.

[3]住房和城乡建设部.住房和城乡建设部印发《城市信息模型（CIM）基础平台技术导则》（修订版）

[EB/OL],http://www.mohurd.gov.cn/zxydt/202106/t20210611_250445.html,2021.

[4]吴志强,甘惟,臧伟,马春庆,周竣,何珍,周新刚.城市智能模型(CIM)的概念及发展[J].城市规划,2021(4):106-113+118.

[5]Stojanovski,T.Cityinformationmodeling(CIM)andurbanism:Blocks,connections,territories,peopleandsituations[C].In:ProceedingsoftheSymposiumonSimulationforArchitecture&UrbanDesign(p.12).SocietyforComputerSimulationInternational,2013.

[6]Wilson,A.G.StatisticalTheoryofSpatialTripDistributionModels.TransportationResearch,

1967(1):253-269.

[7]Waddell,P.UrbanSim:ModelingUrbanDevelopmentforLandUse,TransportationandEnvironmentalPlanning.JournaloftheAmericanPlanningAssociation.2002（68）.297-314.10.1080/01944360208976274.

[8]Montenegro,Nuno,Beiro,J.N.&Duarte,J.P.,PublicSpacePatterns:TowardsaCIMstandardforurbanpublicspace.InRESPECTINGFRAGILEPLACES[29theCAADeConferenceProceedings/ISBN978-9-4912070-1-3],UniversityofLjubljana,FacultyofArchitecture(Slovenia)21-24September2011.29theCAADeConference.Ljubljana,pp.7986.

[9]March,LandSteadman,P.TheGeometryofEnvironment:AnIntroductiontoSpatialOrganizationinDesign,MITPress,1974.

[10]Stiny,G,IntroductiontoShapeandShapeGrammars,EnvironmentandPlanningB:PlanningandDesign,1980,7(3),pp.343-351.

[11]Alexander,C.,Ishikawa,S.,andSilverstein,M.1977.APatternLanguage:Towns,Buildings,Construction[M].OxfordUniversityPress.

[12]Hillier,B.,Leaman,A.,Stansall,P.,andBedford,M.1976.SpaceSyntax[J].EnvironmentandPlanningB:PlanningandDesign.3(2)147-185.

[13]Beiro,J,Duarte,JandStouffs,R,,2009.Monitoringurbandesignthroughgenerativedesignsupporttools:agenerativegrammarforPraia.InProceedingsoftheAPDRCongress.

[14]L.Simonelli,A.L.Amorim,2018.CityInformationModeling:GeneralAspectsAndConceptualization.AmericanJournalofEngineeringResearch(AJER).Volume-7,Issue-10,pp-319-324.

[15]Douay,N.UrbanPlanningintheDigitalAge，JohnWiley&Sons,Inc.Hoboken，USA.2018.

[16]BerloL.andLaatR.2010.IntegrationofBIMandGIS:ThedevelopmentofthecityGMLgeoBIMextension.Advancesin3DGeo-InformationSciences,211-225.

[17]IrizarryJ.,KaranE.P.,andJalaeiF.2013.IntegratingBIMandGIStoimprovethevisualmonitoringofconstructionsupplychainmanagement.AutomationinConstruction,31,241-254.

[18]许镇,吴莹莹,郝新田,杨雅钧.CIM研究综述[J].土木建筑工程信息技术,2020(3):1-7.

[19]杨滔,张晔珵,秦潇雨.城市信息模型(CIM)作为“城市数字领土”[J].北京规划建设,2020(6):75-78.

[20]杨滔,杨保军,鲍巧玲,张晔珵,罗维桢.数字孪生城市与城市信息模型（CIM）思辨——以雄安新区规划建设BIM管理平台项目为例[J].城乡建设,2021(2):34-37.

[21]WIENERN.,Cybernétiqueetsociété,ditionsdesDeux-rives,Paris,1952.

[22]Batty,M.2013.TheNewScienceofCities[M].Massachusetts:TheMITPress.

