مدلسازی و شبیه سازی شهرها با دوقلو دیجیتال Digital Twins؛ از داده های خام تا محصول نهایی

نوشته:  Anders Logg, Vasilis Naserentin 

مفهوم Digital Twins یا دوقلو دیجیتال در سال‌های اخیر عملاً گسترده شده است، اما در محیط ساخته شده، اصطلاح سنتی مدت‌ها «مدل شهر سه‌بعدی» بوده است. با این حال، دوقلو دیجیتال به طور فزاینده ای به عنوان یک مفهوم مفید که فراتر از مدل های سه بعدی شهر گسترش می یابد، نه تنها برای مدل سازی، بلکه برای شبیه سازی شهرها نیز پذیرفته می شود. بنابراین دوقلو دیجیتال چیست، چگونه از آنها استفاده می‌شود و چه چالش‌هایی در بر دارند؟

مفهوم دوقلوی دیجیتال در سال های اخیر عملاً منفجر شده است، همانطور که با افزایش روزافزون تعداد مقالات علمی که از این مفهوم استفاده می کنند، مشهود است. این مفهوم از صنعت تولید سرچشمه می گیرد که در آن استفاده از مدل های CAD امکان ایجاد کپی دیجیتال دقیق از اجزا و محصولات را فراهم می کند. اولین استفاده از این اصطلاح به سال 2003 برمی گردد و اغلب به گریوز و ویکرز نسبت داده می شود، اما می توان ارجاعات قبلی به این مفهوم را یافت. مطمئناً، درک این موضوع که مدل‌های ریاضی و اخیراً دیجیتالی سیستم‌های فیزیکی از اهمیت زیادی هم برای علم و هم برای مهندسی برخوردار هستند به قرن‌ها قبل برمی‌گردد.

تعریف دوقلو دیجیتال Digital Twins

پس یک دوقلو دیجیتال چیست؟ هم در ادبیات علمی و هم بیشتر از آن، در روایت‌های تجاری، «دوقلو دیجیتال» یک مفهوم کاملاً کشسان است که برای برچسب‌گذاری فناوری‌ها یا سیستم‌هایی که ممکن است مطابق با همه معیارهای یک دوقلو دیجیتال باشند یا نباشند، استفاده می‌شود. آیا یک دوقلو دیجیتال نیاز به یک مدل سه بعدی دارد؟ آیا یک دوقلو دیجیتال باید داده‌های حسگر زمان واقعی را شامل شود؟ آیا یک دوقلو دیجیتال نیاز به مدل سازی و شبیه سازی ریاضی دارد؟

نگاهی به برخی از تعاریف متعددی که برای مفهوم دوقلو دیجیتال ارائه شده است، آموزنده و جالب است، زیرا به نظر می‌رسد برخی از همگرایی نسبت به یک تعریف پذیرفته شده جهانی وجود دارد. به عنوان مثال، اکثر تعاریف اکنون موافق هستند که یک دوقلو دیجیتال مدلی از یک سیستم فیزیکی است که سیستم فیزیکی را در زمان واقعی منعکس می کند و امکان تجزیه و تحلیل و پیش بینی سیستم فیزیکی را فراهم می کند. بنابراین می توان از دوقلو دیجیتال هم برای تجزیه و تحلیل سیستم فیزیکی (“آنچه هست”) و هم برای پیش بینی رفتار آینده آن تحت فرضیات داده شده (“چه چیزی ممکن است”) استفاده کرد.

این تعریف تا حدی با تعریف رشید و همکاران همپوشانی دارد. (2020): “یک دوقلو دیجیتال به عنوان یک نمایش مجازی از یک دارایی فیزیکی تعریف می شود که از طریق داده ها و شبیه سازها برای پیش بینی، بهینه سازی، نظارت، کنترل و تصمیم گیری در زمان واقعی فعال می شود.

