乡村生产设施的数字孪生模型构建与管控系统

杨祺 余芳强 赵震 高尚 张铭

（上海建工四建集团有限公司，上海 200232）

引言

智慧农业是现代化农业发展的必经之路，也是一个国家农业现代化和信息化的标志之一[1]。作为智慧农业代表的温室大棚、智能灌溉系统等农业生产设施广泛应用了基于物联网的数字化监测系统[2]，采集农业生产设施的温度、湿度、光照等诸多农业基础数据[3]，支持远程监测和控制。而数字孪生作为一种充分利用物理模型，传感器更新、运行历史等数据的仿真过程，可以在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程，与智慧农业具有较强的耦合性。借由数字孪生模型的建立可以充分利用物联网监测系统中的各种数据，支持并指挥智慧农业的发展。生产设施监测数据一般包括温湿度、二氧化碳含量、光照强度、土壤元素含量及风速等，这些数据需要使用各种类型的传感器进行感知，而这些传感器所采用的通讯协议往往并不相同，数据集成难度高。一般需要专业人员定制各种不同的集成方法分别对接集成，再由建模人员手工标定各生产设施的位置和基本信息，开发人员分别针对各生产设施做数据对接与转换程序开发。当这些监测数据的规模从单个大棚扩展到整个乡镇的规模时，庞大的工作量导致集成工作的准确性将难以保证[4]。因此需要研发一套方法和系统，能够由村民等一般用户实现大量生产设施监测数据的快速集成，从而构建相应的生产设施模型，减少乡村生产设施数字孪生建模成本，助力数字乡村和美丽乡村建设。

郑蕾娜等[5]提出了一套通过人工智能进行田块、水渠和沟壑的识别和标注，将农田信息数据进行数字孪生集成，打造一体化的体验式农业方法。徐栋梁[1]提出了通过集成农业生产作物及各相应物理实体数据，辅以数据分析和仿真模拟，从而近乎实时地呈现农业生产物理实体的实际情况的数字孪生系统架构思路。巴斯夫公司通过配备多光谱传感器的无人机，自动收集优化现场农业作物及相关设施的数据，再利用云平台自动向量化地理参考微图，生成各地块的生物数据和作物行为，全力构造了全球农场“数字孪生模型”[5]。可见，已有研究在一定程度上解决了传统手段中数字孪生集成效率低、准确性差的缺点，但是其大多停留在理论阶段，且所需要的配套设备较为昂贵，对操控人员的技能掌握程度要求较高。

本文基于我国乡村数据采集情况复杂，提出了一套基于物联网的乡村生产设施数字孪生管控系统，力求在满足所收集检测数据的准确性和时效性的基础上，做到费用低、效率高，操作简单易上手。

1 总体架构

为了降低设备成本，同时减少对设备使用者的能力要求，团队设计的系统架构如图1 所示，其由四个部分组成：乡村生产设施数据监测设备、数字孪生关联配置终端、数字孪生展示与应用终端与中心机房应用终端及服务端。乡村生产设施数据检测设备是其中的核心，而大多数乡村实际使用者所需要参与到的数字孪生关联配置终端则做了相应的简化处理，使得该系统通过简单快速的配置，即可将动态数据源高精度匹配到乡村生产设施数字孪生模型上，为后续基于数字孪生的乡村级生产设施的监测、分析与预警提供数据基础。各部分具体介绍如下：

图1 数字孪生管控系统组成

（1）乡村生产设施监测数据采集设备，主要负责通过MODBUS-RTU 协议从现有监控系统的主机定期查询各个传感器的数据；并将这些数据编码成包含设备编号、通道编号、时间戳和传感器读数的JSON 字符串；然后通过4G 网络将处理好的数据以MQTT 流的形式上传到服务端。其中NFC 标签中包含以NDEF格式写入的设备编号，方便配置终端从中读取信息；

（2）数字孪生关联配置终端，是一种运行特定软件并带有NFC 和GPS 功能的手持智能终端，通常为村民的Android 或iOS 操作系统的智能手机。该终端上运行“数字孪生关联配置软件”，此软件可扫描NDEF格式的NFC 标签并获取其中的设备编号，并可通过GPS 获取WGS84 坐标系下的设备位置，转换为数字孪生局部坐标系中的坐标位置。此外，该软件还支持用户通过该界面设置生产设施的各种信息，读取接入的传感器数据等功能；

（3）数字孪生展示与应用终端，能够在三维视图中，实时展示生产设施的动态监测数据，分析生产设施运行状态和故障风险，提醒管理人员进行主动维护和管理；

（4）中心机房应用终端及服务端，通过互联网和“数字孪生关联配置终端”“乡村生产设施监测数据采集设备”通讯，接收多个乡村生产设施监测数据设备的数据流并提供查询接口。此外还可提供生产设施基本信息、位置信息、传感器配置的增删查改。