完

扫一扫

微信号

功能介绍

来源丨 未来城市设计与运营. 2022,(05)

发布丨 CIM小编

---

本文字数：9574

图片：3张

阅读时间：8分钟

基于场景迭代的城市信息模型（CIM）

杨滔 李晶 李梦垚 刘佩奇

摘要

城市信息模型（CIM）被认为是探索数字孪生城市的重要支撑。本文从CIM的发展出发，总结了CIM的四种类型，分别对应于城市理论、城市设计、建设产业、数字孪生。基于此，CIM针对有限对象、有限目标、有限能力，不断迭代，建构起“场景-模型-数据”互动机制，形成以场景迭代为驱动力的自我学习过程，最终演化为全要素、全周期、全开放的数字孪生城市。

关键词

数字孪生城市；未来城市；人工智能；物联网；BIM；苏州

引言

NO.1

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出：“完善城市信息模型平台和运行管理服务平台，构建城市数据资源体系，推进城市数据大脑建设。探索建设数字孪生城市。[1]”其中，城市信息模型平台是建设数字孪生城市的重要支撑，成为我国城市信息化和智能化发展的新方向之一。此外，2020年3月31日，习近平总书记考察杭州城市大脑运营指挥中心时提出：“运用大数据、云计算、区块链、人工智能等前沿技术推动城市管理手段、管理模式、管理理念创新，从数字化到智能化再到智慧化，让城市更聪明一些、更智慧一些，是推动城市治理体系和治理能力现代化的必由之路，前景广阔。[2]”这也表明了城市信息模型平台作为城市时空操作系统，其重大目标之一是服务于城市治理能力现代化，聚焦于城市规建管全生命周期的创新实践。

为规范城市信息模型（CIM）基础平台建设和运维，推动城市转型和高质量发展，推进城市治理体系和能力现代化，2021年5月住房和城乡建设部颁布了《城市信息模型（CIM）基础平台技术导则》（修订版），其中城市信息模型CityInformationModeling（CIM）被定义为：“以建筑信息模型（BIM）、地理信息系统（GIS）、物联网（IoT）等技术为基础，整合城市地上地下、室内室外、历史现状未来多维多尺度空间数据和物联感知数据，构建起三维数字空间的城市信息有机综合体。[3]”因此，我们认为城市信息模型至少是服务于城市的时空信息基础设施，支撑数字孪生城市的时空操作系统。

然而，从学术和实践的角度，城市信息模型（CIM）作为新兴事物，其定义未有共识，仍然存在不少值得研究的方面。例如，吴志强等提出了城市智能模型（CityIntelligentModel）的概念，认为CIM不仅包括对城市数据的收集、储存和处理，更加强调基于多维模型主动地解决城市发展过程中的问题；并提炼出CIM的发展路径，即从针对城市园区管理的中枢系统，发展成为融合城市大脑、小脑及迷走神经系统的综合智能系统[4]。那么，CIM如何建立清晰的框架，将城市感知、数据融合、模型互动、服务支撑、场景图谱等方面有机组合在一起，构成真正具有城市治理能力的智慧体？在CIM之中，城市治理的意识是否可以通过数据、模型、场景的自主融通而自然产生，从而形成某种城市空间智能？从多重场景迭代学习的角度，是否可对此提出概念性的框架，去辨析城市信息模型中的多源异构数据转换为智能化信息的可能途径？本文试图从城市信息模型（CIM）的学术发展及相关实验的角度，来探索其理念内涵及应用实践经验，并认为场景迭代是城市信息模型发展的方向之一。

