基于城市信息模型的智慧城市管理体系架构*

包 胜，谢为时，秦现德，冯佳伟

(1.浙江大学建筑工程学院，浙江 杭州 310058； 2.浙江交工集团股份有限公司设计院分公司，浙江 杭州 310052)

0 引言

城市作为社会发展的政治、经济、科技、人文中心，对推动国家进步的战略意义和主导作用越来越重要。据统计，2018年，全球城市化率平均已达55%，我国城市化率已达59.58%，北美、欧洲的一些发达国家城市化率更是达到了74%以上。预计到2050年，全球城市化率有望达68%[1]。但是，城镇化发展速度过快，城镇人口快速攀升，给城市传统运行模式带来了前所未有的挑战。各种“城市病”制约了城市发展，如低效的城市管理方式、拥堵的交通系统、难以发挥实效的城市应急系统、远不完善的环境监测体系等[2]。

智慧城市的出现给城市化进程带来了新的动力，它是以实现智慧交通、智慧政务、智慧医疗、智慧环境、智慧经济和智慧生活等为目标，通过一系列先进软硬件技术结合，将城市运行管理的大量信息进行整合分析，统筹协调，改善城市运行发展中各种问题的过程。它的出现给城市发展中遇到的问题提供了一体化解决方案，不仅促进了先进生产方式的转化和生活方式的变革，同时也有利于解决城市化发展中的一系列“城市病”问题[3]。我国在智慧城市建设方面进行了积极的探索，但是由于环境及技术条件等限制，目前的智慧城市建设存在着许多问题：数据孤岛和重复建设，缺乏顶层规划，信息保护缺位，项目离散明显等[4]。城市信息模型(city information modeling,CIM)可作为智慧城市数据及管理核心助力智慧城市更好更快发展，通过对城市层面各种实体及其时空状态、交通、人文等信息的数字化描述和表达，利用通信、云计算、物联网、GIS、BIM等先进技术，对数据进行获取、传输、存储、挖掘及信息展示，将城市的时空波动集成到1个分析平台中，实现现实和虚拟的实时交叉，进而优化城市管理体系[5]。同时，城市信息模型通过不断学习城市的时空信息，随着时间的推移它必将变得更加智能，城市管理也将更加“智慧”[6]。

1 发展现状概述

智慧城市概念引入我国后，由于其具有广阔的应用前景以及政府的大力支持，在我国发展迅速。2008—2012年，智慧城市概念开始出现，该阶段以行业应用驱动为主，主要实现行业应用的数字化和网络化。2012—2015年，我国智慧城市建设兴起，住房和城乡建设部先后印发《国家智慧城市试点暂行管理办法》和《国家智慧城市(区、镇)试点指标体系(试行)》等文件，共批准约300个城市(区、镇)开展了国家智慧城市试点[7]，该阶段以新兴技术驱动为主，实现了城镇化加速和信息技术的全面应用。2016年至今，我国开启“互联网+”的新型智慧城市阶段，从智慧城市模块的碎片化推进步入融合互通的互联网平台搭建过程，该阶段以数据驱动为主，注重以人为本，统筹集约。《“十三五”国家信息化规划》将新型智慧城市作为十二大优先行动计划之一，从实施层面为新型智慧城市建设指明了方向和关键环节。2018年以来，我国又相继发布了多项智慧城市领域的标准，促进智慧城市标准化实施。

同时，全国各地积极响应中央决策部署，围绕各省市特点，推动新型智慧城市建设加快实施，积累了大量有益经验，取得了较好的建设成绩。北京市智慧城市建设经历了“数字北京” “智慧北京”阶段，正迈向新型“智慧北京”。如今，北京以城市副中心为试点、以人为本、以宜居宜业为目标，围绕市民生活、城市管理等方面展开新型智慧城市建设，并提出2025年建成全球新型智慧城市“标杆城市”。杭州的新型智慧城市建设主要以城市大脑为主，包括警务、交通、文旅、健康等11大系统和48个应用场景，日均数据可达8 000万条以上，推动城市实现智慧化。上海提出全面推进城市数字化转型，利用技术驱动实现赋能、机制驱动实现重塑。深圳提出抢抓新基建的机遇，全面升级“数字政府”和智慧城市的基础设施，同时利用AI、区块链等技术，对深圳数字中心基础支撑平台进行全面升级，为智能化城市建设提供一个软件和硬件的平台支撑。同时，中国平安(P)、阿里巴巴(A)、腾讯(T)、华为(H)等多家高科技企业也加入智慧城市的软硬件建设中。中国平安提出了总揽大局的全面方案，阿里巴巴注重城市商业，腾讯继续推进社交和连接，而华为大力加强通信基础设施建设，这4家科技巨头引领着中国的“智慧城市之路”(PATH)[8]。目前，我国在东部沿海以及中西部地区形成了多个大型智慧城市集群(见图1)，在智慧交通、智慧建筑、智慧生活、智慧经济、智慧能源、智慧安防、智慧政务等多个方面开展了特色智慧城市建设。

