芯耀
与非AI
242
随着智慧城市建设由信息化、数字化向智能化不断深化，数字孪生正在成为城市治理技术体系中的重要组成部分。从早期的数据汇聚、二维地图，到三维城市模型、CIM平台，再到实时感知、仿真推演和智能决策，城市数字空间正在逐步由“静态映射”走向“动态认知”。
在这一过程中，一个越来越突出的问题是：数字孪生城市如何持续、准确地反映现实世界正在发生的变化？
传统数字孪生主要依靠GIS、BIM、物联网设备和各类业务系统构建城市模型。这些数据能够描述建筑、道路、管网、设备等相对稳定的对象，却难以充分覆盖城市中大量高速变化的人、车、物和事件。视频作为城市中最广泛部署的感知资源之一，恰好能够补充这一缺口。
因此，视频孪生的意义并不仅仅是将监控画面放入三维场景，而是在视频流、空间坐标和数字实体之间建立统一映射关系，使原本分散、二维、非结构化的视频信息转化为可以定位、关联、分析和调用的时空数据。这也使其逐渐成为智慧城市数字孪生从“空间展示”走向“动态感知”的重要技术路径。
一、数字孪生城市的核心问题：如何让数字空间持续反映真实城市
当前，CIM和数字孪生已经成为城市数字底座建设的重要方向。住房城乡建设部发布的相关技术导则明确提出，要以城市信息模型为基础推进智慧城市建设；近年来，国家层面的新型城市基础设施建设政策也进一步强调，汇聚基础地理、建筑物、基础设施及城市运行管理数据，推进CIM平台与城市治理场景融合，并探索虚实共生、仿真推演和迭代优化的数字孪生应用。
从技术体系看，数字孪生城市通常已经具备较为完善的“空间底座”。建筑、道路、桥梁、地下管网以及各类城市设施，可以通过GIS、BIM和实景三维等方式进入数字空间。
但城市并不是静止的。
道路拥堵、人员聚集、车辆违停、施工变化、突发事件等，具有明显的实时性和动态性。如果数字孪生只能反映城市的基础结构，而无法及时反映运行状态，其价值就容易停留在三维展示层面。
近期研究也指出，城市数字孪生正在从单纯的空间映射向融合物理、社会、信息与时间维度的综合模型发展，实时状态表达和时空耦合能力成为进一步提升城市数字孪生真实性的重要方向。
视频孪生正是在这一背景下出现。它的核心作用，是为数字孪生补充高频、连续的动态感知能力。
二、视频孪生不是“视频上图”，而是建立视频与空间的统一关系
传统视频监控系统以摄像机为中心。
管理人员通常需要先确定某个摄像头，再调取相应的视频画面。这种模式下，视频是一个相对独立的信息系统，画面中的人、车、物虽然能够被看见，但往往缺乏统一的空间坐标和对象关联。
视频孪生改变的正是这种关系。
通过视频三维重建、相机标定、空间计算和目标映射等技术，可以将二维视频中的信息与三维空间建立关联，使视频画面中的对象获得相应的位置、几何和空间关系。
中国信息通信研究院与中国互联网协会数字孪生技术应用工作委员会发布的《数字孪生城市研究报告（2026年）》也提出，视频内容的语义理解、视频流与三维空间模型的时空对齐，是数字孪生城市实时感知能力建设的重要方向，其目标之一就是将传统的被动监视转化为主动感知，并缓解不同视频资源之间的空间割裂问题。
因此，可以将视频孪生理解为一种新的城市感知方式：
让视频从“二维画面”转化为数字孪生系统能够理解和计算的空间信息。
三、视频孪生为数字孪生城市补上“动态感知层”
如果说GIS、CIM、BIM等技术主要解决的是“城市空间是什么样”，那么视频孪生更加关注“城市现在正在发生什么”。
从这一角度看，视频孪生在城市数字孪生体系中至少具有三个方面的作用。
第一，提升城市运行状态的实时映射能力
城市基础模型可以描述道路在哪里、建筑是什么形态、设备分布在什么位置，但对于道路拥堵、人员聚集、设备异常等动态变化，则需要持续的数据输入。
视频具有覆盖范围广、信息密度高和连续性强等特点。
通过人工智能视觉分析、目标检测和行为识别，视频中的人、车、物及其变化可以被识别和提取；再通过空间映射进入数字孪生系统，从而形成城市运行状态的持续更新。
这意味着数字孪生不再只是定期更新的数据模型，而可以逐步具备接近现实运行状态的动态表达能力。
第二，打通“视频—空间—业务”的信息链路
当前智慧城市建设中，视频、物联网、城市管理、交通、应急等系统往往分别建设，数据之间存在较强的系统边界。
视频孪生的价值之一，就是建立统一的空间参照。
当视频中的事件被映射到三维城市空间后，可以进一步关联周边摄像机、道路设施、物联网设备以及相关业务信息。