2 数字孪生模型构建流程

2.1 数据采集

团队在综合考虑传感器兼容性、设备成本、现场条件等多方面因素后，在数据采集工作中使用了MODBUS-RTU 协议。团队在大棚等生产设施内部署了多个传感器，主要包括光照温湿度变送器与二氧化碳温湿度变送器。传感器的温度精度为±0.5℃（25℃），湿度精度为±3%RH(60%，25 ℃)，光照的精度为±7%，二氧化碳的精度则为±（50ppm±3%F.S）（25℃）。当前市面上存在的比较常见的传输方式为基于GPRS 的云平台无线传感器技术的传输方式。GPRS 具有高速数据传输、永远在线及按流量计费等突出优点[6,7]，但是无线通讯的方式相对来说不太稳定，虽然传输距离更长，却也更容易受到各种自然或者人为因素的影响，且无线传输系统的成本较高，不利于大规模投入使用。而RS485 型作为另一种常见的传输方式，具有结构简单、成本低廉、便于安装等特点，因此也更适合用在乡村这种采集数据情况较为复杂的地方。综合上述因素考虑，本研究的数据采集设备采用了MODBUS-RTU 协议，该协议通过RS485 接线进行数据的采集汇总，是工业电子设备之间常用的连接方式[8]。

传感器采集到的数据通过双绞线传输到监控系统主机中后；再将乡村生产设施数据采集设备的输入接口和现有生产设施监测系统的主机的数据采集口连接。设备将会对采集到的数据进行相应的预处理操作，去除明显错误的数据，以及一些无效重复数据。接下来，设备每隔预设的采集间隔时间，查询连接到监测主机的各个传感器Si (0

2.2 数据传输

考虑到乡村地区网络基础设施建设水平较低，网络环境差等因素，本团队在数据传输方面采用了MQTT协议[8]，其具有能够在宽带、计算和处理能力受限及复杂的网络通信环境中提供高可靠服务的特点[9]，从而使得该系统在面对乡村的各种突发情况时仍然能够具有较为不错的传输能力，提高系统稳定性。通过编写相应的Java 脚本，数据采集设备中对应的数据被处理成为规范的json 对象的格式，发布到了指定的Topic 上。在数据接入平台上，通过账号密码和对应的消息代理（Broker）地址及主题（Topic）就能接到已经格式化过后的传感器数据。

上文提到的数据接入平台是一个实时数据仓库，能够实现数据流式接入。数据流式接入相较于传统的API 方式，其时效性更高，传统的数据接入在两次传输的时间间隔内则无法做到数据的有效同步。这里通过采用MQTT 流的方式，解决了上述的问题。在数据接入平台后会经过消息队列的数据清洗，删除重复信息、纠正存在的错误，进一步提高数据的可靠性。

为了满足后续展示平台调用该数据仓库时，能够在实时显示当下传感器数据的同时，还能统计出当天、当月的平均值及峰值等统计性信息，该平台还采用了联机分析处理技术（OLAP）。OLAP 技术的使用使得该平台在面对大体量，复杂度高的数据时，能够以较高的性能处理这些查询统计的需求；而FLINK 技术的使用则使该数据平台的数据统计功能也具有了远高于一般数据仓库的实时性。

2.3 数据集成

为保障数据集成工作的有效进行，降低集成工作操作难度，提高集成效率，并在一定程度上降低整体成本，团队在该系统的集成工作中考虑采用NFC 技术实现设备的一一对应同时通过坐标转换将终端的GPS转化为孪生模型中对应的地理位置。该乡村生产设施数据采集设备里使用的NFC[10]工作模式为卡模式，即采用一张使用RFID（Radio Frequency Identification，无线射频识别）技术的卡片，卡片通过内线圈与非接触读卡器发生电磁感应来完成数据交互[11]。整个系统中的数据集成主要可以分为以下几个步骤。

2.3.1 从NFC 标签读取设备信息

使用数字孪生关联配置终端的NFC 读取器接触并读取乡村生产设施数据采集设备Dc的NFC 标签中的数据，从而解析出设备Dc的编号c，并暂存在生产设施注册数据r=(c)中。

2.3.2 生产设施与数字孪生坐标匹配

用户可以通过数字孪生关联配置终端的GPS 获取当前地理位置在WGS84 坐标系下的坐标Pc1，而2.3.1中要求数字孪生关联配置终端与设备Dc接触，且两步骤之间时间间隔较短。因此，可认为Pc1即为设备Dc的位置坐标。根据预设的参数，用户可以将坐标Pc1变换为数字孪生模型局部坐标系中的坐标Pc，并添加到生产设施注册数据r=(c,Pc)中，相关的坐标转换公式如下：