图1 全国智慧城市建设基本概况

与此同时，CIM由于其诸多特点及其与智慧城市较大的融合性，近年来也得到了较快发展。中国信息通信研究院2019年发布的新型智慧城市发展研究报告中提出，CIM平台崛起支撑虚实融合发展，CIM平台或将成为数字空间中城市运行的“孪生体”，助力智慧城市建设[9]。住房和城乡建设部启动CIM平台建设的试点工作，首批试点包括南京、北京城市副中心、广州、厦门和雄安新区。2020年9月，国务院办公厅发布关于以新业态新模式引领新型消费加快发展的意见[10]，提出推动CIM基础平台建设，支持城市规划建设管理多场景应用，促进城市基础设施数字化和城市建设数据汇聚。同期，住房和城乡建设部办公厅为指导各地开展CIM基础平台建设，总结试点工作经验做法，制定了《城市信息模型(CIM)基础平台技术导则》，推进城市信息模型标准化建设。

我国智慧城市建设已取得较大进展，在实现智慧化的同时为人民带来了实实在在的好处。但由于城市与城市之间发展水平和信息化程度千差万别，智慧城市建设特点也各有不同(见表1)，如何在保证各地个性化和创新性的同时，建立统一应用标准及实现方法，解决智慧城市建设中存在的诸多问题，是接下来需要重点研究的问题。笔者研究了智慧城市和CIM技术的内涵，对基于CIM的新型智慧城市建设的合作模式、内在逻辑、运行优势和建设目标进行了细致讨论[11]。本文是对先前研究的进一步深入，提出基于CIM的智慧城市管理体系架构，将CIM平台作为核心数据及管理平台，连接智慧城市应用全过程，实现城市管理体系的标准化、系统化提升。

表1 各类智慧城市建设特点

2 管理体系设计

CIM由于具有覆盖性广、信息性强、可视化等特点，能够对现实世界用数字化手段实现充分描述，在智慧城市治理方面有显著的优越性。基于此，本文设计基于CIM的智慧城市管理体系架构。

2.1 城市数据的层级体系

城市运行的智慧化实现，核心在于各项数据的管理，CIM通过对城市数据的收集、传输、存储、分析、应用等一系列过程[12-16]，实现城市智慧化管理的目标。本文提出城市数据管理的结构体系(见表2)，主要包括4个层面：感知传输层、数据存储层、数据分析层和服务应用层。以此为基础构建城市数据管理的基本框架，对数据进行常规化管理。

表2 城市数据的层级体系

2.2 智慧城市管理体系

智慧城市作为城市治理体系的一种创新性方案，它的根本目标是解决城市运行中存在的一系列问题，把城市化对环境、居民生活方式和城市治理的影响降到最低[17]；它的本质是物联网概念的一种应用，利用万物互联助力城市治理；它的发展方向是一种社会系统和结构的改变，虚拟空间和物理空间更加紧密地结合在一起[18]。它借助虚拟数字城市的表现来对物理空间城市进行管理，而CIM就是一种很好的城市虚拟空间的表现。通过对各类城市数据的管理，CIM平台在集成三维城市模型信息的同时，也为城市数据分析处理提供了良好的接口，并且能够传递支持决策的上层信息。可以说，CIM平台既是数字城市的实现，又是打造智慧城市的基础。基于对智慧城市管理的理解，提出以下体系架构(见图2)。