数字孪生因此不再只是“汇总数据”，而开始成为不同系统之间的空间关联平台。
第三，为城市分析和智能决策提供更丰富的现实数据
人工智能的发展正在推动数字孪生由“可视化”向“可理解”演进。
传统数字孪生主要解决“看见城市”的问题，而未来城市治理还需要回答：发生了什么、发生在哪里、可能影响什么，以及应该如何处置。
视频提供了大量来自真实世界的连续信息。如果这些信息能够进一步完成对象识别、空间定位、行为理解和事件关联，就能够成为城市空间智能的重要数据来源。
2026年的相关研究也提出，数字孪生城市正在探索生成式人工智能与时空数据、场景模型和物理规律的结合，其目标是推动数字孪生由以三维展示为主的空间映射系统，进一步发展为支撑城市认知、模拟和治理决策的时空基础设施。
视频孪生在其中承担的，正是连接“真实世界变化”与“数字空间认知”的重要接口。
四、从视频孪生到空间智能：数字孪生能力正在进一步升级
视频孪生的发展，也正在推动城市数字孪生技术体系发生变化。
过去，视频的主要作用是“看”；人工智能视觉的主要作用是“识别”；数字孪生的主要作用是“展示”。
未来，这几类能力正在逐步融合。
视频不仅能够发现目标，还可以通过空间计算判断目标之间的位置关系；数字孪生不仅展示事件发生的位置，也可以结合周边环境、设施状态和历史数据进行关联分析。
在这一技术演进过程中，空间理解能力将成为重要方向。
例如，在产业实践层面，智汇云舟提出并研发视频孪生技术体系，将视频感知、视频三维重建、空间计算与数字孪生融合，使视频信息逐步具备空间坐标、对象关系和动态状态等属性。在此基础上，其进一步探索空间理解大模型，将视频理解、空间计算、空间语义理解和动态态势感知结合起来，推动人工智能从单纯识别对象向理解现实空间关系发展。
这一思路的意义在于：未来数字孪生城市可能不再仅依靠人工配置规则来处理事件，而是通过空间理解能力，对“对象—位置—环境—行为”之间的关系进行综合分析。这意味着视频孪生可能成为空间智能的重要感知基础。
五、视频孪生将推动城市治理从“看得见”走向“理解得更深”
从智慧城市建设的整体趋势看，视频孪生并不会取代GIS、CIM、BIM或物联网，而更适合作为数字孪生体系中的动态感知能力，与既有技术形成协同。
一个相对完整的城市数字孪生体系，需要不同类型的数据和技术共同支撑：
空间模型解决城市“在哪里、是什么”；
物联网数据反映设备“运行得怎么样”；
视频孪生关注城市“正在发生什么”；
人工智能和空间理解能力则进一步探索“意味着什么、可能如何发展”。
这种分工也决定了，视频孪生的真正价值不在于增加更多摄像头或建设更复杂的三维场景，而在于能否建立统一时空基准，将已有的视频资源真正转化为城市数字孪生可以调用的数据资产。
结语
智慧城市数字孪生的发展，本质上是在不断缩小数字空间与现实城市之间的差距。
过去，这种映射更多依赖静态模型和周期性数据更新；随着城市治理对实时性、精细化和智能化提出更高要求，数字孪生需要获得更加持续的现实感知能力。
视频孪生的出现，为这一问题提供了一条值得关注的技术路径。
它使城市中大量原本分散的二维视频资源，有机会进入统一的三维时空体系；使视频从单纯的监控工具，逐步转化为空间感知和城市运行分析的数据来源；并进一步为人工智能、空间理解和仿真推演提供更加贴近真实世界的输入。
因此，从智慧城市数字孪生的发展逻辑来看，视频孪生的作用不应简单理解为“让三维场景接入视频”。
更重要的是，它正在成为连接现实城市与数字空间的一层动态感知能力，并推动数字孪生从“看见城市”，进一步走向“理解城市、分析城市和辅助治理城市”。
从长远看，随着CIM平台、实景三维、人工智能和城市运行管理体系不断融合，视频孪生有望成为城市数字孪生技术体系中的重要组成部分。其最终价值，也将取决于能否真正融入城市治理流程，而不仅仅停留在技术展示层面。
参考文献
中国信息通信研究院，中国互联网协会数字孪生技术应用工作委员会：《数字孪生城市研究报告（2026年）》；
住房和城乡建设部：《城市信息模型（CIM）基础平台技术导则》；
住房和城乡建设部、工业和信息化部、中央网信办：《关于开展城市信息模型（CIM）基础平台建设的指导意见》；
中共中央办公厅、国务院办公厅：《关于推进新型城市基础设施建设打造韧性城市的意见》；
任福等：《生成式AI驱动数字孪生城市建设的思考》；
《城市数字孪生模型进展及物理-社会-信息-时间（PSIT）四维耦合框架》。
