Instagram

شهرها و همتای رقومی (دیجیتال توین)

GIS شهروند محور

استاد مربوطه: دکتر ابوالفضل قنبری

ارائه دهنده: امیر غلامی

 

چکیده

پیش بینی می‌شود که همتای رقومی شهر، عملکردها و فرایندهای شهر را برای بهبود تحقق، کارایی و مدیریت آن دقیقاً منعکس و تحت تأثیر قرار دهد. اگرچه تحقیقات در مورد همتای رقومی شهر هنوز در مراحل ابتدایی است، اما پیشرفت فناوری آن به سرعت در حال رشد است و مشارکت های مناسبی در تقویت تحولات شهر هوشمند فراهم می‌کند. این مطالعه برای شناسایی پتانسیل‌ها و چالش‌های فعلی و آینده‌نگر شهرهای همتای رقومی، برخی مقالات موجود را مرور می‌کند. یک دستورالعمل تحقیقاتی ارائه داده شده برای هدایت تحقیقات آینده در مورد همتای رقومی شهر، برای رسیدن به بالاترین سطح یک همتای رقومی شهر جامع و کامل شرح داده شده است. افزایش کارایی پردازش داده‌ها، ترویج گنجاندن مولفه‌های اقتصادی – اجتماعی شهر و توسعه ادغام متقابل بین دو همتای رقومی، جهت تحقیقات آینده برای دستیابی و استفاده از یک همتای رقومی که کاملا آیینه شهر باشد نیز در این پژوهش گنجانده شده است.

 

  1. مقدمه

هوشمند سازی شهر، به دلیل پیچیدگی یک شهر، فرایند دشواری است. شهر یک سیستم خودکار نیست که بتوان به راحتی آن را درک و پیش‌بینی کرد، بلکه یک سیستم زنده است که هر روز از طریق تغییرات و تحولات موجود در ساختارهای فیزیکی، فعالیت‌های اقتصادی و سیاسی، تنظیمات اجتماعی و فرهنگی و سیستم‌های اکولوژیکی تکامل می‌یابد [1]. مفهوم شهر هوشمند از کنترل رشد فیزیکی شهر به مفهوم گسترده‌ای متشکل از زیرساخت‌های فیزیکی، اجتماعی و دانش توسعه یافته است [2،3]. اگرچه برخی آنرا به عنوان مفهومی مبهم درنظر گرفته‌اند كه پیامدهای نامشخصی را در پی دارد، یا به عنوان یك راه حل برای حل معضلات شهری و اجتماعی مانند نابرابری، دو قطبی شدن اجتماعي و اعیان سازی [4،5]، هنوز تحقیقات زیادی وجود دارد که مزایای احتمالی شهرهای هوشمند را از نظر پایداری، کارایی، بهینه‌سازی، همکاری و نوآوری در شهر نشان می‌دهد [6،7]. به خصوص اکنون، تحت حمله گسترده بیماری همه‌گیر COVID-19، که چندین حوزه از قبیل آموزش، حمل و نقل و سرگرمی به شدت تحت تأثیر قرار گرفته‌اند، تقاضا برای هوشمند سازی شهر و رقومی کردن خدمات آن از اهمیت بیشتری برخوردار شده است [8]. با این حال، در حالی که شکل فیزیکی شهر در مدل‎های سه‎بعدی نشان داده شده است، با ارائه یک تصویر گرافیکی از عناصر فیزیکی شهر، سایر مشاغل مدل‎های سه بعدی شهرها برای استفاده‎های بیشتر مانند برنامه ریزی زیرساخت، مدیریت بحران و برآورد تقاضای انرژی ایجاد شده است ]9[. اخیراً، تکامل مدلهای سه بعدی در چندین زمینه از جمله هوا-فضا و معماری، مهندسی و ساخت (AEC) مورد توجه تحقیقات قرار گرفته است که منجر به ایجاد همتای رقومی شده است. مفهوم همتای رقومی به توسعه یک نسخه رقومی از  یک سیستم فیزیکی و پیوند دادن اطلاعات آنها در طول چرخه زندگی همتای فیزیکی اشاره دارد [10]. این فناوری انقلابی کاربردهای موفقی را در علم تولید، مانند؛ برنامه ریزی و کنترل تولید، نگهداری و چرخه عمر محصول به نمایش گذاشته است [11]. انتظار می‌رود که این همتای رقومی، مدلسازی معماری را به عنوان گامی مترقی که از مدل سازی اطلاعات ساختمان (BIM) در زمینه AEC توسعه می یابد، ارتقا بخشد [12]. همچنین پیشنهاد شده است که استفاده از همتاهای رقومی به هوشمند سازی شهر و افزایش پایداری آن کمک می‌کند [13]. با این حال، تشخیص همتاهای رقومی از انواع دیگر مدل‌ها برای درک کاربردی بودن استفاده از همتاهای کاملاً آینه‌ای (به طور کامل مشابه) برای مدل سازی در مقیاس شهری بسیار مهم است. یعنی سطح ادغام داده‌ها که بسته به نوع مدل متفاوت است، بین دو همتای (دیجیتال و فیزیکی) دوقلوی رقومی در بیان اینکه آیا مدل توسعه یافته یک همتای رقومی است یا خیر، تعیین کننده است [11]. به عنوان مثال، به دلیل پیچیدگی سیستم شهر، ادغام عملکردهای اجتماعی و اقتصادی، پیروی از مزایای اثبات شده یک همتای رقومی کاملاً آینه‌ای در زمینه‌های دیگر مانند ساخت و هوا-فضا، چالش برانگیز است که احتمال می‌رود هرگز نتوان متوجه آن‌ها شد [14]. بنابراین، شناسایی سریع مزایای احتمالی و همچنین چالش‌ها و الزامات توسعه شهرهای همتای رقومی برای تسریع تلاش‌ها در جهت هوشمندسازی شهرها ضروری است.

هدف این مقاله مروری بر پتانسیل‌های همتای رقومی شهر و برجسته کردن چالش‌هایی است که ممکن است مانع استفاده کامل از این فناوری شود. برای این منظور، در وحله اول، وضعیت هنر همتای رقومی شهر و سطح توسعه‌ای را که تاکنون با شناسایی مزایا و چالش‌های فعلی و احتمالی به دست آمده، مرور می‌شود. در مرحله دوم، یک برنامه تحقیقاتی برای نشان دادن نیازهای ایجاد یک همتای رقومی کاملاً آینه شهر تهیه می‌شود. این ممکن است به پیشرفت فناوری همتای رقومی و در نتیجه افزایش مدیریت، عملیات و پایداری شهر کمک کند. تدوین یک برنامه تحقیقاتی برای شهرهای همتای رقومی، تلاش‌های تحقیق و توسعه در جهت به حداکثر رساندن استفاده از این فناوری در افزایش آگاهی در مورد فعالیت‌های شهر، روندها و روند آینده را تسریع می‌کند. علاوه بر این، سیاستمداران و مدیران شهری با دسترسی به اطلاعات بصیرتمندتر و درک بهتر از شهرهای خود، از مزایای ارزشمند فناوری پیشرفته همتای رقومی شهری برخوردار می‌شوند.

ساختار مقاله به شرح زیر است: مروری بر پتانسیل همتای رقومی برای شهرهای هوشمند، تغییر از استفاده از مدل های سه بعدی به همتاهای رقومی و بررسی نمونه‌ای از توسعه شهرهای دوقلوی (همتای) رقومی. سپس روش‌ها و مواد مورد استفاده برای مرور، در بخش 3 شرح داده شده است. در بخش 4 و 5، طبقه بندی موضوعی پتانسیل های دوقلوی رقومی شهر، علاوه بر چالش‌های استفاده کامل از همتای رقومی شهر، ارائه خواهد شد. بخش 6 یک بحث و پیشنهاد برنامه تحقیقاتی را ارائه می‌دهد و در نهایت ، مقاله با پیامدهای تحقیق در بخش 7 به نتیجه می‌رسد.

  1. پس‌زمینه

1-2 همتای رقومی برای یک شهر هوشمند

شهر هوشمند در سراسر جهان برای حفظ شهر و بهبود کیفیت زندگی شهروندان خود مورد توجه قرار گرفته است. هنگامی که به دنبال کشف پتانسیل‌های شهرهای همتای رقومی برای هوشمندسازی شهرها هستید، باید روشن شود که هوشمند بودن شهر چه مزایایی دارد. به عنوان مثال، یک شهر هوشمند را می‌توان از طریق سه مولفه فنی، انسانی و نهادی مشاهده کرد. جایی که حوزه های اصلی را می‌توان حمل و نقل، محیط، انرژی، مراقبت‌های بهداشتی، ایمنی و آموزش دانست [15]. کومار و همکاران چهار زمینه اصلی را برای توسعه شهرهای هوشمند ضروری دانستند: برنامه ریزی، زیرساخت‌های فیزیکی، زیرساخت فناوری اطلاعات و ارتباطات (ICT) و راه حل های هوشمند. دامنه‌های بیشتری برای استفاده از راه حل‌های هوشمند مانند مدیریت بحران، خدمات گردشگری و فرایندهای اقتصادی به آنها اضافه شد [16]. یک رویکرد شهر هوشمند به عنوان سهمی در افزایش پایداری شهرها از نظر زیست محیطی و اقتصادی و بهبود ارائه خدمات به ساکنان آنها شناخته شده است [17]. علاوه بر این، توسعه شهر هوشمند به عنوان فرایند ایجاد ظرفیت زیرساخت‌های اقتصادی، اجتماعی و نهادی شهر برای افزایش و حفظ کیفیت زندگی، توسعه اقتصادی-اجتماعی و منابع طبیعی تلقی می‌شود [18]. پیش‌بینی می‌شود که مزایای توسعه شهرهای هوشمند تقریباً همه عملکردها و حوزه های شهر را شامل شود؛ چه جنبه های اجتماعی، اقتصادی و زیست محیطی و چه تحولات فیزیکی، نهادی و شهروندی.