图2 智慧城市管理体系架构

城市运行数据首先经过传感器传输(IOT)、个人输入(移动端)、部门数据接入(政府、企业)等多种渠道进行收集，然后利用5G技术等多种通信技术构成稳定的传输网络，根据数据自身特点，考虑BIM，GIS模型及传统数据库存储特性，结合云存储和智能压缩算法等技术，对数据进行合理存储，数据价值通过云计算、大数据等技术进行深度挖掘，服务于后期应用。数据收集以应用为导向，形成数据管理闭环；数据存储则考虑数据类别、属性及后期应用点，多种数据交叉融合，构建以应用目标为导向的存储体系；3D CIM作为智慧城市实现的核心，既是智慧城市信息承载平台，又是管理应用中心，数据的收集、存储、分析及决策全过程都基于它开展；服务应用面向政府、企业、公众进行不同权限设置，通过设立算法服务平台和大规模计算平台，加大社会参与度，各应用端创新性地开发多种应用，充分调动社会积极性，提高应用质量和效率。基于CIM的智慧城市管理体系具有诸多优势，数据管理闭环，信息资源充分利用，社会企业及公众积极参与，各端的创新性被有效调动，智慧城市管理更加富有活力，管理决策更加有理可依，实现了城市管理的良性循环。

基于CIM的智慧城市管理体系架构涉及范围广，应用程度深，各方沟通协调难度大。因此，要构建智慧城市管理体系，提高CIM应用效果，以下各模块内容是关键。

1)可视化3D城市模型 将BIM+GIS的各类属性信息集成为3D城市模型，为用户提供数字城市的三维可视化界面，可以直观地呈现城市状态，方便用户进行信息查询、城市管理，也可以进行虚拟漫游、方案展示、决策优化以及预演训练等(见图3)。充分利用其可视化特点，对功能应用前后效果进行可视化对比分析，用更直观的方式对数据处理结果进行展示，使得管理决策更加高效。

图3 可视化3D城市模型应用示意

2)数据收集体系 包括完善的数据收集内容及方式。如何更好地安置传感器，保证数据有效性，在确定这些问题前应对各行业目前的数据收集现状进行调研分析，在现有基础上分析其特点与不足，建立以服务应用为导向的数据收集体系，以政府为中心[19]、各企业为辅助的数据收集统一管理模式，减少数据重复收集，让数据收集恰到好处。

3)数据传输网络 将城市数据高效安全地传输至城市数据资源库。5G网络作为未来数据收集的主阵地，釆集的大数据可以运用实时流式，处理涉及数据的聚合，数据的处理和展现能够在秒级或者毫秒级得到响应，实现数据的实时传输[20]。5G技术与多种先进网络通信技术相结合，组成CIM体系的神经网络，为智慧城市系统管理实现提供充分保障。

4)城市数据资源库 在保证数据库各方面特性的条件下做到数据充分应用，为用户提供适用数据资源。以CIM为基础，包含经济、人口等附加信息，结合传统数据库运行方式，汇集政府、企业、公众等多源数据，进行统一归集、管理和共享开放，针对不同对象开放不同权限，提高数据可用性。支持数据的快速提取和有效拓展，并具备完善的数据安全保障机制。

5)算法服务平台 为用户提供开放算法、主流计算机学习框架、算法管理以及人工智能创新等服务。该算法服务平台面向公众、企业、政府有条件开放，各用户端依靠先进的计算机技术，可有针对性地利用相关数据，开发具体应用算法。算法服务平台为上层应用提供基础技术支持，通过资源共享，发动全社会的创新思维，创造出更有效的服务。

6)大规模计算平台 为各平台及用户端提供充足的计算能力。立足于云计算技术，通过大规模分布式计算内核将计算、存储、网络变成统一的计算服务，保证平台有足够的计算能力，并在此基础上提供云数据库、大数据处理、分布式中间件服务等。由于CIM的数据特征，其对计算能力的要求非常高，因此，如何更有效地利用云计算等相关技术进行计算能力的分配整合也很重要。

7)服务应用平台 为不同服务应用端提供信息处理结果。政府单独进行应用有其不可避免的局限性，因此，企业作为社会创新主体以及公众作为最终服务对象[21]，都应该参与到服务应用平台的搭建中，针对各自存在的不同问题提出不同的思路，全民参与共建智慧城市。同时，服务应用平台应以全民为基础，平台为核心，连接交通、政务、经济、教育等服务场景，实现全场景智慧化(见图4)。

图4 服务应用平台示意

3 数据管理研究

CIM的本质是城市数据的集成，因此基于CIM的智慧城市管理关键在于对数据的管理。由于城市数据具有涉及范围广、类型多、数据量大、数据结构复杂等诸多特点，对数据进行合理有效的管理具有重要意义，本章提出城市数据管理过程中的重难点问题并探讨了相关解决方案。