CIM的类型

NO.2

城市信息模型（CIM）的概念一直在发展之中，大体可以分为四大类，分别对应于城市理论、城市设计、建设产业、数字孪生。

图 1 CIM 概念发展类型 （图片来源：作者自绘）

第一类与城镇化密切相关，CIM被认为是城市理论的可操作性工具，适用于城市规划、地理学、城市社会、城市经济、城市认知、交通等方面，这在于城市理论本身就是万花筒[5]。从技术的角度而言，CIM被认为是3DGIS和城市模型的结合。而城市模型一直就相对较为丰富。例如，威尔逊提出了经验性模式，即随起讫点的人口和就业增加，两两地点之间的出行随之增加，出行费用随之降低。大量区位选择的模型由此而产生。这种经典模型至今仍然在应用之中[6]。又如，UrbanSim模型基于经济与空间互动模型，依赖于跨行业的均衡理论，预测随时间变化的用地变化。该模型包括每个地点上对住宅的需求、影响城市发展模型的选择过程以及相关方、以及房地产价格变化。UrbanSIM输入政策与假设，生成并比较不同场景，计算评估变量，并输出结果。场景包括一系列开发政策、总体规划图、市政规划图、城市增长边界以及环境限制条件[7]。UrbanSIM的场景与之不同，包括城市物质形态、用地混合、密度以及出行模式对于规划成果的影响。它给出了可获得的政策、消费与收益、以及与之有关的政策影响。这并不是优化政策，而是推动支持互动式、参与式的规划过程。整体而言，这些城市模型在宏观和中观尺度上较多。

第二类主要面向城市设计，特别强调参数化设计，在南欧的学术团体之中探讨较多。这是由于城市信息模型呈现出了三维的信息，属于城市设计主要关注的要素。从城市设计角度而言，几何信息作为参数化系统，使用者可提出不同的解决方案，用于生成并评估城市设计方案。因此，与BIM类似，建立起参数化的CIM模型，并将数据实时连接到设计环境与分析环境，适用于整个城市设计过程。于是，在这种意义上，CIM被认为包括三部分，即方案策划、设计生成、方案评估，用于城市设计的全周期。这也称之为城市归纳法，用于支撑城市设计过程之中的协商与决策，包括如下步骤[8]。一是数据汇聚，用于描述方案的目标和发展愿景，包括地段及周边的人口、特征、业主需求、未来发展等数据。二是诠释模块，这是模型的核心部分，建立基础数据和方案描述机制，形成方案生成的过程。三是方案模块，用于描述生成的设计方案内容、要求、以及技术指标等。因此，数据组织是依据生成方案模块的逻辑，那么方案生成的规则或模型又成为CIM探讨的重点。

在这个领域之中，生成的规则或模型基本上延续了20世纪70年代到80年代的一系列形态学理念，包括建筑与建成环境的几何学[9]、形状语法(ShapeGrammars)[10]、模式语言[11]以及空间句法[12]。模式语言是典型的类型学与形态学的结合，包括一系列要素或符号，以及连接符号的规则；空间句法则关注诸如房间、走廊、街道、广场等空间之间的复杂连接关系，用于定量地描述不定形的空间结构及其行为模式。一般而言，形态分析基于三种基础物理要素，即建筑物及其与公共空间之间的关系、街坊块、街道。生成式模式必须依赖于城市分析模型，CIM需要结合城市模式的定量要素，告知城市设计师去如何设计。当今这种过程模型包括GIS的复杂拓展,如CityEngine，不过它们与CAD或Revit的不同在于缺乏清晰的设计要素工具箱[13]；而最新版本的CityGML3.0则在空间定义和组织方面，借鉴了空间句法关于空间的定义及框架，认为这融通了室内外空间结构、导航识路、土地利用管理三方面的场景应用。

第三类面向建筑行业及其产业链管理，强调BIM与GIS的技术融合。2007年，早期研究者（如Khemlani）往往认为，城市信息模型（CIM）是建筑信息模型（BIM）在城市尺度的应用，或者建筑信息模型（BIM）的汇聚就构成了城市信息模型（CIM），适用于城市规划的可视化和简单模拟[14]。这种理念是从建筑设计的角度来看待城市，将城市视为某种放大的建筑物，然而忽视了城市属于更为开放而复杂的系统，存在更为丰富的社会经济环境等巨系统，其模拟方式与建筑物有本质差异。之后，不少学者或实践者提出地理信息系统（GIS）与建筑信息模型（BIM）或计算辅助设计（CAD）的融合[15]，因为GIS广泛地适用于大尺度的城市规划领域或地球环境科学领域，而BIM或CAD则应用到中微观的建筑物和市政建设领域，而这两种的结合将有助于描述城市多种尺度的信息。从技术路线而言，GIS的通用标准是地理建构语言（GeographyMarkupLanguage,CityGML），而BIM的通用标准是工业基础分类（IndustryFoundationClasses,IFC），那么这两种标准的融合就构成了城市信息模型（CIM）[16]。