شهر هوشمند با استفاده از هوش فیزیکی سایبری برای بهبود عملکردهای شهر، ایجاد شغل و رضایت عمومی به تصویر کشیده شده است [19]. بنابراین، استفاده از پیشرفت فناوری در هسته اصلی شهرهای هوشمند است و در نتیجه، بررسی پیشرفت‌های همزاد رقومی شهر، سهم ارزنده‌ای خواهد داشت. پیش‌بینی شده است که دوقلوی رقومی در مقیاس شهر، همه دامنه‌ها و سیستم های شهر را بر روی یک بستر رقومی منعکس کند، که این امر باعث بهبود دید، تحقق و عملکرد شهر می‌شود و بنابراین توسعه شهر هوشمند را هدایت می‌کند. انتظار می‌رود این دوقلوی رقومی شهر، مدیریت و عملیات شهر را برای دستیابی به شهری هوشمندتر و پایدار و کیفیت زندگی بالاتر برای شهروندان خود ارتقا دهد.

2-2  از مدل سه بعدی تا همتای رقومی

برای تشخیص پتانسیل‌های احتمالی یک دوقلوی رقومی شهر هوشمند، تمایز واضحی بین دوقلوهای رقومی و مدل‌های سه بعدی لازم است. علیرغم فراگیرتر بودن تحقیقات در مورد همتای رقومی در صنعت و تولید، در تمایز دوقلوی رقومی کاملاً آینه‌ای از مدل‌ها و سایه‌های رقومی، ابهاماتی وجود داشته است. با این حال، کریتزینگر و همکاران همتای رقومی را بر اساس سطح ادغام داده‌ها بین همتایان مجازی و فیزیکی و ادغام کامل و متقابل متمایز کرده‌اند [11]. باید بین مدل‌های سه بعدی و مدلسازی اطلاعات ساختمانی (BIM) در یک طرف و دوقلوی رقومی در طرف دیگر مرز مشخصی ایجاد شود. به طور کلی، یک مدل سه بعدی، نوعی تجسم رقومی از یک پروژه فیزیکی است؛ خواه پروژه یک ساختمان باشد، امکانات زیرساختی یا یک شهر. به طور کلی، این کارایی و عملکرد متخصصان AEC را افزایش می‌دهد و برنامه‌ریزان شهری در چرخه زندگی پروژه (طراحی، ساخت، نگهداری و حتی بازاریابی) کار می‌کنند [20]. الگوی BIM به عنوان یکی از فناوری‌های کلیدی در AEC، به عنوان فرایند هوشمندانه‌تری از مدلسازی سه بعدی ظاهر شده است که تمام اطلاعات موجودیت فیزیکی را ادغام و مدیریت می‌کند و صرفه‌جویی قابل توجهی در هزینه و زمان ایجاد می‌کند [21]. در میان بسیاری از مزایای BIM، کاهش خطاها، بهبود همکاری و افزایش وجهه یک سازمان، بیشترین اعتبار را توسط پیمانکاران ساخت و ساز دارد [22]. اخیراً، پیشنهاد شده است که مزایای BIM هنگام استفاده از ابزار واقعیت مجازی (VR) و مدل‌های یادگیری شبکه عصبی برای افزایش گردش کار مشترک و پشتیبانی از مدیریت تصمیم‌گیری در طول چرخه زندگی پروژه‌های ساختمانی ، تقویت شود [23،24]. علاوه بر این، پیش بینی می‌شود ادغام BIM و سیستم اطلاعات جغرافیایی (GIS) مزایای مدلسازی ساختمان‌ها و محیط اطراف آن‌ها را ادغام کند. اما این برای برنامه‌های کاربردی در مقیاس محیط شهری علاوه بر آن شامل چالش‌های دیگری مانند قابلیت همکاری داده‌ها، استانداردهای باز و ادغام تجسم می‌شود [25،26]. از طرف دیگر، یک دوقلوی رقومی را می‌توان به عنوان فرصتی برای ارتقا برنامه‌ریزی و کارایی شهر درک کرد [12]. این برداشت در مفهوم توسعه آینه مجازی از شهر استوار است، که در آن تمام عناصر تشکیل دهنده شهر بر روی آن مدل مجازی نشان داده می‌شوند. مزیت اصلی یک دوقلوی رقومی نسبت به BIM تعامل بین واقعیت فیزیکی و مدل مجازی است. BIM اطلاعات هندسی و زمانی موجودیت فیزیکی را در بر می‌گیرد، اما به دلیل عدم ارتباط بین مدل و نهاد فیزیکی، برای درج اطلاعات نیاز به درج اطلاعات دستی است. در حالی که استفاده از یک همتای رقومی می‌تواند تعامل متقابل بین دو همتا را در هر لحظه به وجود آورد. به عنوان مثال؛ استفاده از سنسورها و فناوری‌های اینترنت اشیا (IOT) می‌تواند انتقال اطلاعات را ارائه دهد، که مدل مجازی را با توجه به بروزرسانی‌های مستقیم همتای فیزیکی بروز می‌کند. بعلاوه، با توجه به پتانسیل انجام شبیه‌سازی در مدل مجازی، پیش بینی و بهینه سازی عملکرد موجودیت فیزیکی در آینده قابل تحقق است و بنابراین می‌توان بهینه سازی عملکرد همتای فیزیکی را به دست آورد [13]. با این حال، به دلیل پیچیدگی شهر، چندین چالش هنوز در دوقلوی رقومی شهر کمتر بررسی شده است. به عنوان مثال، یک مدل با ابعاد بزرگ از یک شهر چالش‌هایی را در مورد پردازش داده‌ها تحمیل می‌کند. علاوه بر این، فعالیت‌ها و روابط واگرا در شهر، برخلاف محصولات تولید شده، انواع دیگری از چالش‌ها را در مورد جمع آوری و تفسیر داده‌ها تحمیل می‌کند. شناسایی چنین چالش‌هایی برای طراحی نقشه راه برای تحقیق در مورد توسعه یک دوقلوی رقومی کاملاً آینه شهر ضروری است.

3-2 همتای رقومی شهر زوریخ

یکی از شهرهای دارای همتای رقومی پیشرفته، شهر زوریخ است. به عنوان بخش مهمی از استراتژی شهر هوشمند، دوقلوی رقومی شهر زوریخ برای حمایت از تصمیم‌گیری در شهر از طریق یک تصویر فضایی رقومی ایجاد شد [27]. شروتر و هورزلر در کار خود ارائه دادند که چگونه دوقلوی رقومی شهر می‌تواند مدیریت شهری را تقویت کند و از تصمیم‌گیری برنامه‌ریزی شهری حمایت کند [27]. آن‌ها این فرایند را از شروع جمع آوری داده‌ها، كه براساس داده‌های فضایی مدل شهر سه بعدی موجود است، توصیف كردند. مدل سه بعدی از سه مدل اصلی تشکیل شده است: مدل زمین ، مدل بلوک و مدل سقف. داده‌های این مدل‌ها از سه سطح جزئیات (0 ، 1 و 2) از تصاویر LiDAR برای مدل زمین، نقشه‌های طبقه از نظر سنجی کاداستر شهر برای مدل بلوک و فتوگرامتری نیمه اتوماتیک برای مدل سقف بدست آمده است. دوقلوی رقومی زوریخ امکان تجسم فضاهای خیابان، تاسیسات زیرزمینی و ساختمان‌های عمومی انتخاب شده با جزئیات بالاتر را فراهم می‌کند. برای بهبود قابلیت همکاری و بازیابی داده‌ها، داده‌های مکانی و فراداده‌ها در یک قانون فدرال که پایه‌ای برای توسعه چارچوب حاکمیت دوقلوی رقومی بود، به تفصیل تعریف و شرح داده شدند [27]. برای تسهیل استفاده از دوقلوی رقومی، داده‌های دولتی باز به منظور تسهیل مشارکت ذینفعان مختلف و دسترسی آن‌ها به داده‌های شهر در حال استفاده است. علاوه بر این، یک ژئوپورتال توسعه یافته است که علاوه بر توسعه یک بیننده بر روی دوقلوی رقومی که امکان تجسم اجزای سه بعدی شهر و پروژه‌های ساختمانی در حال اجرا را فراهم می‌کند، جمع آوری داده‌های به طور خودکار بروز شده را جمع آوری می‌کند. علاوه بر این، چندین مزیت و کاربردهای مختلف در زمینه تصمیم گیری برنامه‌ریزی شهری، مانند مقایسه و ارزیابی سناریوهای مختلف توسعه شهری، ادغام مسائل آب و هوایی شهری در برنامه‌های توسعه و تسهیل مشارکت عمومی در برنامه ریزی، اعمال و مفید شناخته شد. دوقلوی رقومی شهر زوریخ پتانسیل بالایی برای بهبود تجسم و برنامه ریزی شهر و درگیر کردن ذینفعان نشان می‌دهد. با این حال، این مدل نیاز به توسعه بیشتر دارد. به عنوان مثال، نیاز به افزایش سطح جزئیات ساختمان‌ها و سایر عناصر شهر، ادغام برنامه‌های BIM و GIS برای استفاده حداکثر از پتانسیل‌های آن‌ها و کاهش زمان بین بروزرسانی داده‌ها و زمان پردازش مدل سه بعدی است [27] .

  1. مواد و روش‌ها

تحقیقات در مورد دوقلوی رقومی شهر هنوز در مراحل ابتدایی است. با این حال برخی تحقیقات در مورد به کارگیری یک دوقلوی رقومی در شهرهای هوشمند انجام شده است. اما برای تدوین یک برنامه تحقیقاتی روشن در آن موضوع در حال ظهور، رویکرد جامع تری لازم است. این مقاله با هدف ایجاد یک برنامه تحقیقاتی با شناسایی پتانسیل‌ها، چالش‌ها و نیازهای تحقیقات آینده با استفاده از فناوری دوقلوی رقومی برای هوشمندسازی شهر و افزایش کارایی، پایداری و کیفیت زندگی است. بدین منظور، بررسی مقالات می‌تواند به توسعه برنامه‌های تحقیق و ارزیابی پیشرفت‌های هر موضوع خاص کمک کند [28]. به دنبال رهنمودهای PRISMA [29]، فرآیند شناسایی، غربالگری، بررسی صلاحیت و از جمله مقالات نهایی مجموعه داده‌ها برای بازبینی تنظیم شد (شکل 1).