其中，m 为两坐标系的尺度比，是均匀的，且与点位和方向无关，其余各参数如图2 所示。

图2 空间直角坐标系的转换

2.3.3 输入生产设施基本信息

用户在数字孪生关联配置终端上输入生产设施的基本信息，包括名称sname、类型stype，并添加到生产设施注册数据r=(c,Pc,sname,stype)中。

2.3.4 匹配并确认传感器基本信息

用户从数据流S中可以获取到针对每个传感器Si的最新一条数据di=。针对上一步中选择的生产设施类型stype，可以查询到该生产设施类型对应的预设传感器类型集合T，由用户根据每条记录的通道号i和数值iv，选择合适的传感器类型iT，从而将每个传感器通道号和类型的对应关系添加到集合Ps= {(i,Ti)}，最后再将该集合和对应的信息添加到生产设施注册数据r=(c,Pc,sname,st ype,Ps)中。

2.3.5 提交配置信息

完成上述四个步骤后，数字孪生关联配置终端会将生产设施注册数据R提交到服务端，从而实现该生产设施与数字孪生的集成工作。

2.4 模型建立

团队依托当地相关人员提供的图纸信息，构建出了当地的BIM 模型。结合之前所提到的已完成集成工作的各个大棚内的传感器数据及其对应地理位置信息，完成了数字孪生模型构建中的映射操作，将这些数据与模型实现了动态绑定，使得决策者可以直接通过该模型在虚拟空间中进行模拟分析，对可能出现的各种问题采取相应的预防与反制措施，构建流程图如图3 所示。

图3 数字孪生模型构建流程图

3 运维管控系统实现

为了发挥乡村生产设施数字孪生模型的价值，完善数据从采集到应用的整个流程，将数字孪生从理论推进到应用，团队搭建了一整套数字孪生运维管控系统。该系统所包含的组件及相应的数据传递及展示流程如图4 所示。

图4 数字孪生运维管控系统组成与数据传输流程图

3.1 乡村生产设施监测数据采集设备

本研究定制了如图5 所示的乡村生产设施监测数据采集设备。针对乡村数据采集不稳定、数据来源杂乱的问题，该设备带有一组RS-485 输入接口，以1 秒的间隔遍历32 个通道的传感器读数。将传感器读数、设备编号、传感器通道号和时间戳等信息编码为JSON格式后，通过4G 网络发送到公网上MQTT Broker 上的指定Topic。该设备带有NFC 标签，预先将包含设备编号参数的配置页面URL 以NDEF 格式编码并写入到该NFC 标签中。

图5 乡村生产设施监测数据采集设备

3.2 数字孪生关联配置终端

本研究最终采取了使用村民的智能手机作为数字孪生关联配置终端的方式。当智能手机读取到乡村生产设施监测数据采集设备的NFC 标签时，会自动打开应用程序并转到如图6 所示的配置页面。通过从NFC标签中的URL 参数获取设备编号信息，并从手机的GPS 获取到对应的生产设施位置信息，界面上会提供相应的表单，由用户输入生产设施基本信息和传感器类型信息。用户点击提交后，以上信息将会被处理、组合为生产设施注册信息，并提交到服务端。

图6 数字孪生关联配置终端页面

3.3 服务端

该系统基于Flink、Kafka 和ClickHouse 构建了一套实时数据仓库系统提供动态数据接入和查询服务，支持使用MQTT 流传入生产设施监测数据。此外，其还为生产设施注册信息和数字孪生模型数据提供了WebApi 接口。

3.4 应用终端的展示与数据分析管控

采集到的数据经过服务端的计算整理后，与之前所提交的经纬度和设备编号对应起来，完成数字孪生的集成工作，而对应的数据的统计汇总结果也会实时地展示到对应的终端上。相关的展示终端数据汇总图如图7 所示。

图7 数据汇总终端展示图

应用终端所收集到的各种数据，可以按照决策者的需求实时生成对应的图表，从而让相关人员能够更加清晰直观地发现生产设施中所存在的问题，并对可能发生的情况做出预防，从而做到未雨绸缪。

譬如在收集到几个月的大棚二氧化碳含量数据后，决策者可以绘制出二氧化碳含量与实际作物生长速率的关系图，从而决定接下来大棚内二氧化碳含量的控制范围；同理当大棚内的作物生长出现问题时，决策者也可以逐一绘制各种因素与植物生长速率的关系曲线图，从而分析出各种作物对于各种因素的喜好范围，为科学种植提供思路与指导。