其融合建立在两种标准具有类似的语义分类体系。CityGML是开源数据模型，基于XML来实现虚拟三维城市模型的数据存储与交换。其目标是对三维城市模型的基础实体、属性以及关联进行通用定义。CityGML也提供了标准模型和机制，从几何、拓扑、语义、外形来描述三维物体，并定义了五种精度。这包括普遍特征、专题图之间的层次、聚合、物体关联、以及空间属性。IFC是面向对象的开源数据模型，从几何、分类以及语义信息等角度对室内外的建筑物体进行了描述，作为一种中间格式，将不同厂商的BIM（如Revit，Bentley,Catia等）进行有效地转换。IFC包括四层，即资源、核心、交换、领域层，每一层又包括系列模块组件，其中又分为多种类型，共包括900多种，其中60-70种描述类型与CityGML有类似的语义信息，那么IFC与CityGML就有了进行融合的基础[17]。于是，当IFC映射到CityGML之后形成城市信息模型，三维数字模型包括不同的城市实体（如建筑物、道路、城市家具、植被、水体等）、关系以及行为；每个实体具备几何形状、外形、拓扑联系以及语义特征或行为。

第四类面向数字孪生城市，强调城市全要素和全生命周期的运营[18]。随着城市感知体系或物联网（IoT）的发展，结合5G、空天地一体化网络、边缘计算、区块链等，实时数据的获取成为了现实，那么传统意义上的模型建构方式发生了变化，特别是人工智能技术的引入，使得模型可以对实时数据进行学习，不断地调整、乃至生成新的模型[19]。这称之为模型建构范式的变化。例如，通过倾斜摄影或激光扫描作为感知方式，获得不同类型的地物模型，并开展中微观尺度的单体化，建立起基于几何实体化的感知应用系统，从而连接了实体部件与运行功能之间的实时情景，聚焦对设施安全、稳定运行、产业创新等方面的信息采集及综合应用，并提供共享服务，为城市规划建设运营的决策提供实时性支撑[20]。从这个角度，GIS+BIM+IoT的模式又被得以广泛探讨，其中从业务场景的角度以松耦合的方式，去组织数据和建构模型，成为热点之一，如数据中台和模型中台的探讨。在一定程度上，这种模式的CIM被视为是数字孪生城市的初始状态，支撑未来智慧城市的运行。

基于连接主义的CIM内涵

NO.3

 

在CIM定义探讨过程之中，对模型（Modeling）本身的理解也有多种讨论。模型不仅仅是对物质环境或社会经济现象的描述或记录，如IFC或CityGML中关于几何或属性的客观描述，而且包括基于专业机制的描述性要素之间的彼此互动和演化，从而构成了诸如交通模型、风环境模型等。从理论而言，模型包括描述型、探索型、规划型以及预测型。描述型模型用于解释和理解真实现象；探索型模型用于发现其他可能的真实；规划型模型采用模拟方式去优化变量和参数；预测型模式用于预测未来，然而具有外部条件的限制，要么依据历史或现状去推测未来，要么基于因果关系去判断未来。从城市本身而言，它又是复杂巨系统，包括跨行业的子系统、跨部门的子流程、跨专业的子学科等，复杂模型本身的建构应该是开放式以及可扩展式的。