فلوچارت جست‌وجوی مقالات
شکل 1: فرآیند شناسایی، غربالگری، بررسی صلاحیت و از جمله مقالات نهایی مجموعه داده‌ها برای بازبینی

1-3  جمع آوری داده

تمرکز این بررسی بر مقیاس همتای رقومی شهر و کاربرد آن و شناسایی تعیین میزان رسیدن تحقیقات فعلی به هدف خود، جخت ترسیم یک برنامه تحقیقاتی است که می‌تواند تحقیقات آینده در مورد همتای رقومی شهر را هدایت کند. بنابراین، جستجو در مقالاتی انجام شد که به همتای رقومی در مقیاس شهر در سه موتور جستجوی تحقیقاتیScopus ، Web of Science و Google Scholar پرداختند، که از بزرگترین پایگاه‌های اطلاعاتی هستند. برای گسترش مجموعه مطالعاتی که ممکن است به افزایش دانش در مورد همتای رقومی در مقیاس شهر کمک کند، تحقیقات همتای رقومی در مقیاس‌هایی که از ساختمان بزرگتر بودند نیز در نظر گرفته شد. زیرا این امر مشابه همتای رقومی شهر است. بنابراین، رشته‌های جستجو، گسترده‌تر شدند تا شامل محیط ساخته شده، محیط شهری و منطقه باشند. با استفاده از فیلتر موضوع در Web of Science، که منجر به یافتن داده‌ها از عنوان، چکیده و کلمات کلیدی می‌شود، رشته‌های جستجو برای Scopus و Web of Science یکسان بودند. اما برای Google Scholar، تغییر رشته جستجو به دلیل عدم وجود چنین فیلتری و تعداد زیادی از خروجی های نامرتبط که هنگام استفاده از همان رشته جستجو ایجاد شده بود، ضروری بود. بنابراین، از یک رشته متفاوت استفاده شد که می‌تواند تا آنجا که ممکن است خروجی‌هایی تولید کند که مربوط به موضوع اصلی ما باشد. در نتیجه، 171 مقاله منتشر شده تا تاریخ انجام جستجو تولید شده است (جدول 1).

جدول 1: جمع آوری داده و رشته‌های مورد جست‌وجو

خروجی ها رشته‌های مورد جست‌وجو موتور جست‌وجو
77 TITLE-ABS-KEY (“digital twin” AND city OR “built environment” OR “urban environment” OR district) Scopus
26 TOPIC:(“digital twin” AND (city OR “built environment” OR “urban environment” OR district)) Web of Science
68 “city digital twin” OR “urban environment digital twin” OR “built environment digital twin” OR “district digital twin.” Google Scholar
171 کل
42 پس از حذف مقالات غیر مرتبط و تکراری کل مقالات برای مرور

 

2-3  معیارهای ورود و خروج

معیارهای اصلی ورود داده‌ها شامل مقالاتی بود که به توسعه همتاهای رقومی برای مقیاس یک شهر یا محله می‌پرداخت، تا اطمینان حاصل شود که یافته‌های تحقیق دقیق‌تر، مقالات، بررسی ها و مقالات مربوط به کنفرانس در نظر گرفته شده است. علاوه بر این، از آنجا که تحقیقات همتای رقومی شهر هنوز در مراحل ابتدایی است، برای بررسی کامل آن، هم تحقیقات نظری و هم تجربی در نظر گرفته شد. در نهایت از میان 171 مقاله حاصل از بازدیدهای جستجو شده، 40 مقاله به دلیل تکثیر در میان سه موتور جستجو حذف شدند. پس از غربالگری خلاصه مقاله 131 مقاله باقیمانده، 82 مقاله بی‌ربط یافت شد. ازمیان مقالاتی که به همتای رقومی در مقیاس بزرگ پرداخته بودند، برخی نگه داشته شد و برخی نیز به دلیل عدم تمرکز بر همتای رقومی، کنار گذاشته شدند. بنابراین، 42 مقاله برای روند بررسی در نظر گرفته شد.

3-3  تحلیل و بررسی

در جدول 2، مشخصات اصلی 42 مقاله ارائه شده است. تجزیه و تحلیل توصیفی از مجموعه داده نشان می‌دهد که توجه به همتای دیجیتال، به تازگی و از سال 217 آغاز شده است. سپس علاقه به پژوهش و کار در این حیط به سرعت رشد کرد. این رشد، از یک مقاله کنفرانسی منتشر شده در سال 2017 شروع شد و به بیش از 20 مقاله کنفرانس و ژورنال که در 9 ماه اول سال 2020 منتشر شده است رسید. از 42 مقاله، 20 مقاله در ژورنال‌ها منتشر شده در حالیکه سایر مقاله‌ها کنفرانسی بودند و این بنظر می‌رسد به دلیل تازگی موضوع باشد. کشورهای پیشگام در این حیطه، ایالات متحده آمریکا با 12 مقاله و پس از آن انگلیس و آلمان به ترتیب با 6 و 4 مقاله بودند.

جدول 2: مشخصات اصلی مجموعه داده نهایی

نوع انتشار کشور سال عنوان
کنفرانسی ایالت متحده – انگلستان 2017 Using big data analytics and IoT principles to keep an eye on underground infrastructure
کنفرانسی سنگاپور 2018 Modeling trees for virtual Singapore: From data acquisition to CityGML models
کنفرانسی فنلاند 2018 Smart city platform enabling digital twin
کنفرانسی ایالت متحده 2018 Smart city digital twins
کنفرانسی روسیه 2018 Simulation as an effective instrument for strategic planning and transformation of smart cities
کنفرانسی انگلستان 2019 Engaging citizens with urban planning using city blocks, a mixed reality design and visualization platform
کنفرانسی ایتالیا 2019 Urban intelligence: a modular, fully integrated, and evolving model for cities digital twinning
کنفرانسی انگلستان 2019 From urban modelling to city digital twins: What role for the stakeholders?
کنفرانسی ایالت متحده 2019 Mapping local vulnerabilities into a 3D city model through social sensing and the cave system toward digital twin city
کنفرانسی آلمان – هلند 2019 Digital twin, virtual reality and space syntax: Civic engagement and decision support for smart, sustainable cities
کنفرانسی بلغارستان 2019 Methodological framework for digital transition and performance assessment of smart cities
ژورنالی جمهوری کره 2019 AI-based physical and virtual platform with 5-layered architecture for sustainable smart energy city development
ژورنالی ایالت متحده 2019 Disaster City Digital Twin: A vision for integrating artificial and human intelligence for disaster management
ژورنالی ایالت متحده 2019 Devising a game theoretic approach to enable smart city digital twin analytics
کنفرانسی روسیه 2019 City services management methodology based on socio-cyber-physical approach
کنفرانسی انگلستان 2019 Developing a city-level digital twin—propositions and a case study
کنفرانسی آلمان 2019 Marking the city: Interactions in multiple space scales in virtual reality
کنفرانسی روسیه 2019 Hybrid automaton implementation for intelligent agents’ behavior modelling
کنفرانسی استرالیا 2019 Integration of 3D objects and terrain for 3D modelling supporting the digital twin
کنفرانسی ایتالیا 2020 The potential of digital twin model integrated with artificial intelligence systems
ژورنالی انگلستان 2020 A socio-technical perspective on urban analytics: The case of city-scale digital twins
ژورنالی انگلستان 2020 Developing a digital twin at building and city levels: Case study of West Cambridge campus
ژورنالی ایالت متحده 2020 Smart city digital twin-enabled energy management: Toward real-time urban building energy benchmarking
ژورنالی آلمان 2020 Geospatial artificial intelligence: Potentials of machine learning for 3d point clouds and geospatial digital twins
ژورنالی ایالت متحده – جمهوری کره 2020 Wearable biosensor and hotspot analysis-based framework to detect stress hotspots for advancing elderly’s mobility
ژورنالی ایالت متحده 2020 Participatory sensing and digital twin city: Updating virtual city models for enhanced risk-informed decision-making
کنفرانسی چین 2020 Research on construction of spatio-temporal data visualization platform for GIS and BIM fusion
ژورنالی صربستان 2020 A distributed IoT system for modelling dynamics in smart environments
ژورنالی ایالت متحده 2020 Smart cities with digital twin systems for disaster management
ژورنالی ایالت متحده 2020 Social sensing in disaster city digital twin: Integrated textual-visual-geo framework for situational awareness during built environment disruptions
ژورنالی اتریش 2020 Digital geotwin Vienna: Towards a digital twin city as geodata hub
ژورنالی ایالت متحده 2020 Cognition digital twins for personalized information systems of smart cities: Proof of concept
ژورنالی کانادا 2020 An ISO/IEEE 11,073 standardized digital twin framework for health and well-being in smart cities
ژورنالی هنگ کنگ 2020 From LiDAR point cloud towards digital twin city: Clustering city objects based on Gestalt principles
ژورنالی ایالت متحده 2020 Architecting smart city digital twins: Combined semantic model and machine learning approach
کنفرانسی بلژیک 2020 Automatic 3d buildings compact reconstruction from LiDAR point clouds
کنفرانسی فنلاند 2020 Smart city development with digital twin technology
کنفرانسی چین 2020 Research on the construction of smart city emergency management system under digital twin technology: Taking the practice of new coronary pneumonia joint prevention and control as an example
کنفرانسی ترکیه 2020 Exploring the opportunities of open source data use in creation 3d procedural city models
ژورنالی آلمان – هلند 2020 Urban digital twins for smart cities and citizens: The case study of Herrenberg, Germany
ژورنالی سویس 2020 The digital twin of the city of Zurich for urban planning
ژورنالی بلغارستان 2020 Digital twin modeling of smart cities

