从两个文件到城市数字孪生：一位开发者二十年的技术长征

2004 年，在巴西圣保罗州内陆的索罗卡巴，一位 23 岁的系统分析师面对两个 DBF 文件，决定亲手绘制整座城市的街道网络——全部 3900 条街道。当时没有任何软件库能完成这项工作，如果他想让计算机理解一张地图，就必须同时构建地图和读取它的引擎。这个名为 GeoXtractor 的项目，他投入了四年时间，也几乎成为他今天所有工作的起点。 GeoXtractor 将数据仓库、数据挖掘、矢量图形、语音搜索和地理处理融于一体，运行在真实城市的基础地图上。它能根据红绿灯、限速、交通状况和减速带等现实因素计算路线，比手机上的逐向导航普及早了十多年；当固定电话呼入时，它能立即在地图上显示来电者地址，用于紧急调度；即使拼错街道名也能找到目标。而这一切，运行在一台配备 256 MB 内存的奔腾 3 电脑上。

此后他离开这个领域数年，是人工智能将他拉了回来。过去需要多年定制开发的问题，如今可以更快解决。他用大约一年半时间，基于现代技术从零重建平台，成果便是 4DMap。平台已经建成并运行，他正在寻找首批合作城市。 每个城市的资金都有限，而需求总是超出所能满足的范围。要花好钱，城市必须真正理解健康、环境、教育、犯罪、休闲和老年人关怀等领域正在发生什么。管理者审视问题、制定政策、衡量效果并调整，商业智能、数据科学和 AI 可以在每一步中交叉比对海量数据，发现人们容易忽略的模式。而这一切的前提是，城市的街道、人口数据和支出必须落在同一张地图上。

提到“数字孪生”，多数人想到的是建筑的三维模型。但 Fábio 认为，城市的数字孪生不应只展示城市，更应帮助工作人员分析城市、沉淀组织知识、规划项目、管理工作并连接现场设备。4DMap 正是为此而建。它从基础地图开始：带日期的卫星影像、城市兴趣点，以及一个编辑器，用于绘制要素并将规划、PDF 和电子表格附加到具体位置。无人机飞行根据区域轮廓规划，处理成正射影像、可漫游的三维模型和可测量的点云。AI 随后可以扫描正射影像，发现未覆盖的水箱、疏于管理的泳池、非法倾倒或未获许可的施工。平台还能接入街道级 360° 影像——例如来自市政垃圾车上的摄像头——标记坑洞、废弃车辆或结构问题。同一车辆上的环境传感器可以补充气体、温度和湿度等读数。 数据进入平台后，任何事件电子表格都可以按地址进行地理编码，转化为犯罪、疾病、污染或社会脆弱性的加权专题地图。地图可以在两个日期之间动态演示，展示疫情或污染羽流如何随时间蔓延。

机构的法规、规划和技术文档可以载入知识库，员工用自然语言提问即可搜索，答案仅来自这些文档。AI 智能体还能逐步推演规划问题，例如如何让更多老年人保持活跃和社交联系，并基于城市数据和其他地方的案例生成结构化研究。在项目管理方面，城市所有项目和公共工程被视为一个组合，有助于避免同一台挖掘机在同一周被预订到两个工地。平台还包含巴西国家人口普查统计、天气、车辆追踪和路线规划。

最后，平台可以连接现场传感器和设备。桥下的水位传感器可以预警洪水，诊所疫苗冰箱中的传感器可以在温度超过 4°C 时发出警报。其他产品也能实现其中部分功能，但 Fábio 试图将它们全部整合到一个可在普通电脑上运行的基础平台上，统一登录和权限。因为整个平台由他一人构建，每个部分都使用相同的数据。 他相信，公共管理中的每一个决策都应留下可供他人核查的记录。在 4DMap 中，每个数字都带有公式、来源、验证人、日期和支持文档。这在一个系统上远比不同团队各自构建独立模块和数据库容易得多。4D View Systems 提供软件和分析，而无人机、LiDAR 和移动测绘的数据采集最好由本地专家完成，这也是他对加拿大地理空间社区感兴趣的原因。他希望与采集和测量公司、了解市政和省级市场的集成商，以及愿意尝试首次部署的公共部门团队建立联系。如果你正在从事相关工作，他很乐意为你做一次现场演示。点击原文链接，查看完整技术细节与作者的联系方式。