在很大程度上，CIM建立的目的是实现人们对城市的管控、治理与运营，模拟城市发展中不确定的要素和方向，助力城市全生命周期的各种重大决策[19]。控制论的创始人诺伯特•维纳（NorbertWiener）认为城市是网络和互动之中的新城代谢，其中负的外部效益将通过改善流动的生产能力而加以消除。虽然诺伯特•维纳于1948年提出控制论是“动物和机器中控制与交流的科学研究”[21]，然而在21世纪，控制论被认为是使用技术控制任何系统的科学研究，即研究人、动物、机器等的控制与彼此交流，被广泛地用于人工智能和机器人领域。控制论是一种跨学科的方法，基于不同行业探究规则化系统，包括它们的结构、限制以及可能性，而这些规则是从开放的城市运行系统之中实时生长出来的[15]。英国皇家科学院院士迈克•巴蒂认为，城市的区位理论让位于城市网络的连接与流动，不同领域连接的多样性导致了城市作为整体的复杂性[22]。因此，不同行业之间的彼此关联路径变得尤为重要。

从这个角度，城市信息模型加速了个人与城市各个行业或部门、或者个人与社会之间的交流，而感知和认知则是其中关键的环节。感知过程是建立事物之间关联网络的过程，不断地把局部现象进行组织，建构起局部的感知场景。认知过程是建构或重组知识体系网络的过程，其中知识的碎片被不断地而非完美地连接起来，从而构成了作为整体的认知场景。真实场景与认知场景之间通过行为操作进行验证，从而形成知识沉淀。因此，在一定程度上，CIM本质上是模拟人们感知世界、认知世界、推演世界、操作世界的过程，对应于数据汇聚、模型搭建、场景演绎、应用反馈的环节。在这种过程模型之中，并不是把多源异构数据或不同类型模型汇聚起来了，就可以自然生成场景、智能或智慧，并适用于多种业务。反而，数据治理和模型建构源于场景需求及其背后机制的抽象，那么数据之间的关系、模型之间关系、以及模型内部的逻辑关系都是驱动数据组织和模型重构的关键，并随场景的变化而变化，形成实时动态的数据中台、模型中台以及知识图谱，共同构成了场景生成和验证的深层次智能支撑。在人机互动过程之中，这种智能支撑与现实世界相互交流，共同构成了城市的新智慧。

感知到认知基于视觉机器学习，网络范式也尤为重要，赋予了CIM以自我学习的能力。神经网络本身就是从神经元和神经触突角度，以图网络的方式建构起来。而梯度反向传播的方法就是从输出的模拟场景出发，不断与真实场景进行对比，对多层神经网络进行训练，在这个过程之中，重新组织数据和模拟机制，不断地调整参数，从而建立起能预测场景的模型，或者说让模型去逼近真实场景世界。这就是典型的过程模型，其中参数及其关联关系在不断地试错或验证，从而在抽象之中挖掘出可推广的模型，进而泛化去应用到千变万化的场景。在这种意义上，城市信息模型将逐步获取学习能力，通过与现实城市的互动，即数据感知和汇聚，从而不断地获得模型迭代的推演和预测能力，推动虚拟和真实场景的演变。因此，城市信息模型针对有限对象、有限目标、有限能力，不断迭代，建构起“场景-模型-数据”互动的学习过程，使得各方都不断完善，建构起城市智慧体。

多层次的场景迭代

NO.4

 

场景本身为数据采集或机器学习提供了一种参考系，以此来推动数据的重组，以及搭建不同模型之间的参数联系；数据的融合或模型的迭代又构成多层场景的学习过程。CIM通过这种学习过程，将真实世界之中的人、事、物抽象为数字世界之中知识，并在真实的空间场景中得以再生产，加速知识的迭代，孕育出人机互动的智慧。这体现为敏捷感知、开放流通、创新应用三大部分；与之同时，这三大部分也在个人、企业、区县、市、省等不同的尺度上彼此交织，构成了多层次、多精度、多模态的复杂场景系统。