 

کار منتشر شده مربوط به همتای رقومی شهر به صورت موضوعی مورد تجزیه و تحلیل قرار گرفت تا جهت تحقیق فعلی، طبقه‌بندی مزایا و چالش‌های فعلی و پیش‌بینی شده در مورد استفاده از یک همتای رقومی در مدلسازی شهر و هوشمند سازی شهر تجزیه و تحلیل شود. تجزیه و تحلیل موضوعی، یک روش انعطاف پذیر است که به یافتن الگوهای داده‌های متنی، در درجه اول در صورت تعیین مجموعه داده‌ها و کاوش استقرائی داده‌ها و نتیجه‌گیری کمک می‌کند [30،31]. این امر باعث می‌شود تجزیه و تحلیل موضوعی برای بررسی مقالات، شناسایی مضامین اصلی آن و استخراج شکاف‌های تحقیقاتی مناسب باشد. براون و کلارک شش مرحله را برای یک تحلیل دقیق موضوعی پیشنهاد کردند: آشنایی با داده‌ها، تولید کدهای اولیه، جستجوی مضامین، بررسی مضامین، تعریف مضامین و تولید نتیجه تحلیل [32]. به دنبال رویکرد شش فاز، داده‌ها بررسی و کدگذاری شدند. این در حالی است که مضامین بصورت تکراری شرح داده شدند. سرانجام، پنج موضوع برای سازماندهی و توصیف پتانسیل‌ها و چالش‌های کنونی و آینده‌نگر همتای رقومی شهر مشخص شد.

  1. شناسایی موضوعی پتانسیل‌های همتای رقومی شهر

تجزیه و تحلیل موضوعی مقالات همتای رقومی شهر، پنج موضوع را مشخص کرد: عملکرد داده‌ها، تجسم، آگاهی از موقعیت، برنامه‌ریزی و پیش‌بینی و ادغام و همکاری (جدول 3). از طریق این مضامین، پتانسیل‌های به دست آمده و درک شده و موارد استفاده از همتای رقومی شهر را می‌توان درک کرد و متعاقباً، یک دستور کار تحقیقاتی را می‌توان پیشنهاد داد تا مزایای همزاد رقومی شهر را به حداکثر برساند.

1-4  مدیریت داده

مدیریت داده نشان‌دهنده موضوع اصلی همتای رقومی شهر است. با توجه به ابعاد مختلف شهر و مقادیر گسترده‌ای از داده‌های ناهمگن که می‌توان از شهر تولید و جمع آوری کرد، توانایی مدیریت و پردازش داده‎های شهری اساسی است. برای حل داده‌های ناهمگن، استفاده از رویکرد هستی شناختی برای بهبود قابلیت همکاری معنایی و ایمن سازی گسترش داده‌های آینده پیشنهاد شد [35،36،37]. توسعه معماری سیستم چندلایه برای مدل‌های رقومی شهر نیز برای مدیریت و ادغام انواع داده‌های مختلف در مدل همتای رقومی پیشنهاد شده است [34،45]. علاوه بر این، اگرچه داده‌های زیرساخت زیرزمینی از سطح دسترسی و کیفیت مناسبی برخوردار نیستند، اما پیشنهاد شد که آن‌ها به دلیل توانایی ادغام چندین مدل داده کاندیدای همکاری بهتر هستند. با این وجود، مقدار زیادی داده تولید شده از عملیات شهری مسئله‌ای در مدیریت و کار همتاهای رقومی، به ویژه در مقیاس شهر است. بنابراینNys ، Billen و Poux سعی کردند با استفاده از قالب‌های داده سریعتر، سبک‌تر و قابل خواندن، اندازه مدل سه بعدی را کاهش دهند و از زمان تولید بکاهند، اما سطح جزئیات مدل آنها (LOD) و خرابی‌های هندسی ایجاد شده، برخی از چالش‌ها را به وجود می‌آورد [47]. برای کنترل اندازه ذخیره‌سازی داده‌های همتای رقومی و به حداقل رساندن خطاهای موجود در مدل، پیشنهاد شد از تکنیک‌های رویه‌ای در مدلسازی سه بعدی شهر استفاده شود [38]. علاوه بر این، آستین و همکاران (2020) به مزایای ترکیب تکنیک‌های یادگیری ماشین با مدلسازی معنایی برای رسیدگی بهتر به داده‌های بزرگ و ناهمگن اشاره کردند [33]. در حالی که تولید مدلی برای مقیاس شهر زمان‌بر است، Xue و همکاران روشی را برای کاهش زمان توسعه مدل خارج از ابرهای نقطه LiDAR پیشنهاد کردند. اما روش آن‌ها علاوه بر داشتن خطاهای هندسی، نمی‌تواند روی اجسام غیر متقارن پردازش شود [39]. استفاده از ابرنقطه برای مدلسازی، هم پتانسیل‌ها و هم چالش‌هایی را به همراه دارد. به عنوان مثال، نمایش اشیاء نامنظم اما بدون ارتباط توپولوژیکی را ارائه می‌دهد. علاوه بر این، افزونگی ابر نقطه پردازش، فشرده‌سازی و ذخیره‌سازی داده‌ها را تسهیل می‌کند [41]. دو و همکاران یک پلت فرم تجسم داده بزرگ فضایی – زمانی ایجاد کرده‌اند که از تلفیق GIS و BIM برای پردازش، تجزیه و تحلیل، یکپارچه سازی و تجسم داده‌های چند منبع شهر استفاده می‌کند [42]. بعلاوه، با پیوند دادن مدل با چندین مجموعه داده برای ساخت BIM، داده های خام منسجم زمانی تولید شد [43]. دمکراتیزه کردن داده‌های شهری به عنوان یک مسئله اساسی برای اطمینان از دسترسی به داده‌های شهر از طریق همتای رقومی شهروندان تلقی می‌شود. دمبسکی و همکاران با استفاده از نرم افزار منبع آزاد این فرصت را به شهروندان و متخصصان شهر داده است تا از طریق در دسترس بودن داده‌ها و نرم افزار در ارزیابی و توسعه همتای دیجیتال شهر شرکت کنند [40].

چندین پتانسیل و پیشرفت در حال حاضر توسط همتای رقومی شهر در مورد مدیریت داده به دست آمده است، اما هنوز برخی از چالش‌ها مانع استفاده کامل از مزایای آن هستند. به عنوان مثال، برای پردازش و ادغام داده‌های ناهمگن دامنه‌های مختلف شهری، استانداردسازی داده‌ها و چارچوب‌های اشتراک داده برای بهبود تبادل داده‌ها در میان برنامه‌های نرم افزاری، چالش‌هایی اساسی هستند [37،46].

2-4  بصری سازی

نقش اصلی در مدلسازی شهر، افزایش تجسم از شهر است. تجسم بهتر می‌تواند درک بهتری از محیط شهری و کاهش خطاها در طراحی ایجاد کند. قابلیت همتای رقومی، استفاده و یکپارچه‌سازی با سایر برنامه‌های مدلسازی و تجسم، تجربه بصری همتای رقومی را ارتقا می‌بخشد. به عنوان مثال، ناوبری تصویری از طریق شهر از چشم‌اندازها و مقیاس‌های مختلف با استفاده از VR و فناوری‌های واقعیت افزوده (AR) [51] توسعه یافته است و این در حالی است که تجسم VR، متصل به داده‌های تجزیه و تحلیل شهری و زیست محیطی از شهر در مقیاس اندازه کامل است ]40[. Medeiros با استفاده از یک برنامه VR همه‌جانبه، درک و پیمایش فضایی پیشرفته‌تری را برای همتاهای رقومی شهری ارائه داد. علاوه بر این، فضاهای خیابانی، زیرساخت‌ها، ساختمان‌های بلند و مدل‌های BIM را می‌توان با ناوبری از طریق پورتال اینترنتی به صورت رقومی تجربه کرد [27]. در حالی که یک سکوی شبیه سازی شهری برای نمایش یک مدل بروز شده سه بعدی در زمان واقعی ساخته شده است که تجزیه و تحلیل دامنه‌های مختلف شهر به صورت آنی قابل انجام باشد [42]. علاوه بر این، برای افزایش تجسم از مدل همتای رقومی شهر، تحولات زیادی اعمال شده است. به عنوان مثال؛ عناصر مختلف شهر مانند زمین‌ها و گیاهان پویا را شامل می‌شود [53،54]، تجسم هر دو محیط ساخته شده موجود و برنامه ریزی شده [37]، تجسم شهر با مقیاس های چند بعدی و چند فضایی [40،42]، استفاده از ابرنقاط برای مدلسازی نامحدود هر شی در شهر [41] و استفاده از چندین LOD در مدل همتای دیجیتال برای استخراج مناسب با توجه به کاربرد [43].

تجسم سیستم‌های اجتماعی یکی دیگر از اصلیترین چالش‌های توسعه یک همتای رقومی شهری است که به طور قابل توجهی بهبود یافته است. با این حال، برخی تحقیقات برای رفع این چالش انجام شده است. به عنوان مثال؛ روشی برای مدلسازی رفتار براساس نیازهای عوامل با استفاده از مجموعه‌ای از الگوهای رفتاری ارائه شد [49]. علاوه بر این، یک مدل ریاضی برای ادغام ویژگی‌های ذهنی عوامل فعال در همتاهای رقومی ایجاد شد [48]. همچنین Fan و همکاران، تجسم پویایی شبکه در یک فاجعه در یک همتای رقومی شهر را با استفاده از تجزیه و تحلیل شبکه پویا پیشنهاد داده‌اند [50].

