1.3.5 孪生的镜像

数字孪生更像综合运用物联网、云计算、人工智能等技术的一个大数据典型应用，其思想可追溯到2002年，在美国密歇根大学Michael Grieves教授提出的“PLM的一个理想化概念”中体现。2011年美国空军研究实验室正式提出“数字孪生体”，首次明确提出了数字孪生的概念，2012 年，美国航空航天局（NASA）进一步给出了数字孪生的概念描述。简单来说，数字孪生就是将现实世界数据化成“虚拟世界”，形成同生共存、虚实交融的新形态。可以看出，数字孪生是一种超越现实的概念，可被视为一个或多个重要的、彼此依赖的装备系统的数字映射，通过数字孪生系统的动态模拟仿真，为系统分析与决策提供参考的技术。数字孪生的运行机制，主要包括以下四个环节：一是表述，即通过收集的数据对物理实体进行模型化检验和描述；二是诊断，即通过分析历史数据找到物理实体发展的关键要素、影响因子和内部逻辑关系；三是预测，即通过实时分析和诊断结果洞察、预测未来趋势；四是决策，即基于分析历史与预测未来支撑决策，并将决策结果反馈给数字孪生系统进行表述。

数字孪生一经提出，就受到了学术界和工业界的积极追捧，特别是近几年，相关研究和应用案例呈爆炸式增长，西门子、GE、阿里巴巴、华为等行业巨头纷纷重点布局。2013年，美国空军在《全球地平线》中将应用数字孪生比作“改变游戏规则”的颠覆性机遇；Gartner从2017年到2019年连续三年将数字孪生列为年度十大战略性技术；武器生产商洛克希德·马丁公司 2017 年将数字孪生列为未来国防和航天工业六大顶尖技术之首。

顾名思义，数字孪生的基础和核心就是数据，没有数据的数字孪生就是无源之水、无本之木，且其在数据收集、分析、可视化等方面与大数据相关技术高度一致，数字孪生与大数据的技术关系如图1-5所示，可以将数字孪生看成实现大数据与物理世界之间的桥梁，企业、政府等应用主体利用数字孪生技术连接虚拟世界和物理世界，一方面利用数字建模将物理世界映射成虚拟世界，另一方面通过“孪生”的虚拟世界进行模拟、动态仿真，进而低成本、高精准地实现对物理世界的分析与决策。

图1-5 数字孪生与大数据的技术关系

同时，在某种程度上，也可将数字孪生看作大数据技术的一个子集，大数据关注的是数据采集、预处理、存储、传输、分析、应用、保护全流程的技术，数字孪生则聚焦数据建模与动态分析优化。在数据建模方面，通过对来自物理实体（如建筑、道路、路灯等）、传感设备（如工业现场温湿度传感器、气象传感器、摄像头等）、信息系统[如可编程逻辑控制器（PLC）、数据采集与监视控制系统（SCADA）、能源监控系统（BAS）、消防系统（FAS）、交通指挥系统等]多源异构数据的融合，形成有机整体，全面反映物理世界实体间的关系及内部各业务交互流程。在动态分析优化方面，则利用静态大数据分析、流数据分析、图分析等前沿的大数据分析技术对数字孪生模型中的历史数据和实时数据进行分析，支撑用户进行管理决策、系统优化，同时将相关结果反馈给数字孪生系统，实现双向同生共存。