” تعریف مشابهی توسط IBM استفاده شده است: “یک دوقلو دیجیتال نمایش مجازی یک شی یا سیستم است که چرخه حیات خود را در بر می گیرد، از داده های زمان واقعی به روز می شود و از شبیه سازی، یادگیری ماشین و استدلال برای کمک به تصمیم گیری استفاده می کند.” این دو تعریف اخیر بر دو فناوری تأکید دارند که ممکن است برای فعال کردن عملکرد پیش‌بینی دوقلو دیجیتال استفاده شوند: شبیه‌سازی و یادگیری ماشین.

تعریفی که اغلب در ادبیات قبلی در مورد دوقلو دیجیتال دیده می شود این است که توسط گلسگن و استارگل (2012): ” دوقلو دیجیتال یک شبیه سازی چندفیزیکی یکپارچه، چند مقیاسی و احتمالاتی از یک سیستم […] ساخته شده است که از بهترین فیزیکی موجود استفاده می کند.

مدل‌ها، به‌روزرسانی‌های حسگر، […]، برای منعکس کردن زندگی Twins[فیزیکی] متناظر آن.” تعریف ساده‌تری در ویکی‌پدیا ارائه شده است: «یک دوقلو دیجیتال یک نمایش مجازی است که به عنوان همتای دیجیتالی بلادرنگ یک شی یا فرآیند فیزیکی عمل می‌کند».

در حوزه شهرهای دیجیتال، استوتر و همکاران. (2021) بر استفاده از مدل‌های شهر سه بعدی به عنوان بخش اساسی یک دوقلو دیجیتال تأکید می‌کند: «[دوقلو دیجیتالها] باید بر اساس مدل‌های سه‌بعدی شهر، حاوی اشیایی با اطلاعات هندسی و معنایی باشد. باید حاوی داده های حسگر زمان واقعی باشد. و باید انواع تحلیل ها و شبیه سازی ها را ادغام کند تا بتواند بهترین تصمیمات طراحی، برنامه ریزی و مداخله را اتخاذ کند.

این تعریف یادآور سنت طولانی در محیط ساخته شده برای ایجاد مدل های سه بعدی از شهرها و ساختمان ها است، که ممکن است با داده های معنایی غنی شده و به عنوان مبنایی برای تجزیه و تحلیل، از جمله، به عنوان مثال، تحلیل نور روز و انرژی، و همچنین شبیه سازی استفاده شود.

مواردی مانند ترافیک، راحتی باد یا کیفیت هوا. در محیط ساخته شده، اصطلاح سنتی «مدل شهر سه بعدی» است، و به تازگی مفهوم دوقلو دیجیتال به عنوان یک مفهوم مفید و چیزی فراتر از مدل‌های سه بعدی شهر مورد پذیرش قرار گرفته است.

داده های خام

نقطه شروع برای ایجاد دوقلو دیجیتال یک شهر، دسترسی به داده های خام است. این داده ها ممکن است از اسکن های هوایی به شکل ابرهای نقطه ای ایجاد شوند. سپس ابرهای نقطه ای برای ایجاد مدل های شهر دو بعدی یا سه بعدی پردازش می شوند. دسترسی به داده ها بین کشورها متفاوت است و ممکن است همیشه باز یا آزادانه در دسترس نباشد.

در سوئد، Lantmäteriet، مرجع نقشه‌برداری، کاداستر و ثبت زمین سوئد، مجموعه‌ای از مجموعه‌های داده شامل ابرهای نقطه‌ای و نقشه‌های دوبعدی را برای کل سوئد (با پرداخت هزینه) ارائه می‌کند. در همین حال، مجموعه داده های دقیق تر و با کیفیت بالاتر، از جمله مدل های سه بعدی، در اختیار شهرداری های محلی است.

در هلند وضعیت متفاوت است. آدرس‌ها و ساختمان‌های 3D Baseregister (BAG) دسترسی رایگان و آزاد به مدل‌های سه بعدی را برای تمام ده میلیون ساختمان در کشور فراهم می‌کند. علاوه بر این، مجموعه داده به طور منظم و خودکار بازسازی می شود تا یک مدل سه بعدی به روز از کل کشور ارائه کند.