3-4  آگاهی از وضعیت

پیش‌بینی می‌شود این همتای رقومی شهر پیوندی را با شهر واقعی یا همتای فیزیکی ایجاد کند تا بتواند دید شهر و درک و تجزیه و تحلیل وقایع و عملیات آن را افزایش دهد. برای این منظور، همتای رقومی شهر به عنوان فناوری امکان پذیر برای ارتقا آگاهی موقعیتی برای مدیریت شهری و ارائه مدل اطلاعات شهری تلقی می‌شود. یعنی همتای رقومی شهر می‌تواند داده‌های شهر را جمع آوری، نظارت و مدیریت کند [34]. به عنوان مثال؛ می‌تواند وضعیت سلامتی شهروندان را منعکس کند [58] و یا همچنین جهت نمایش، استدلال و تجزیه و تحلیل داده‌های مصرف انرژی [33،55،65]، تشخیص حرکت برای فعالیت‌های امنیت عمومی [42]، نظارت بر آلودگی صوتی در شهر با استفاده از مدل پویایی [61]، ردیابی بموقع اطلاعات هنگام بحران و متمرکز کردن اشیاء آن به یک ناحیه محدود [50،56]، ردیابی و رصد رفتار افراد و اختلالات و خطرات احتمالی [57،64،68] به کار گرفته شود. همچنین پیش‌بینی می‌شود که تجزیه و تحلیل و پیشگیری از خطر را افزایش داده و جریان اطلاعات را برای مدیریت فاجعه شناسایی می‌کند [60،69].

هنگام تجزیه و تحلیل عملکردهای شهر، چندین برنامه ارائه شده است؛ مانند ارائه تجزیه و تحلیل نحوه چینش فضای شهری و خیابان و الگوهای حرکتی [40،66]، الگوهای رفت و آمد مستقل [63]، مقایسه و تجزیه و تحلیل نیازهای شهروندان به خدمات شهری [62] و تجزیه و تحلیل ازدحام فضایی و ترافیکی شهری [42]. علاوه بر این، برخی تلاش‌ها برای ایجاد همتاهای رقوی انسان محور بیشتر صورت گرفت، مانند پیشنهاد روشی برای شخصی سازی سیستم‌های اطلاعاتی با مدلسازی واکنش‌های شناختی به انواع مختلف اطلاعات [67]. توسط لی و همکاران پیشنهاد می‌شود با استفاده از حسگرهای زیستی، تعاملات تنش زای سالخوردگان و بزرگترها را در مدار خود ردیابی و شناسایی کنید تا نقاط پر خطر شهر را شناسایی کرده و مسیرهای جایگزین ایمن تری را ارائه دهد. با این حال، تحقیق در مورد نظارت بر تنش‌های فردی فاقد شناسایی سطوح مختلف استرس است، که نیاز به تحقیقات بیشتر دارد.

همتای رقومی شهر در درک قسمت‌های مختلف شهر، در مقیاس‌های چندمکانی و زمانی و در چندین حوزه مانند مراقبت‌های بهداشتی، مدیریت انرژی، مدیریت حوادث، واکنش اضطراری، تحرک و برنامه‌ریزی شهری کمک‌های قابل توجهی ارائه می‌دهد.

4-4  برنامه ریزی و پیش‌بینی

اشیاء و فرآیندهای گذشته و حال، در شهر می‌توانند توسط مدل همتای رقومی شهر به‌خوبی ضبط شوند و برای درک بهتر عملکرد شهر می‌توانند تجزیه و تحلیل شوند. با این وجود، از مزیت‌هی اصلی همتای رقومی، ارائه بینش مفید درباره الگوها و برنامه‌های آینده است. پیش‌بینی رفتار آینده همتای فیزیکی برای بهینه‌سازی عملکرد آن در زمینه های دیگر، از جمله هوا-فضا و ساخت برجسته شده است. به همین ترتیب، برای همتای رقومی شهر، تهیه برنامه های احتمالی و سناریوهای عملیاتی آینده شهر جهت بهینه‌سازی نحوه عملکرد شهر می‌تواند یک مزیت قابل توجه باشد.

برخی تحقیقات برای حمایت از فرایندهای تصمیم گیری و ارتقا سناریوهای سیاست جایگزین انجام شده است. به عنوان مثال؛ دمبسکی و دیگران سناریوهای ترافیکی و شبیه‌سازی آلودگی هوا را برای آزمایش تأثیر برنامه‌ریزی شهری آن‌ها ایجاد کرده‌اند [66]. نوچتا و همکاران به ارزیابی سناریوهای مختلف مکان شارژ وسایل نقلیه الکتریکی و تأثیرات بین بخشی از طریق همتای رقومی شهر پرداختند [46]. با تهیه سناریوهای “چه می شود اگر” برای چندین حوزه از شهر، برنامه‌های دیگری برای حمایت از تصمیم گیری مورد آزمایش قرار گرفتند. به عنوان مثال؛ شبیه سازی خرابی اشیا فیزیکی احتمالی در شهر از طریق سنجش مشارکتی برای بهبود مدیریت ریسک بصیرت آمیز بود [56]. برنامه‌های توسعه شهری و سناریوها و شبیه‌سازی های آب و هوایی شهری برای حمایت از تصمیم گیری برنامه‌ریزی شهری مورد آزمایش قرار گرفتند [27]. چندین برنامه دیگر برای برنامه‌ریزی و پیش‌بینی مرتبط با همتای رقومی، مانند تجزیه و تحلیل سناریوی جاری شدن سیل [42]، ارزیابی پتانسیل انرژی خورشیدی و تأثیر جریان باد بر محیط ساخته شده از طریق شبیه‌سازی تغییرات آب و هوا [13] و شبیه‌سازی تحرک شهری [1] مفید شناخته شد ]40[.

5-4  ادغام و همکاری

پیچیدگی شهر، وابستگی متقابل بین عناصر آن (مانند انسان، زیرساخت‌ها و فناوری‌ها) و ارتباط بین حوزه‌های آن، چالش ادغام اطلاعات همه حوزه‌های موجود در یک بستر و ایجاد یک محیط برای شرکت‌ها را به تصویر می‌کشد. ادغام همتای رقومی شهر از دو بعد قابل مشاهده است. اولین مدل خود یک مدل سه بعدی است و برای پرداخت به آن، Wan و همکاران، استدلال کردند که استفاده از چندین همتای رقومی برای یک شهر می‌تواند امکان پذیرتر از یک تهیه یک همتای رقومی همه‌جانبه باشد [63]. کاستلی و همکاران پیشنهاد می‌کنند همتای رقومی شهر به صورت لایه‌های سازمانی، سازمان‌دهی شوند تا دامنه‌ها و ابعاد مختلف شهر را ادغام کند [34]. علاوه بر این ، Radenkovic و همکاران اشاره به در دسترس بودن استفاده از مدلهای “به هم پیوسته” برای غلبه بر پیچیدگی همتای فیزیکی و حوزه های متعدد آن کردند ]61[.

بعد دوم فراهم آوردن فضای همکاری در میان ذینفعان مختلف شهر است. استفاده از سیستم عامل‌های آنلاین و متن‌باز، امکان به اشتراک گذاری داده‌ها و مشارکت ذینفعان در برنامه‌ریزی شهر و طراحی و ارزیابی سیاست‌ها را فراهم می‌کند [13]. اینکه همتاهای رقومی می‌توانند شهروندان را در ایجاد برنامه‌های جدید برای شهر و تقویت تصمیم‌گیری عمومی مشارکت دهند مهم شمرده شده است [37،66]. علاوه بر این، با اختصاص سطح مختلف مجوز، همتای رقومی شهر می‌تواند برای اهداف برنامه‌ریزی شهری قابل دسترسی، پیمایش و بحث و گفتگو باشد [27]. تحقیقات زیادی به ایجاد ارتباط بین ذینفعان حوزه‌های مختلف شهر و مزایای تعامل شهروندان از طریق همزاد رقومی [40،46،56،63،70-72] اشاره کرده است.

  1. چالش های استفاده کامل از پتانسیل های دوقلوی دیجیتال شهر

علاوه بر شناسایی پتانسیل‌های همتای شهر، بررسی مقالات چندین چالش را نشان می‌دهد که هنوز مانع استفاده کامل از همتاهای رقومی در مقیاس شهر می‌شود. به دنبال پنج موضوع همتای رقومی شهر که از طریق آن‌ها پتانسیل ها درک شده است، ما می‌توانیم چالش های اصلی را نشان دهیم و بنابراین شکاف‌های موجود در مقالات را برای ترسیم یک برنامه تحقیقاتی برای آینده شناسایی کنیم.

به عنوان مثال، در مدیریت داده‌ها، یکی از بزرگترین نگرانی‌ها، اندازه بزرگ، پیچیده و ناهمگن داده‌های شهر است [13،33،35،39،59]. با توجه به آن، اخذ و پردازش داده‌ها توسط نیازهای سطح بالاتری از قدرت محاسبات و قابلیت همکاری بین مجموعه‌های عظیم و مختلف داده تهدید می‌شود. علاوه بر این، اندازه و پیچیدگی داده‌های شهر، لزوم تدوین استانداردهای کاملاً پذیرفته شده برای مدل‌های داده و طرح‌های طراحی [27،37] را برای سهولت در توسعه مدل‌های شهری، علاوه بر کسب مزایای آن در کاهش زمان، هزینه و خطاها روشن می‌کند. همچنین، دسترسی به داده‌ها به دلیل مالکیت و پرهزینه بودن، می‌تواند چالش برانگیز باشد [44،68].