4 应用示范

为了验证该数字孪生运维管控系统对于乡村数字建设工作效率的提升，证实其设计的科学合理及应用的真实可行性，在江西省吉安市永新县龙田乡花汀村展开系统测试工作。本次测试共接入了22 个农业大棚监测系统和5 个智能灌溉系统，涉及范围较广。为了证明该系统的“操作简单易上手”，本次实验发动花汀村的村民们积极参与了测试工作。村民们使用自己的智能手机按照下述步骤完成了一个农业生产设施的监测数据到数字孪生的集成工作。

步骤1：将乡村生产设施监测数据采集设备的输入口连接到生产设施监测主机的数据采集口，并插入SIM 卡，接通电源。设备上的电源指示灯及网络连接信号灯均应正常亮起，否则需要对采集设备进行排查；完成该步骤后动态数据开始进入数据仓库。相关人员可登陆实时数据仓库系统查看数据接入情况，倘若无数据接入，则应对设备的接线方式及服务器运行状态等进行相应的检修排查工作。

步骤2：使用数字孪生关联配置终端背面（智能手机）触碰乡村生产设施监测数据采集设备的NFC 标签，此时将会弹出该设备的配置页面，设备编号已通过NFC 标签中的URL 自动填入。

步骤3：数字孪生关联配置终端通过GPS 定位获取当前位置WGS84 坐标系下的坐标，并显示在地图控件上，村民可审核并调整自动定位的结果。该坐标会被转换为数字孪生模型坐标系中的坐标并暂存。

步骤4：村民在表单上输入该生产设施的名称和类型。

步骤5：村民根据实际情况分别设置每个传感器的传感器类型。

步骤6：村民点击提交按钮，以上信息被提交到服务端。

完成该农业生产设施的监测数据到数字孪生的集成后，可在数字孪生模型可视化终端上查看该生产设施的位置和实时监测数据如图8 所示，图9 为大棚温度设定对比图。

图8 数字孪生模型可视化终端展示页面

图9 3 号大棚温度设定对比图

使用传统的方法预计数字孪生模型建模工作量10 人日，数据接入开发工作量20 人日，共30 人日工作量。使用本方法和系统进行农业生产设施的监测数据到数字孪生的集成，共花费5 个工作日，减少工作量90%。且其使用方法较为简单，对村民进行简单的培训后，大多数村民都能够独立地完成整个数据集成步骤。以上种种证明了本系统的设计是科学合理的。

5 结论

通过应用实践得出以下结论：

（1）该数字孪生运维管控系统可以对接市面上几乎所有种类的通信协议，诸如串口协议，Modbus 协议，CAN 协议及TCP/IP 协议等。收集到各种诸如二氧化碳含量、温湿度、光照、土壤元素含量和风速等对于农业作物极其重要的参数，解决了当前已存在的数字孪生集成系统中的各种问题与缺陷；

（2）采用了NFC 技术的乡村生产设施监测数据采集设备，让只经过简单培训的一般村民便可以通过自己的智能手机收集采集数据，使得原本需要30 个工作日的工作量缩减到仅需5 个工作日，减少了90%的工作量；

（3）搭载了实时数据仓库技术的数据接入平台，大大提升了数据集成展示的时效性，使得管理者们能够快捷便利地看到大棚里各种参数的实时情况。譬如显示本月温湿度平均值和作物生长状况等，能给决策者提供宏观上的思路，从而作出相应的调整；

（4）由于该套系统的终端可根据采集到的数据实时生成相关图表，决策者可以根据实际需求更加直观地分析研究各因素与各作物生长间的关系，从而做到提前预防管控，进一步提升农业生产效率，助力数字乡村，智慧农业建设。

根据实际应用结果显示，本研究所设计研发的这套数字孪生管控系统对于乡村生产活动效率的提升能够起到切实的作用，实实在在地改进了乡村生产设施的运作方式，对于类似的项目存在一定的借鉴意义。

本次研究中也展现出了该系统存在的一些问题：

（1）由于系统的设备大多是从性价比方面进行的考虑，因此其质量并非顶尖，在面对各种突发状况时，设备容易损坏，数据传输可能会受阻；

（2）由于该乡村生产设施监测数据采集设备采用的为SIM 卡，当处于一些较为偏僻、信号较差的区域时，数据往往无法传出，从而影响整个系统的数字孪生集成工作。后续的研究将会考虑针对各种恶劣环境，突发状况的情形下，给该系统增加相应的应急预案，譬如增加可替换的备用设备、人工手动传输数据等；而面对SIM 卡传输数据可能会受环境制约的问题，后续可能会采用有线传输的方式进行替代，进一步提高数据传输的稳定性。