可视化与可计算在数字孪生城市建设中的协同作用研究——基于全信息理论的解释框架

丁 一, 李梦 蝶*, 喻 国盈, 刘 静怡
深圳市智慧城市科技发展集团有限公司

摘要


本文引入全信息理论，将城市运行理解为持续生成的本体论信息，将治理主体对城市状态的把握理解为由
语法、语义和语用共同构成的认识论信息过程[1]。研究认为，计算系统在数据采集、模式识别和情景推演方面具有
明显优势，但其处理链条通常依赖预设模型、目标函数和场景边界，难以自主完成深层语义解释与多元价值权衡。
可视化并非计算结果的附属包装，而是把机器产生的局部信息重新组织为人可理解、可比较、可干预的认知对象，
是实现人机协同治理的重要接口。基于此，本文提出“感知—解释—推演—决策—反馈”的数字孪生城市认知增强
框架，强调以可靠计算为基础、以可解释可视化为媒介、以人的责任判断为约束，推动数字孪生城市从“看得见”
和“算得出”走向“可理解”和“可治理”。

关键词


数字孪生城市；全信息理论；可视化；可计算；视觉分析；人机协同；城市治理

全文:

PDF


参考


[1]钟义信.信息科学原理[M].北京：北京邮电大学

出版社，2002.

[2]Grieves M. Digital Twin: Manufacturing Excellence

through Virtual Factory Replication[R]. White Paper, 2014:

1-7.

[3]Batty M. Digital twins[J]. Environment and Planning

B: Urban Analytics and City Science, 2018, 45(5): 817-820.

[4]Tao F, Zhang H, Liu A, Nee A Y C. Digital Twin

in Industry: State-of-the-Art[J]. IEEE Transactions on

Industrial Informatics, 2019, 15(4): 2405-2415.

[5]Zheng H, Liu T, Liu J, Bao J. Visual analytics for

digital twins: A conceptual framework and case study[J].

Journal of Intelligent Manufacturing, 2024, 35(4): 1671-1686.

[6]Endert A, Ribarsky W, Turkay C, Wong W, Nabney

I, Blanco I D, Rossi F. The state of the art in integrating

machine learning into visual analytics[J]. Computer Graphics

Forum, 2017, 36(8): 458-486.

[7]Kitchin R. The real-time city? Big data and smart

urbanism[J]. GeoJournal, 2014, 79(1): 1-14.

[8]李德仁，姚远，邵振峰.论数字孪生城市[J].武汉

大学学报（信息科学版），2021，46（1）：1-9.

[9]Card S K, Mackinlay J D, Shneiderman B. Readings

in Information Visualization: Using Vision to Think[M]. San

Francisco: Morgan Kaufmann, 1999.

[10]Zheng Y, Capra L, Wolfson O, Yang H. Urban

computing: Concepts, methodologies, and applications[J].

ACM Transactions on Intelligent Systems and Technology,

2014, 5(3): 38.


Refbacks

  • 当前没有refback。