由于并不是所有的人都是GIS出身，产品经理以及技术开发人员有时候对于一些概念比较不理解，这种不理解就经常会导致一些功能设计上迟迟无法确定以及技术设计的时候会存在一定的局限性。
比如我们经常说的地理实体这个概念，这个概念其实在测绘地理信息里面比较重要，尤其涉及一些数据工程的时候，成果数据都会有实体化的要求，比如现阶段看一些测绘地理信息的一些论坛会议，「实体」也称为了一些老生常谈的内容了，同时现在数字孪生领域也有很多厂商在提「数字孪生体」的这个概念，这二者其实都是面向对象建模概念的延伸（下图引自超图）。
一、「实体」为什么会对GIS以及数字孪生这么重要？我理解这里面有一个很关键的原因就是：「实体化」的过程实现了地理空间信息到城市运行信息的提升和转变。
测绘地理信息其实主要研究的是地理空间的表达，但是对于人口、社会经济等相关的研究相对比较少，但是这些人口、社会经济又是和城市地理空间信息是紧密相关的，所以在一些应用的过程中就需要使用一些空间相关的分析方法来对这些城市运行进行管理和分析，这样以来就必然会涉及到如何实现城市人口、社会经济信息的空间化问题，这样一来以空间对象属性绑定或者地名地址转换这种融合方式就称为了现在处理实体融合的一种依赖的方式，而「实体」也就称为了城市地理空间数据与社会经济数据融合的载体了，比如经常在招标文件中都会有构建「人房企权」的融合实体的需求，而且这个载体在城市信息化中通常处于基础平台的定位。
所以在这样的一种理解方式下，其实数字孪生要不要三维并不是必须的，在二维中也可以做「实体化」，也可以实现城市运行信息与空间对象的融合、计算以及应用，而现阶段的实体与过去的实体不同的是，以前的实体做到overlay就可以了，现在更多的还需要实现OneI D，如果不经过数据融合，那线上的这座孪生的城市即使做的再精细、再酷炫其实也只是一个缺少「人气」的「鬼城」而已。
二、那对于城市运行管理来说，是不是通过对象绑定实现了「实现化」就够了呢？在此之前我觉得够了，但是等我做了水利数字孪生以及和腾讯的数字孪生团队交流之后，我觉得「实体化」还是不够的。
比如在交流中，腾讯的数字孪生团队强调他们的数字孪生的底层是由一些人流、车流、物流、能量流等数据构成，当然这些都是腾讯的优势领域所能够沉淀的数据，但是这也侧面反映了一个世界观的不同。
GIS的数据模型比较侧重于静态地理对象的表达，但是针对一些动态的运行过程的表达则相对比较欠缺，而城市的运行过程在宏观上大多数还都是以各种各样的「流」来表达的，而且这些东西在我们实际生活过程中意义也比较重大。
比如我们使用导航地图上的实时交通状况展示，他其实表征的就是一种车流，他是依附在城市路网上，实时动态变化的一种过程，这种数据可能是通过各种物联网设备通过采集无数个个体的状态，经过实时上报、清洗整合的到，但从应用的角度来说，大家不再关注个体的情况更加关注的是宏观整体态势情况，比如拥堵路段，而在计算上这种实时的车流就会影响整个出行道路的规划以及交通的管控。
而在疫情管控上，「人流」这种形态也是一种比较典型城市人口变化表达的手段，通常都是采用热力图的形式，而这种面状的热力其实主要看的也是态势，但是他和车流不太一样的地方，就是「人流」这种态势的表达边界不是很明确，而态势的内容其实本质上也是一种实时变化的相对概率，所以「人流」在形态上则表现的更为「软」，而明确依赖与道路的「车流」形态则表现的更为「硬」。
而对于「水流」这种过程，在模拟计算的时候其实是通过数学公式来表达这个过程的，当然我们计算的时候可能会把他们离散称为网格点，但是整体从表达的逻辑上其实他本质上是由一个数据公式和一些初始状态以及边界条件来控制的。
而对于「水流」演进的过程来说，对于断面处的水深、流量、流向都是非常强调准确性，而它的「水流」边界范围又是实时变化的，而且有明确的范围边界，是通过三角网这种比较「硬」的表达方式来表达的，因为对于管理部门需要非常严谨的知道最大的淹没范围，同时在灾害评估的时候还需要通过这种「水流」来计算评估本次洪水的受灾情况。
我在上面的介绍中，对此提到了「软」和「硬」的形态，这边做一个解释，这个概念源于我最近对于NeRF的学习，所谓的「软」则是无几何的表达，比如光场、辐射场这种结构，形态上很类似雾，空间上都存储的是一些概率，渲染上通常采用体积渲染的方法；而对应的「硬」则是有明确的几何结构约束的，比如我们的点线面体，都是属于比较明确的「硬」结构表达，这种在渲染上则更加追求全局光照这种模式。
而在AI模型的趋势下，越来越多的静态对象以及动态的过程都开始采用神经网络来表达，而对于神经网络这种模型来说，他更加适合采用「软」的结构，比如在三维场景表达方面，类似SDF、Mesh这种表达则不太适合神经网络优化，通常都需要把这种「硬」结构，转换成为「软」结构来做优化，优化完成之后再通过一些算法将「软」结构转到比如Mesh+Material+Textures这种「硬」结构上，所以在这种趋势下，未来这种「软」的表达方式可能会得到一些发展。
当然在GIS里面有时候会把这种「软」的态势使用「场模型」或者「等值面」来表达，比如在三维中可能流行使用规则的体元栅格来表达这种结构，但是这种结构其实本质上还是一种「硬」表达的结构，而且通常应用的时候会存在占用存储空间过大的问题，比如一个场景使用「硬」的体元栅格表达需要1个G，而使用「软」的神经辐射场表达可能只要10M。
三、那为了应对这样各种各样的「流体」，我们要怎么做呢？首先，我们肯定是要重视这种类型表达结构和应用价值，我们在做一些典型的行业应用的时候可能根据项目的需要就做了一些特殊化的处理，或者普遍化的存储是有一定规律的，其实这个时候，我们应该把「流」当作一种基本的数据类型，进而在存储、计算以及可视化表达方面做一些基本的扩展来满足这种需求，比如针对「水流」，其实可以用带「时态网格+时态边界的复合模型」来存储，内部的网格就是为了适应模型计算的需要和精准表达的需求，而对于GIS需要的明确的边界则不要实时转换而是作为一种属性要求存储下来，从而通过数据模型来实现计算的互通，而互通的基础则首先是数据模型的兼容。
免责声明：
本文转载自【 GIS小丸子】，版权归原作者所有，如若侵权请联系我们进行删除！
易知微以自主研发的EasyV数字孪生可视化搭建平台为核心，结合WebGL、3D游戏引擎、GIS、BIM、CIM等技术，协同各个行业的生态伙伴，围绕着数字孪生技术、数字驾驶舱和行业应用，共同建设数字增强世界，帮助客户实现数字化管理，加速数字化转型。
易知微已经为3000+ 客户提供数字孪生可视化平台和应用，覆盖智慧楼宇、智慧园区、智慧城市、数字政府、数字乡村、智慧文旅、工业互联网等众多行业领域，包括国家电网、移动云、中交建、中铁建、融创、云上贵州、厦门象屿、天津火箭、上海电视台、金华防汛大脑、良渚古城遗址公园、李宁、浙江大学等典型案例！
扫一扫关注公众号
扫一扫联系客服
浙公网安备33011002011932号