تجسم مقیاس شهر در همتای رقومی هنوز فاقد جامعیت اطلاعات شهر است [66]. چندین شهر همتای رقومی ساخته شده‌اند که فاقد دقت مدل، کامل بودن و کیفیت نمایش گرافیکی هستند [34،39،40،47]. علاوه بر این، استفاده از داده‌های سنجش مشارکتی و منابع گسترده برای تکمیل محدودیت‌های اطلاعات حسی، برخی از خطاهای محلی‌سازی و داده‌های غیرقابل اعتماد را نشان داد [38،56،57]. عدم صحت و خطاهای مدلسازی نه‌تنها تجربه بصری بلکه آگاهی موقعیتی شهر را تحت تأثیر قرار می‌دهد. با این وجود، یک اشکال اساسی در آگاهی از وضعیت موجود شهر، عدم آگاهی از عوامل زمینه‌ای و سیستم‌های غیر فیزیکی مانند ساختارها و فرایندهای اجتماعی، اقتصادی و سیاسی، ورای تعاملات بین مردم، زیرساخت و فناوری است [56،63،69،71،72]. علاوه بر این، آگاهی موقعیتی ناکافی کیفیت برنامه‌ریزی و توانایی پیش‌بینی همتای رقومی را به چالش می‌کشد. یعنی ناقص بودن مدل شهر، چه به دلیل کمبود داده‌های دقیق و چه نحوه تجسم آن [38،46]، بر توانایی دوقلوی دیجیتال شهر در ارائه تصمیمات برنامه‌ریزی مفید یا پیش‌بینی سناریوهای آینده تأثیر می‌گذارد.

علاوه‌بر موارد فوق الذکر، توسعه یک همتای رقومی کامل شهر به دلیل دامنه‌ها و اطلاعات مختلف شهر، به سطح بالایی از ادغام نیاز دارد. پیش‌بینی شده است که مدل همتای رقومی شهر بینشی در مورد همه سیستم‌ها و فرآیندهای شهر ایجاد کند که انواع مختلفی از داده‌ها را با فرمت‌های مختلف در میان بخش‌ها و ذینفعان مختلف تولید می‌کند. بنابراین، برای توسعه بیشتر مدل همتای رقومی شهر، توسعه اطلاعات معنایی غنی تر [47]، درک و مدلسازی تعاملات سیستم [69] و شناسایی الزامات قابلیت همکاری بین سیستم‌های مختلف [45] لازم است. همچنین به دلیل چندین موضوع مربوط به عدم وجود ساختارهای حاکمیتی، چارچوب‌های به اشتراک گذاری داده‌ها و آمادگی، آگاهی و تمایل شرکت کنندگان، نیاز به تعامل عمومی و بخش‌های مختلف شهر و ایجاد قابلیت دسترسی به مدل هنوز هم چالش بر انگیز است ]40،46،64[. علاوه بر این، ارتقاء کیفیت ادغام و همکاری همتای رقومی شهر حاکی از چالش‌های اجتماعی است که باید مورد بررسی قرار گیرند؛ از جمله مسائل حریم خصوصی و امنیت [33،35،69].

چالش‌های استفاده کامل از پتانسیل‌های دوقلوی دیجیتال شهر که در مقاله ارائه شده است، لزوم تحقیقات و توسعه بیشتر را در جهت افزایش مدیریت داده‌ها و استانداردسازی مدل‌های داده برای بهبود همکاری و پردازش داده‌ها نشان می‌دهد. علاوه بر این، نشان داده شده است که مدل‌های همتای رقومی توسعه یافته شهر به دلیل اشکالات متعددی مانند عدم دقت، وقوع خطاها و عدم ادغام تعاملات انسانی و عوامل اقتصادی، اجتماعی و سیاسی هنوز کامل و جامع نیستند. با این حال، تهدیدات دیگر به عنوان پیامدهای توسعه کامل و جامع شهرهای همتای رقومی، مانند حریم خصوصی شهروندان و مسائل امنیتی داده قابل پیش‌بینی است.

  1. بحث و دستور کار تحقیق

یکی از مزایای اصلی همتای رقومی شهر اتصال اطلاعات گذشته و حال و سناریوهای آینده است. توانایی ادغام چندین مدل داده در زمان و مکان و ارائه اطلاعات در یک مدل سه بعدی، اکتشاف، درک و پیش‌بینی روندهای فعلی و آینده عملیات شهر را غنی می‌کند. تجزیه و تحلیل موضوعی پتانسیل‌های مورد استفاده برای توسعه یک همتای رقومی شهری را تقریباً در تمام حوزه‌های شهر نشان داد. توسعه همتای رقومی شهرها در حال حاضر به بهبود مدیریت، عملکردها و کارایی شهر کمک می‌کند. در حال حاضر، سطح توسعه‌ای که تاکنون به دست آمده است می‌تواند مدیریت داده های شهر، تجسم دیجیتالی شهر، آگاهی از چندین موقعیت مکانی – زمانی، پیش‌بینی سناریوهای آینده و ادغام دامنه‌ها و ذینفعان شهر را بهبود بخشد (شکل 2). برخی از تحقیقات بررسی شده در این مقاله، چارچوب‌های نظری یا معماری سیستم را برای توسعه شهرهای همتای رقومی پیشنهاد داده‌اند. با این حال، بسیاری از تحقیقات عملی پیشرفت قابل توجهی در قابلیت استفاده از شهرهای همتای رقومی در افزایش کارایی و مدیریت شهر نشان داده‌اند. اگرچه تحقیقات همتای رقومی شهری هنوز در مراحل ابتدایی است، با تحقیقات قوی که اخیراً همتای رقومی را با مدلسازی در مقیاس شهر پیوند داده است، این یک سرعت بالای توسعه را به سمت استفاده کامل از فناوری همتای رقومی در پیشرفت شهرها نشان می‌دهد.

چالش های اصلی ایجاد همتای رقومی شهر
شکل 2: پتانسیل‌های همتای رقومی شهر

با توجه به بررسی و دسته بندی موضوعی تحقیقات همتای رقومی شهر، شکاف‌ها و چالش‌های اصلی دستیابی به یک همتای رقومی که به طور کامل آیینه شهر باشد درک شد. به عنوان مثال، اگرچه چندین روش برای توسعه یک مدل داده یکپارچه و منسجم برای همتای رقومی شهر پیشنهاد شده است، اما مقالات فاقد کاربرد مشخص چنین مدلی است که استفاده کامل از یک همتای رقومی جامع شهر را که از طرح‌های داده‌ای استاندارد و یکپارچه استفاده می کند، ارائه دهد. تجسم جزئیات کامل فیزیکی شهر هنوز به دلیل تعداد زیادی از جزئیات مورد نیاز برای نمایش کامل شهر در مدل رقومی، که به ظرفیت‌های بالایی برای اداره و پردازش مدل رقومی با اندازه بزرگ نیاز دارد، امکان پذیر نیست. علاوه بر این، تجسم سیستم‌های غیر فیزیکی و تعاملات انسانی یک چالش قابل توجه است. اگرچه فعالیت‌های اقتصادی-اجتماعی در قلمرو شهر بسیار قابل توجه است. همچنین در ادبیات همتای رقومی شهر، فناوری فعلی توسعه یافته در انتقال اطلاعات از فیزیکی به همتای رقومی متمرکز است. این در حالی است که استفاده کامل از قابلیت‌های فن آوری همتای رقومی نیاز به ادغام متقابل بین دو همتایی است که به خوبی در کارهای گذشته به آن پرداخته نشده است.

علاوه بر مثال همتای رقومی شهر زوریخ که قبلاً ذکر شد، نمونه قابل توجه دیگر سنگاپور مجازی است. آنها یک همتای رقومی شهری را از طریق برنامه مجازی سنگاپور توسعه دادند. جایی که ایده این بود که تمام تلاش‌های سه بعدی را به یک بستر متحد برای یک محیط مشترک‌تر برای همه آژانس‌های دولتی، علاوه بر شهروندان، بخش خصوصی و موسسات تحقیقاتی هم‌افزا کنند ]73[. این مدل تجسم بهتر شهر، جمع‌آوری به‌موقع اطلاعات و تجزیه و تحلیل‌ها و شبیه‌سازی‌ها و سناریوهای “چه می شود اگر” برای برنامه‌ریزی و تصمیم‌گیری پیشرفته را تسهیل می‌کند. می‌توان آن را به عنوان یک همتای رقومی بسیار مهم شهری درک کرد. هنوز هم به سطح یک همتای رقومی کامل نرسیده است. به عنوان مثال، جریان اطلاعات هنوز از جنبه فیزیکی به سمت رقومی یک طرفه است. با این حال، تحقیقات آینده در مورد توسعه همتای رقومی شهر مورد نیاز است تا در مناطقی متمرکز شود که ممکن است فناوری فعلی را پیشرفت دهند و به یک سطح همتای رقومی کاملاً آینه شده برسند. باتی اظهار داشت که هرگز نمی توان یک دوقلوی کاملاً آینه‌ای را به دست آورد [14]. اما وی اطمینان داد که تلاش برای ایجاد هرچه بیشتر مدل رقومی به نمونه فیزیکی آن ضروری است. علاوه بر این، وی گنجاندن مولفه‌های اجتماعی و اقتصادی شهر را به عنوان چالش اصلی دستیابی به یک نسخه کامل از شهر واقعی برجسته کرد. با این وجود دستیابی به یک همتای رقومی که جزئیات کامل جنبهه‌ای جسمی، اجتماعی و اقتصادی شهر را منعکس کند تقریباً غیرممکن به نظر می رسد. اما جامعه تحقیقاتی موظف است همه روش‌های ممکن را برای پیشرفت ابزارهای تکنولوژیکی و کاربردهای افزایش رقومی شهر بررسی کند. بنابراین، شناسایی پتانسیل‌ها و چالش‌های ایجاد شهرهای همتای دیجیتال برای تهیه یک برنامه تحقیقاتی که ممکن است به توسعه بیشتر شهرهای همتای رقومی کمک کند، ضروری بود.

در زیر سه جهت اصلی تحقیق وجود دارد که یک دستورالعمل تحقیقاتی را تشکیل می‌دهد که می‌تواند محققان همتای رقومی شهری، مدیران شهری و توسعه دهندگان را به سمت تمرکز و تشدید تلاش‌های خود در جهت توسعه یک همتای رقومی شهری جامع و کاملاً آینه هدایت کند.