从空间场景出发，每条行业或部门条线，如土地、规划、文化、金融、治理等，都是空间场景的一个维度，并构成了彼此交织的复杂空间块体，如卧室、车站、社区等。在很大程度上，基于空间块体的场景源于行业或部门条线彼此互动流通的过程，并建构起更为复杂而开放模糊的知识体系。因此，CIM基于物联感知体系以及人本身的感知能力，从真实世界之中及时地获取要素，并转化为多源异构数据，汇聚起来。不过，数据汇聚不是简单的堆积，而是根据空间场景进行分类和重组，形成了灵活组合的分布式数据库结构，从而数据根据知识体系而获得了语义标签，并加以深度管理，称之为数据中台，或数据自我学习的第一个层次。

对于数据要素，不管是物质实体要素，如门或窗等，还是社会经济要素，如人口或收入等，都根据空间场景及其知识体系，建构起内在的联系，形成了各自的模型，如BIM、交通模型、微气候模型、产业链模型等。它们内部的计算规则、以及彼此的联动机制，都承接了数据中台的分类体系，也同时吸收了行业条线或场景块体的逻辑结构。围绕场景的实现，不同模型之间定制化地组合，共同从不同的维度去模型空间场景的功能运行，也推动了数字化的场景搭建，并最终在应用过程之中不断迭代和验证。这称之为模型中台，或模型自我学习的第二层次。

对于不同类型的模型，它们以微服务的方式，根据空间场景的需求，彼此组合在一起，提供共性的服务，如描述、诊断、预测、决策、交换等，从而建构起数字化的空间场景，提供人们进行操作互动的界面，于是CIM才有可能让数字化的场景得以检验，适用于真实的人类活动。这称之为服务中台，或服务自我学习的第三层次。于是，依赖于空间场景的条线与块体之间的实时转换，三个中台中的数据、模型、服务模块不断流转，构成了平台的核心功能，支撑各种创新应用，覆盖宏观与微观，桥接微观的感知与宏观的决策。

图 2 场景驱动下的 CIM 架构 （图片来源：作者自绘）

在这种意义上，场景迭代是CIM的驱动力，也是CIM进行人工智能学习的起讫点。真实世界之中的场景是人们进行日常感知的最直接方式，这往往是日常模糊的语言或行为模式，如热闹的商业购物或安宁的水边沉思等。这也是人们感知过程之中自发生成的高度抽象概括，包括社会、经济、文化、环境等维度，往往构成了城市发展政策与目标。在CIM之中，这种多元的空间场景往往被不同的指标进行描述性解析，转化为定量的指标体系，抽象地对应于空间场景本身。不过，这些指标有可能直接来源于对数据的深度学习，也可能来自于模型的计算结果的深度挖掘。换言之，数据和模型的自我学习过程支持着空间场景的生成和变迁。与之同时，空间场景本身的全生命周期

变动与其流程密切相关，业务或部门流程在场景之中进行重塑，彼此交织为更为复杂的网络体系，最终沉淀到CIM平台之上，体现为学习本身的智慧。在这个过程之中，数据、模型、服务都与空间场景深度互动，共同构成了CIM的知识体系生成器。

苏州 CIM 顶层设计案例

NO.5

 

苏州市CIM基础平台定位为城市的时空信息基础设施，其核心是“时空化”。平台以时空场所整合土地、规划、文化、金融、治理等各条线，重构三维空间场所的多维度关系，通过对社会、经济、环境等各种要素进行数字化、空间化管理，提供时空信息服务，服务于各部门数据与业务的时空流转，支持感知敏捷、开放流通、创新应用，最终实现善治、兴业和惠民。

苏州市CIM基础平台以现状（测绘）数据、规划数据为基础，融合各业务部门的管理数据、社会经济数据形成公共的空间数据融通底板，实现全市公共数据底板共建；基于物联感知体系，实时整合人、事、物等动态信息，推动人机互动交流，为城市提供公共的空间决策支撑服务，实现全生命周期共治；按业务需求，将数据组合成为模型，用于分析、模拟、仿真和可视，形成全市公共的空间信息服务操作系统，构建具有价值的数据资产，驱动新经济模式产生，形成数字经济价值共享；以“空间场所”的应用为出发点，通过空间数据共享、空间分析支撑、空间可视表达、空间应用赋能，实现数字孪生空间共创。