مدل های داده

برای ساختن یک دوقلو دیجیتالی با پیچیدگی و کاربرد، ضروری است در نظر بگیریم که کدام مدل داده برای تعریف دوقلو دیجیتال استفاده می شود. توجه داشته باشید که این با مدل(های) ریاضی مورد استفاده برای شبیه سازی و پیش بینی متفاوت است.

انتخاب مدل داده دیکته می‌کند که کدام داده می‌تواند نمایش داده شود، و کدام مواردی که ممکن است توسط دوقلو دیجیتال پشتیبانی شود. مدل داده اجرای یک هستی شناسی خاص است که به طور صریح یا ضمنی توسط پیاده سازی تعریف شده است. هستی شناسی نحوه توصیف و درک داده های دوقلو دیجیتال را از نظر کلاس ها، ویژگی ها و روابط تعریف می کند. چندین مدل داده و قالب‌های تبادل متناظر برای مدل‌سازی شهر پیشنهاد شده‌اند.

یکی از برجسته ترین آنها CityGML است که استانداردی از کنسرسیوم فضایی باز (OGC) است. فرمت CityJSON مرتبط (همچنین یک استاندارد OGC) یک رمزگذاری ساده شده و بسیار برنامه نویس پسندتر از مدل CityGML است.

مشترک بسیاری از مدل‌های داده برای مدل‌سازی شهر، مفهوم سطح جزئیات (LOD) است. این مفهوم، مدل داده را قادر می‌سازد تا نمایش‌های مختلف شهر را با سطوح مختلف جزئیات (رزولوشن هندسی) برای اهداف مختلف ذخیره کند.

وجود همزمان چندین سطح از جزئیات در یک دوقلو دیجیتال تأکید می کند که دوقلو دیجیتال در واقع مدلی از سیستم فیزیکی است که منعکس می کند، و نمایش دیجیتال و همچنین دقت آن توسط هر دو مورد استفاده که دوقلو دیجیتال برای آنها طراحی شده است دیکته می شود. ، کیفیت داده ها و منابع محاسباتی موجود.

تولید داده

موارد استفاده مختلف از یک دوقلو دیجیتال اغلب به نمایش داده های بسیار متفاوتی نیاز دارند. برای مدل‌سازی یک شهر، اگر از یک معمار یا یک دانشمند محاسباتی سؤال شود، ممکن است درک آنچه که یک مدل سه بعدی با کیفیت بالا را تشکیل می‌دهد، بسیار متفاوت باشد. برای معمار، یک مدل سه بعدی با کیفیت بالا ممکن است به معنای مجموعه ای دقیق از شبکه های سطحی باشد که توپوگرافی شهر و هندسه ساختمان های آن را توصیف می کند.

مش های سطح ممکن است هم ناسازگار و هم ناسازگار باشند، زیرا مش ها بیشتر برای تجسم و محاسبات ساده مانند آنالیز نور روز استفاده می شوند. از سوی دیگر، برای یک دانشمند محاسباتی، یک مدل سه بعدی با کیفیت بالا ممکن است به معنای یک شبکه حجمی با وضوح پایین، برازش مرزی و منطبق باشد که ممکن است برای اجرای چیزهایی مانند شبیه‌سازی دینامیک جریان محاسباتی (CFD) استفاده شود.

تیم مرکز شهرهای دوقلو دیجیتال (DTCC) در سوئد در حال حاضر در حال توسعه یک پلتفرم منبع باز برای نمایش و تولید مدل های داده با کیفیت بالا برای دوقلوهای دیجیتال شهرها هستند. یکی از مراحل کلیدی، تولید شبکه‌های سطحی با کیفیت بالا و شبکه‌های حجمی چهاروجهی از داده‌های کاداستر و ابر نقطه‌ای با کارایی بالا است (شکل 1). این امکان تولید ساده و کارآمد مدل های سه بعدی را برای هر بخشی از سوئد (یا هر نقطه دیگری از جهان که داده های سازگار دارد) را فراهم می کند.