1-6  افزایش کارایی جمع آوری و پردازش داده‌ها

تقویت مدیریت داده در همتای رقومی شهر همواره بستری مناسب برای تحقیقات بیشتر در این حیطه است. مدیریت داده یکی از عناصر اصلی در توسعه همتای رقومی شهری است و سطح کیفیت و دقت داده‌ها در ایجاد یک بستر رقومی کارآمد و موثر برای شهر تعیین کننده است. اگرچه پیشرفت‌های امیدوار کننده‌ای در انتقالات، ذخیره‌سازی و پردازش داده­ها اتفاق افتاده است، اما برخی از چالش­ها همچنان مانع استفاده کامل از قابلیت‌های همتای رقومی شهر به عنوان یک پلت فرم واحد هستند. از جمله چالش­های اصلی، استانداردسازی داده­ها است که در آن داده­های ناهمگن تولید شده و دامنه‌های مختلف شهر که به تلفیق چندین برنامه نرم افزاری نیاز دارند، به ضرورت تدوین استانداردهای داده برای همتای رقومی شهر اشاره می­کنند.

برخی از تحقیقات، مدل‌های استاندارد سازی داده یا بهره­گیری از استانداردهای باز را پیشنهاد کرده­اند که هنوز به طور گسترده مورد استفاده قرار نگرفته­اند. با این وجود، به دلیل روش‌های متنوع و نرم افزارهای گوناگون مورد استفاده در همتای رقومی شهر و فناوری‌های در حال ظهور و تولید داده­های متنوع موجود در حوزه­های شهر، نمی­توان آن‌ها را تعمیم داد [37،42،58،60]. توسعه استانداردهای مناسب برای داده­ها، مدیریت داده­ها و قابلیت همکاری بین نرم­افزارها و حوزه­های مختلف و توسعه تحقیقات بیشتر در این حیطه را تسهیل می­بخشد.

علاوه بر این، برای یک مدل کامل و جامع، سطح جزئیات مدل شهر نیاز به تحقیقات بیشتر دارد؛ زیرا هرچه جزئیات مدل سه بعدی برای تجسم پیشرفته بیشتر باشد، اندازه آن گسترده­تر خواهد بود. افزایش اندازه مدل در پردازش­ها با مشکلاتی روبرو خواهد شد. یعنی یک تعامل مناسب بین داشتن سطح جزئیات بیشتر برای تجسم بهتر همتای رقومی شهر و اندازه مدل (برای مدیریت بهتر داده­ها، اندازه مدل تا حد ممکن کوچک باشد) مورد نیاز است. بنابراین به طور کامل از این سطح جزئیات برای تجزیه و تحلیل، پیش‌بینی‌ها و برنامه‌های بیشتر استفاده می‌شود.

2-6  ارتقا ادغام مولفه­‌های اجتماعی- اقتصادی

به عنوان یک سیستم پیچیده از بین انواع سیستم­‌ها، شهر به مدل پیچیده­ای نیاز دارد که سیستم­‌ها و حوزه­‌های متنوع آن را نشان دهد. ادغام سیستم­‌های غیر فیزیکی­، مانند فرآیندهای اقتصادی-اجتماعی یا فعالیت­‌ها، از مهم‌ترین چالش‌ها در بصری سازی و فهم سیستم پیچیده شهر هستند. برخی از مطالعات به برخی جنبه‌های گنجاندن مولفه‌­های غیر فیزیکی در مدل همتای رقومی شهر پرداخته‌­اند که از آن جمله می­توان به مدلسازی رفتار آن‌ها با توجه به نیازهای عامل­‌ها و ویژگی­‌های ذهنی اشاره کرد [48،49].

برخی از تحقیقات، وضعیت سلامت شهروندان، الگوهای حرکتی و تشخیص استرس برای سالمندان را مورد بررسی قرار دادند [40،58،59]. به عبارت دیگر، قرار دادن عامل انسانی در مرکز همتای رقومی مورد توجه تحقیقات قرار گرفته است. با این حال، بسیاری از برنامه‌های کاربردی را می‌توان از یکپارچه سازی اجزای غیر فیزیکی پیش‌بینی کرد که می­تواند چندین حوزه شهری مانند برنامه‌ریزی شهری­، تردد شهری و محیط را تقویت کند. مدلسازی بهبود یافته رفتارها و فعالیتهای اقتصادی – اجتماعی، علاوه بر در نظر گرفتن عوامل زمینه­ای مانند اصول سیاسی، ساختارهای حاکمیتی و فرهنگی، بینش بهتری در درک شهر و انجام تجزیه و تحلیل عمیق‌تر و شبیه‌سازی سناریوهای آینده فراهم می‌کند که به نوبه خود، برنامه‌ریزی و تصمیم گیری را بهبود می بخشد. با این حال، چالش­ها از جمع آوری و مدلسازی داده‌ها به سایر مسائل مربوط به حریم خصوصی و امنیت داده­ها گسترش یافته است. دسترسی مدیران و حکومت­ها به داده­های شخصی، حریم خصوصی-عمومی را به خطر می اندازد، که این امر مستلزم گفتگوی جدی و شفاف با شهروندان است. علاوه بر این، درز اطلاعات شخصی توسط اشخاص ثالث یا هکرها تهدیدی اساسی محسوب می‌شود. علاوه بر بررسی چگونگی مدلسازی این مولفه­های غیرفیزیکی، تأثیرات قابل پیش­بینی گنجاندن آن‌ها در مدل همتای رقومی از اهمیت کمتری برخوردار نیست.

6-3  یکپارچه‌­سازی متقابل همتایان رقومی و فیزیکی

اگرچه در تحقیقات بررسی شده به آن اشاره نشده است، اما یک قسمت مهم در دستیابی به همتای رقومی کامل یک شهر، ادغام متقابل آن با همتای فیزیکی است. توانایی بروزرسانی همتای رقومی با دریافت اطلاعات در زمان واقعی یا نزدیک به زمان واقعی از همتای فیزیکی آن قبلاً اثبات شده است. بنابراین جهت معکوس انتقال داده و کنترل جنبه فیزیکی شهر، هنوز هم چالش برانگیز است. همانطور که قبلا ذکر شد، در زمینه تولید، Kritzinger و همکاران، خطوطی را در میان مدل رقومی، سایه رقومی و همتای رقومی ترسیم کردند [11]. جریان انتقال داده ها در همتای فیزیکی دستی است و از موجودیت­ فیزیکی به موجودیت رقومی در سایه رقومی به صورت خودکار انجام می­شود. در مقابل، جریان داده در همتای رقومی از دو جهت به صورت خودکار انجام می­شود. یعنی تعامل متقابل بین همتایان رقومی و فیزیکی که در همتای رقومی اتفاق می­افتد، هنوز در هر دو سمت حاصل نشده است. بنابراین، آنچه که همتای رقومی شهری نامیده می­شود، باید سایه رقومی شهر باشد؛ زیرا ویژگی اصلی همتای کامل رقومی، یعنی ادغام کامل بین دو همتای آن را برآورده نمی‌کند.

توسعه یکپارچه‌سازی متقابل بین دو همتای به معنای این است که مدل همتای رقومی می­تواند بر روی همتای فیزیکی فرمان کنترل داشته باشد. بنابراین، ممکن است به عنوان مثال، با افزایش کارایی شهری و ارائه خدمات، به بهبود مدیریت شهر کمک کند. برای کنترل همتای فیزیکی، استفاده از هوش مصنوعی و محرک‌ها برای دادن بازخورد به همتای فیزیکی پیشنهاد شد [58]. این ممکن است در چند زمینه، مانند مدیریت انرژی و ساخت و ساز [27،65] حاصل شود، اما برای مقیاس بزرگتر شهر تحت تحقیق و بررسی باقی مانده است. علاوه بر استفاده از هوش مصنوعی، تحقیق در مورد رباتیک و اتوماسیون بسیار اساسی است. بویژه زمانی که یکپارچه‌سازی کامل همتای رقومی شهر و پیشرفت ویژگی­های کنترل برای بهینه­سازی مدیریت و عملیات شهر در نظر گرفته می­شود. با وجود این، بررسی دقیق تهدیداتی که ممکن است با افزایش مدیریت شهری و اتوماسیون عملیاتی ایجاد شود، مانند تفکیک شهری و چالش‌های نظارتی، ضروری است [74].

زمینه­های تحقیقاتی پیشنهادی آینده برای افزایش پتانسیل­های همتای رقومی شهر، نظیر توانایی کنترل جنبه فیزیکی شهر از طریق مدل رقومی است، که نیاز به تحقیقات بیشتر دارد. علاوه بر پیشبرد این برنامه تحقیقاتی، پیش­بینی می­شود تا پتانسیل‌های فعلی همتای رقومی شهر در جهت دستیابی به توسعه یک همتای کامل، به ویژه در بررسی­های جامع، با بررسی روابط متقابل بین پتانسیل‌های آن قابل تحقق باشد و می‌توان دید كلی‌تری از سهم آن در ارتقا كارآیی و مدیریت شهر به دست آورد.