场景的迭代体现为业务与数据的互动。苏州市CIM构建一条“业务链”，编织一张“数据网”，在数据、模型、流程三轮驱动下，以业务集成重塑流程、整合模型、重组数据；以新型数据采集来推动数据治理的创意，支撑模型创新，辅助流程创意，通过模型和标准建立业务与数据之间的映射关系，实现数据与业务的双向赋能。智慧城市是城市信息化的高级阶段，其中最重要的是建立城市时空底座，城市中所有的要素都可以和空间、时间建立联系，CIM基础平台的关键便是实现城市各要素的时空化，城市的人口、经济、投资、医疗、教育、交通、感知等数据都可以基于CIM基础平台进行关联融合，挖掘更多有价值的信息，催生更加多元的应用，让平台真正“活”起来。

图 3 以空间为核心的 CIM 功能架构 （图片来源：作者自绘）

一是搭建1+10分布式架构体系。苏州市CIM基础平台是“1+10”市域一体化的平台，其中“1”表示苏州市，“10”表示苏州六区四县共10个板块。苏州本地市区两级的管理特征也决定了苏州市CIM基础平台的“1+10”分布式架构。以苏州市的城市级感知网络、空天地一体化网络体系、数字基础设施作为底层支撑，平台采取市级统筹、市区共建的模式，在纵向上通过统一的数据标准实现市区两级的数据汇聚和交换，在横向上以空间编码为纽带打通各业务条线的空间管理单元，实现多源异构数据的融合和数据的空间化映射。

二是架构三中台模式，苏州市CIM基础平台重点构建数据中台、业务中台、模型中台三大中台。数据中台通过对多维数据资源进行汇聚、融合、治理，提供数据资产服务能力和便捷快速的开发环境；业务中台将不同用户的共性业务需求提取出来，包括描述、诊断、预测、决策、信息交换等类型，将其集中开发为通用功能组件；模型中台提供三维建模、数据分析、模拟仿真及模型迭代的能力，建立数据与业务的交互映射。三个中台共同促进多专业协同在城市规划、建设和管理中的应用，推动场景引领、数据支撑、算法辅助的科学决策。

三是建立多场景的松耦合应用模块。基于微服务，苏州市CIM基础平台的应用系统建设围绕空间，基于资源、土地、规划、项目、监管、交易六方面相互连通与制约，重点关注以下几个方面：第一，生态价值挖掘，搭建山水城市的三维生态本底，模拟生态平衡、量化生态价值；第二，流动空间追踪，发现苏州人口、企业、资金、气候环境等流要素的流动特征；第三，文化复兴决策，以古城保护为代表，建立人口、土地、交通等多模型、多流程、多专业协同决策模式，创新内生型数字经济路径，搭建数字孪生信用体系；第四，土地精细治理，以数字化土地权属、项目审批为抓手，强化重大项目选址和实施的可行性研究，建立土地全周期流转闭环；第五，人民参与协同，强化多主体空间协商，基于人机AI互动和参数化设计，就空间识别、策划、规划设计、建设竣工、不动产登记等进行多主体协商，加强公众参与。

讨论

NO.6

 

针对CIM的未来发展，本文认为CIM不仅仅是简单的物质形态模型（如BIM、倾斜摄影、或激光点云模型等）的集合，而且是汇聚了城市感知、数据融合、模型互动、服务支撑、场景图谱等功能模块，以场景迭代为驱动力，借助人工智能等技术，实时优化数据结构和模型生成，最终为城市理论和建设的发展提供虚拟仿真环境。因此，CIM将会逐步推演出城市演进的机制，推动实体和虚拟城市相互沟通，最终孕育出人类新型智慧以及未来城市。

参考文献

[1]新华社.中华人民共和国国民经济和社会发展第十三个五年规划纲要

[EB/OL],http://www.xinhuanet.com/2021-03/13/c_1127205564.htm,2021.

[2]人民网.浙江深入推进社会治理体系和治理能力现代化纪事

[EB/OL],http://zj.people.com.cn/n2/2021/0320/c186806-34631785.html,2021.