تولید مش در حال حاضر به مدل های LOD1 محدود شده است، به این معنی که ساختمان ها به صورت منشورهای چند ضلعی (بام های تخت) نشان داده می شوند. با این حال، کار برای گسترش نسل مش به مدل‌های LOD2، از جمله شکل‌های غیر مسطح پشت بام بر اساس تقسیم‌بندی سقف‌ها از عکس‌های ارتو با استفاده از تکنیک‌های یادگیری ماشین، در حال انجام است.

مدل سازی و شبیه سازی

با وجود مش های محاسباتی که به راحتی برای هر شهری در دسترس هستند، طبیعی است که استفاده از مدل سازی و شبیه سازی مبتنی بر فیزیک را برای فعال کردن تجزیه و تحلیل و پیش بینی پیشرفته در نظر بگیریم. نمونه‌هایی از پدیده‌های فیزیکی که ممکن است در مطالعه شهرها مرتبط باشند عبارتند از آسایش باد شهری (شرایط باد در سطح خیابان)، کیفیت هوا، نویز، و میدان‌های الکترومغناطیسی (برای تحلیل پوشش شبکه).

یکی از نمونه‌های این شبیه‌سازی که در حال حاضر در DTCC بررسی می‌شود، شبیه‌سازی آسایش باد شهری است. این شبیه‌سازی از یک روش مرز غوطه‌ور برای معادلات رینولدز میانگین ناویر-استوکس (RANS) با استفاده از IPS IBOFlow استفاده می‌کند. تمرکز فعلی بر تأیید و اعتبارسنجی نتایج شبیه‌سازی برای مجموعه‌ای از موارد معیار شبیه‌سازی باد شهر است که قبلاً در تونل‌های باد مورد مطالعه قرار گرفته‌اند.

برخی از نتایج اولیه در شکل 2 نشان داده شده است. نمونه‌های دیگر از مدل‌سازی و شبیه‌سازی مبتنی بر فیزیک که در حال حاضر در DTCC مورد بررسی قرار می‌گیرند، شامل شبیه‌سازی کیفیت هوا، صدای خیابان، حرکت جمعیت و شبیه‌سازی ژئوتکنیکی بر اساس مدل‌های الاستوپلاستیک از خاک رس نرم است که مقدار زیادی را تشکیل می‌دهد. از زیرزمینی گوتنبرگ

تجسم

تجسم داده‌ها در مقیاس شهری، خود زمینه‌ای برای تحقیقات مداوم است. اطلاعات فیزیکی، مانند جریان باد و کیفیت هوا (به عنوان مثال، غلظت آلاینده ها)، باید به گونه ای ارائه شود که برای کاربر نهایی قابل درک باشد، اما بدون ساده سازی بیش از حد نتایج علمی. ارتباط موثر نتایج مستلزم چندین تکرار طراحی است که در آن محققین، توسعه دهندگان و کاربران نهایی/ذینفعان درگیر هستند.

DTCC به طور فعال با سهامداران اصلی مانند آژانس حمل و نقل سوئد در پروژه های تحقیقاتی همکاری می کند که چگونگی ارتباط بهترین نتایج شبیه سازی را با گروه های مختلف کاربر بررسی می کند. پروژه‌های تحقیقاتی در حال انجام در حوزه تجسم بر راه‌حل‌های مختلف برای اشتقاق داده، آماده‌سازی، بسته‌بندی، همگن‌سازی و انتشار تمرکز می‌کنند.

موتورهای گرافیکی مختلف آزمایش شده و مورد استفاده قرار می گیرند، به عنوان مثال، Unreal Engine و OpenGL، و همچنین پیاده سازی های مختلف برنامه های کاربردی وب مبتنی بر Mapbox، CesiumJS و Babylon.js.

چالش های فنی

چالش‌های زیادی در ایجاد یک دوقلوی دیجیتالی از چیزی بسیار پیچیده مانند یک شهر وجود دارد. از آنجایی که شهر خود یک سیستم پیچیده است که نه تنها خیابان‌ها و ساختمان‌های شهر، بلکه ساکنان آن، اتومبیل‌های در حال حرکت در خیابان‌ها، تعامل با محیط اطراف (باد و آب) و همچنین زیرساخت‌های زیرزمینی را در بر می‌گیرد. – که گاهی اوقات نادیده گرفته می شود و در عین حال بسیار قابل توجه است – طبیعی است که ایجاد یک دوقلوی دیجیتالی شهر به همان اندازه پیچیده باشد.