3.1 数据获取与传输

随着城市基础设施建设的完善与物联网的普及，所能采集的信息越来越多，因此必须要做好数据采集管理。对数据获取过程进行精细化管理，根据类别提出传感器传输、个人输入、部门数据接入等多种信息获取方式，确保数据获取效率及准确性，是保证后期数据有效性的关键。同时，为提高城市管理效率，需要对数据保持较好的更新效果，这就对信息传递的效率和稳定性提出了很高的要求。目前建设5G网络作为4G网络的发展和延伸，具有高宽带、低延时、低功耗、覆盖范围广、热点高容量等特性[22]，结合广电网、互联网和其他专网等，可有效确保信息传递的质量。CIM模型直接与各类传感器一一对接，并且对各种收集数据直观表现，能够实现对数据收集管理过程的有效优化，最终实现对城市自动、实时、全面透彻的感知。

3.2 数据存储

城市运行产生巨大数据，需要建立合适的数据库对它们进行合理存储。传统数据管理平台由于其数据存储特性较强，层间关系复杂，导致它的表达能力较差，数据存储过程较为繁琐。海量数据的急速增长直接导致大数据存储成本过高以及快速检索、信息提取自动化程度较低等问题。CIM作为现实世界的直接映射，依据其良好的空间及物体属性存储功能，能直接对城市管理产生的诸多信息进行直接映射表达，在初步存储阶段弱化其逻辑管理特性，在后期应用中进行细致化存储。针对部分大数据种类多、存储困难等问题，可建立CIM与传统关系型数据库和非关系型数据库[23]的逻辑联系，让存储过程更具有针对性，结合云存储与智能压缩算法等技术，使得数据存储过程更加直观便捷。

3.3 数据交互

城市数据涉及范围广、种类多，包括静态和动态、实时和历史、几何和语义、宏观和微观等数据。现阶段各类数据应用局限于其自身，未形成有效联系，由此造成了数据重复收集、数据孤岛等现象，产生了大量的人力物力浪费。同时，CIM的存储需要一定的标准，后期的分析也会对数据交互提出更高的要求。智慧城市管理需要打通数据交互障碍，使各类数据在多种应用层面实现有效互联互通，做好异构、多源、多模态数据的交互处理。BIM与GIS之间的数据互通已有许多学者进行了研究并取得了一定的成果[24]，但是多种核心技术之间数据交互途径仍旧缺乏，严重阻碍了城市数据的建设。因此，统一数据应用标准，保证多种技术数据之间传递信息的完整性、有效性，使得各类数据能够有效互通，是智慧城市建设的重要基础(见图5)。

图5 数据标准应用示意

3.4 数据挖掘

数据挖掘是大数据分析中实现数据价值的核心步骤，主要包括对海量、多源大数据进行处理和分析，自动发现和提取隐含的模式、规则和知识，通过可视化并融合为易于人类理解的方式进行展现[25]。现阶段，机器学习、深度学习等数据挖掘方法快速发展，匹配大数据资源的丰富性，两者互相促进，在计算机视觉技术[26]、自然语言处理[27]方面已有很广泛的应用。同时，它们能实现的分类任务和预测任务在庞大的城市数据中，也有着丰富的应用场景和组合方式。针对多种多样的城市数据及不同的应用场景，应在充分分析数据特点的基础上，为每类应用任务设计适合其特点的一整套数据分析方法，实现因地制宜。通过对底层数据的挖掘分析，得到支持城市管理的信息结果，实现城市智慧化管理。

4 结语

智慧城市如果形容为一个面，其中的交通、经济、政务就好像构成该面的一条条线，而每一条线又由一个个具体应用点组成。国内在智慧城市建设中进行了积极的探索，但目前应用及研究多集中于具体某个点或某条线上，未能真正做到城市多层次的统筹协调。要想铺好智慧城市这个面，关键问题是确立面的核心，之后各个点和线的应用就可以接入，将智慧城市应用系统化、一体化，最后通过对这个面的不断完善，达到城市智慧化管理的目的。这个核心就以是CIM，它和各个应用领域都能较好的融合，加上其独有的可视化、与现实一一对应等多种特性，能够作为数据及管理核心提升智慧城市的管理水平。但是，由于智慧城市管理体系构建涉及内容广，沟通协调难度大，有很多核心问题有待进一步解决。要在发展现有各应用点及相关技术的同时，进一步探索CIM与智慧城市各层面应用的联系性和适用性，尽快解决其突出问题，构建CIM基础管理平台，促进智慧城市更好更快发展。