[3]住房和城乡建设部.住房和城乡建设部印发《城市信息模型（CIM）基础平台技术导则》（修订版）

[EB/OL],http://www.mohurd.gov.cn/zxydt/202106/t20210611_250445.html,2021.

[4]吴志强,甘惟,臧伟,马春庆,周竣,何珍,周新刚.城市智能模型(CIM)的概念及发展[J].城市规划,2021(4):106-113+118.

[5]Stojanovski,T.Cityinformationmodeling(CIM)andurbanism:Blocks,connections,territories,peopleandsituations[C].In:ProceedingsoftheSymposiumonSimulationforArchitecture&UrbanDesign(p.12).SocietyforComputerSimulationInternational,2013.

[6]Wilson,A.G.StatisticalTheoryofSpatialTripDistributionModels.TransportationResearch,

1967(1):253-269.

[7]Waddell,P.UrbanSim:ModelingUrbanDevelopmentforLandUse,TransportationandEnvironmentalPlanning.JournaloftheAmericanPlanningAssociation.2002（68）.297-314.10.1080/01944360208976274.

[8]Montenegro,Nuno,Beiro,J.N.&Duarte,J.P.,PublicSpacePatterns:TowardsaCIMstandardforurbanpublicspace.InRESPECTINGFRAGILEPLACES[29theCAADeConferenceProceedings/ISBN978-9-4912070-1-3],UniversityofLjubljana,FacultyofArchitecture(Slovenia)21-24September2011.29theCAADeConference.Ljubljana,pp.7986.

[9]March,LandSteadman,P.TheGeometryofEnvironment:AnIntroductiontoSpatialOrganizationinDesign,MITPress,1974.

[10]Stiny,G,IntroductiontoShapeandShapeGrammars,EnvironmentandPlanningB:PlanningandDesign,1980,7(3),pp.343-351.

[11]Alexander,C.,Ishikawa,S.,andSilverstein,M.1977.APatternLanguage:Towns,Buildings,Construction[M].OxfordUniversityPress.

[12]Hillier,B.,Leaman,A.,Stansall,P.,andBedford,M.1976.SpaceSyntax[J].EnvironmentandPlanningB:PlanningandDesign.3(2)147-185.

[13]Beiro,J,Duarte,JandStouffs,R,,2009.Monitoringurbandesignthroughgenerativedesignsupporttools:agenerativegrammarforPraia.InProceedingsoftheAPDRCongress.

[14]L.Simonelli,A.L.Amorim,2018.CityInformationModeling:GeneralAspectsAndConceptualization.AmericanJournalofEngineeringResearch(AJER).Volume-7,Issue-10,pp-319-324.

[15]Douay,N.UrbanPlanningintheDigitalAge，JohnWiley&Sons,Inc.Hoboken，USA.2018.

[16]BerloL.andLaatR.2010.IntegrationofBIMandGIS:ThedevelopmentofthecityGMLgeoBIMextension.Advancesin3DGeo-InformationSciences,211-225.

[17]IrizarryJ.,KaranE.P.,andJalaeiF.2013.IntegratingBIMandGIStoimprovethevisualmonitoringofconstructionsupplychainmanagement.AutomationinConstruction,31,241-254.

[18]许镇,吴莹莹,郝新田,杨雅钧.CIM研究综述[J].土木建筑工程信息技术,2020(3):1-7.

[19]杨滔,张晔珵,秦潇雨.城市信息模型(CIM)作为“城市数字领土”[J].北京规划建设,2020(6):75-78.

[20]杨滔,杨保军,鲍巧玲,张晔珵,罗维桢.数字孪生城市与城市信息模型（CIM）思辨——以雄安新区规划建设BIM管理平台项目为例[J].城乡建设,2021(2):34-37.

[21]WIENERN.,Cybernétiqueetsociété,ditionsdesDeux-rives,Paris,1952.

[22]Batty,M.2013.TheNewScienceofCities[M].Massachusetts:TheMITPress.

完

扫一扫