بنابراین، وظیفه ساختن دوقلو دیجیتال به طور ضروری پروژه ای است که باید متخصصان بسیاری از رشته های مختلف را درگیر کند. چالش‌های فنی درگیر در ساختن دوقلو دیجیتال، هم شامل چالش‌های بین‌رشته‌ای در همکاری بین اعضای تیم از رشته‌های بسیار متفاوت و هم چالش‌های فنی درون رشته‌ای یا دامنه خاص از قبل ایجاد شده، مانند نحوه پیاده‌سازی یک حل‌کننده المان محدود با کارآمدترین روش برای یکی می‌شود.

از بسیاری از مدل‌های ریاضی که با هم مدل چندفیزیکی را تشکیل می‌دهند که دوقلوی دیجیتالی است.

چالش های غیر فنی

با کنار گذاشتن چالش‌های فنی، چالش‌های اصلی که تاکنون در DTCC تجربه شده‌اند، همگی به داده‌ها مربوط می‌شوند:

• مالکیت داده در سراسر سازمان ها: داده ها اغلب نه رایگان هستند و نه باز. سازمان‌ها، حتی شهرداری‌ها، تمایلی به اشتراک‌گذاری آزادانه داده‌های خود ندارند، زیرا در مقطعی سرمایه‌گذاری قابل‌توجهی در جمع‌آوری و مدیریت آن انجام داده‌اند. این در نقاط مختلف جهان متفاوت است. در برخی موارد (مانند هلند)، داده ها در واقع رایگان و باز هستند.

• دوقلو چون واقعیت دائما در حال تغییر است. تنها راه برای اتصال مجدد دوقلو دیجیتال به دوقلو فیزیکی، سرمایه گذاری در یک پروژه جدید و پرهزینه است. بنابراین، فرآیند ایجاد دوقلو دیجیتال باید به طور خودکار انجام شود تا بتوان آن را به طور مداوم بازسازی و بازسازی کرد.

• کیفیت داده در بین رشته‌ها: همانطور که در مثال فوق الذکر از یک مش برای استفاده توسط یک معمار در مقابل یک دانشمند محاسباتی، یک مجموعه داده خاص ممکن است برای یک مورد خاص با کیفیت بالا در نظر گرفته شود، اما ممکن است برای موارد استفاده دیگر از کیفیت بسیار پایینی برخوردار باشد.

• پایداری داده در طول زمان: ایجاد یک دوقلو دیجیتال باید به عنوان یک فرآیند درک شود تا به عنوان یک پروژه. نمونه‌های زیادی از شهرها، شهرداری‌ها و سایر سازمان‌ها وجود دارد که روی پروژه‌هایی برای ایجاد یک مدل سه بعدی یا حتی یک دوقلو دیجیتال سرمایه‌گذاری می‌کنند، اما چند سال بعد (یا حتی فقط چند ماه) متوجه می‌شوند که دوقلوی دیجیتال دیگر منعکس‌کننده شرایط فیزیکی نیست.

سپاسگزاریها

این اثر بخشی از مرکز شهرهای دوقلو دیجیتال است که توسط آژانس نوآوری سوئد Vinnova تحت کمک مالی شماره 2019-00041 پشتیبانی می‌شود. نویسندگان می‌خواهند از اپیک گیمز برای تأمین مالی بخش‌هایی از این اثر با یک مگا گرانت Epic تشکر کنند. علاوه بر این، آنها از Sanjay Somanath، Daniel Sjölie، Andreas Rudenå و Orfeas Eleftheriou برای ارائه تصاویر موجود در اینجا سپاسگزاری می کنند. این مقاله بر اساس «شهرهای دوقلو دیجیتالی: مدل‌سازی چند رشته‌ای و شبیه‌سازی با عملکرد بالا شهرها» است که برای اولین بار در نسخه ژوئن 2022 خبرنامه ECCOMAS منتشر شد.