 

  1. نتیجه‌گیری

همتای کاملاً آینه‌ای شهر که واقعیت فیزیکی را تکرار می‌کند هنوز توسعه نیافته و کاملاً درک نشده است. با این حال، سرعت توسعه همتای رقومی شهر نسبتاً سریع است و انتظار می‌رود پتانسیل بالاتری را برای مدیریت شهری و کیفیت زندگی شهروندان افزایش دهد. اگرچه همتای رقومی شهر برای همه مشکلات شهر راه حل ارائه نمی دهد [63]، تحقیقات قبلی متنوع است و مزایای متعددی را برای استفاده از شهرهای همتای دیجیتال در دامنه های شهر نشان می‌دهد. برای به حداکثر رساندن پتانسیل‌های همتای رقومی شهر، تلاش‌های تحقیقاتی باید بر روی افزایش کارایی پردازش داده‌ها، ترویج گنجاندن مولفه‌های اقتصادی – اجتماعی شهر و توسعه یکپارچه‌سازی متقابل بین دو همتای رقومی شهر باشد. تشدید تلاش‌های تحقیقاتی در سه حوزه پیشنهادی برنامه تحقیقاتی برای پیشرفت همتای رقومی فعلی شهر، نه‌تنها با افزایش کارایی پردازش داده‌های آن و هم تجربه تجسم بالاتر، عملکرد مدل رقومی را افزایش می‌دهد، بلکه می‌تواند به‌دلیل جمع‌آوری اطلاعات بیشتر و درج مولفه‌های اضافی شهر که در همتای رقومی فعلی شهر وجود ندارد، آگاهی موقعیتی عمیق تری از روندها و فعالیت‌های شهر را ارتقا دهد. پتانسیل شبیه‌سازی سناریوهای آینده برای پشتیبانی از تصمیم‌گیری و پیش‌بینی‌ها با داده‌های بیشتر که برای بهبود قابلیت پیش‌بینی آن ضروری است، بهتر اطلاع رسانی خواهد شد. اگرچه به دست آوردن اطلاعات از همتای فیزیکی به صورت بلادرنگ توسعه یافته است، اما با استفاده از سنسورها و فناوری‌های اینترنت اشیا که درک شهر را افزایش می‌دهد، توسعه یکپارچه‌سازی متقابل بین دو همتا، فرصت‌های گسترده‌تری را در بالا بردن کارایی و عملکرد عملیات شهری با به حداقل رساندن تداخل انسانی و در نتیجه کاهش خطاها و بهینه‌سازی ارائه خدمات به وجود می‌آورد. این یکپارچه سازی متقابل می‌تواند با استفاده از مدل رقومی برای تجربه بصری و پشتیبانی از تصمیم‌گیری برای کنترل بیشتر همتای فیزیکی، قابلیت استفاده از همتای رقومی شهر را گسترش دهد و بنابراین مدیریت شهر را بهینه کند.

افزایش کارایی پردازش داده‌ها استفاده از یک مدل در مقیاس بزرگ را که کل سطح شهر را با جزئیات بالاتر پوشش می‌دهد ، تسهیل می‌کند. یک تجربه بهتر از تجسم شهر از طریق مدل رقومی پیش‌بینی می‌شود، که از برنامه‌ریزان شهری در درک شهر و درنتیجه تنظیم برنامه‌ها با واقعیت شهر پشتیبانی می‌کند. علاوه بر این، بجای داشتن مجموعه‌ای از داده‌ها از بخش‌ها یا ساختمان‌های محدود (برای مثال در مورد مصرف انرژی)، اطلاعات برای کل شهر در دسترس خواهد بود. بنابراین می‌توان با توجه به تجزیه و تحلیل الگوهای مصرف، سیاست‌های بهتری را اتخاذ کرد، که منجر به سیاست‌های کارآمد مدیریت انرژی ادغام و تجسم مولفه‌های اقتصادی-اجتماعی شهر، تحقق رفتارهای اجتماعی و اقتصادی عمومی را به طور کلی تقویت می‌کند و بینش عمیق‌تری را در مورد الگوهای عمومی حرکت، فعالیت‌ها و انتظارات فراهم می‌کند. این امر می‌تواند برنامه‌های توسعه برنامه‌ریزی شهری را متناسب با نیازهای شهروندان ارتقا دهد. به عنوان مثال، درک الگوهای حرکتی افراد بر برنامه‌ریزی و عملیات حمل و نقل تأثیر می‌گذارد و آن‌ها را کارآمدتر و سرویس گرا می‌کند. پیشرفت یکپارچه سازی متقابل بین همتایان رقومی و فیزیکی مزایای زیادی برای عملکرد و مدیریت شهر به‌همراه خواهد داشت. کنترل سیستم‌های ترافیکی و وزن‌های پویای جاده و ازدحام، نمونه‌هایی از بهینه‌سازی عملیات شهری است که با داده‌های ترافیکی بروز شده در لحظه در همتای رقومی و استفاده از ابزار تحلیلی یادگیری ماشین و هوش مصنوعی بهتر اطلاع رسانی می‌شود. پیامد دیگر امکان کنترل عملیات مصرف انرژی در مقیاس شهر، به عنوان مثال؛ در فضاهای عمومی و با چراغ‌های خیابان است. با این حال، تحقیقات بیشتری برای کشف پیامدهای احتمالی همتای رقومی کامل شهر در حوزه‌های مختلف شهر مانند ساخت و ساز، بهداشت و آموزش و پرورش مورد نیاز است. به عبارت دیگر، پیش‌بینی می‌شود که همتای کاملاً آینه شهر کاملاً منعکس و تأثیرگذار بر عملکردها و فرایندهای شهر باشد تا تحقق، کارایی و مدیریت آن را افزایش دهد.

 

مراجع

  1. Yencken, Creative Cities. In Space Place amd Culture; Sykes, H., Ed.; Future Leaders: Oslo, Norway, 2013; pp. 1–21. [لینک مستقیم]
  2. Batty, ; Axhausen, K.W.; Giannotti, F.; Pozdnoukhov, A.; Bazzani, A.; Wachowicz, M.; Ouzounis, G.; Portugali, Y. Smart cities of the future. Eur. Phys. J. Spec. Top. 2012, 214, 481–518. [لینک مستقیم]
  3. Caragliu, A.; del Bo, C.; Nijkamp, Smart cities in Europe. J. Urban Technol. 2011, 18, 65–82. [لینک مستقیم]
  4. Hollands, R.G. Will the real smart city please stand up? Intelligent, progressive or entrepreneurial? City 2008, 12, 303–320. [لینک مستقیم]
  5. Angelidou, M. Smart city policies: A spatial Cities 2014, 41, S3–S11.[لینک مستقیم]
  6. Angelidou, M. Smart cities: A conjuncture of four Cities 2015, 47, 95–106. [لینک مستقیم]
  7. Marsal-Llacuna, M.L.; Colomer-Llinàs, J.; Meléndez-Frigola, J. Lessons in urban monitoring taken from sustainable and livable cities to better address the Smart Cities initiative. Forecast. Soc. Chang. 2015, 90, 611–622. [لینک مستقیم]
  8. Kunzmann, K.R. Smart cities after covid-19: Ten disP 2020, 56, 20–31. [لینک مستقیم]
  9. Biljecki, ; Stoter, J.; Ledoux, H.; Zlatanova, S.; Çöltekin, A. Applications of 3D city models: State of the art review. ISPRS Int. J. Geo-Inf. 2015, 4, 2842–2889. [لینک مستقیم]
  10. Grieves, ; Vickers, J. Digital twin: Mitigating unpredictable, undesirable emergent behavior in complex systems. In Transdisci- plinary Perspectives on Complex Systems; Springer International Publishing AG: Cham, Switzerland, 2017; pp. 85–113.
  11. Kritzinger, ; Karner, M.; Traar, G.; Henjes, J.; Sihn, W. Digital Twin in manufacturing: A categorical literature review and classification. IFAC PapersOnLine 2018, 51, 1016–1022. [لینک مستقیم]
  12. Khajavi, H.; Motlagh, N.H.; Jaribion, A.; Werner, L.C.; Holmstrom, J. Digital Twin: Vision, benefits, boundaries, and creation for buildings. IEEE Access 2019, 7, 147406–147419. [لینک مستقیم]
  13. Hämäläinen, M. Smart city development with digital twin technology. In Proceedings of the 33rd Bled eConference-Enabling Technology for a Sustainable Society, Bled, Slovenia, 28–29 June 2020; University of Maribor: Maribor, Slovenia,
  14. Batty, Digital twins. Environ. Plan. B Urban Anal. City Sci. 2018, 45, 817–820. [لینک مستقیم]
  15. Nam, ; Pardo, T.A. Conceptualizing smart city with dimensions of technology, people, and institutions. ACM Int. Conf. Proc. Ser.2011, 282–291. [لینک مستقیم]
  16. Kumar, ; Singh, M.K.; Gupta, M.P.; Madaan, J. Moving towards smart cities: Solutions that lead to the Smart City Transformation Framework. Technol. Forecast. Soc. Chang. 2020, 153, 119281. [لینک مستقیم]
  17. UN-HABITAT. New Urban Agenda; UN-HABITAT: Nairobi, Kenya,
  18. Estevez, E.; Lopes, V.; Janowski, T. Smart Sustainable Cities: Reconnaissance Study; United Nations University (UNU-EGOV): Guimarães, Portugal, 2016.
  19. Anthopoulos, Smart utopia VS smart reality: Learning by experience from 10 smart city cases. Cities 2017, 63, 128–148.[لینک مستقیم]
  20. Bouchlaghem, D.; Shang, H.; Whyte, J.; Ganah, A. Visualisation in architecture, engineering and construction (AEC). Constr. 2005, 14, 287–295. [لینک مستقیم]
  21. Azhar, Building information modeling (BIM): Trends, benefits, risks, and challenges for the AEC industry. Leadersh. Manag. Eng. 2011, 11, 241–252. [لینک مستقیم]
  22. McGraw Hill. The Business Value of BIM for Construction in Major Global Markets; McGraw Hill: New York, NY, USA, 2014;  ISBN
  23. Zaker, ; Coloma, E. Virtual reality-integrated workflow in BIM-enabled projects collaboration and design review: A case study.Vis. Eng. 2018, 6. [لینک مستقیم]
  24. Li, W.; Cao, K. Establishment and application of intelligent city building information model based on BP neural network model.Comput. Commun. 2020, 153, 382–389. [لینک مستقیم]
  25. Ma, Z.; Ren, Integrated Application of BIM and GIS: An Overview. Procedia Eng. 2017, 196, 1072–1079. [لینک مستقیم]
  26. Wang, ; Pan, Y.; Luo, X. Integration of BIM and GIS in sustainable built environment: A review and bibliometric analysis.Autom. Constr. 2019, 103, 41–52. [لینک مستقیم]
  27. Schrotter, G.; Hürzeler, C. The digital twin of the city of Zurich for urban planning. PFG J. Photogramm. Remote Sens. Geoinf. 2020, 88, 99–112. [لینک مستقیم]
  28. Snyder, Literature review as a research methodology: An overview and guidelines. J. Bus. Res. 2019, 104, 333–339. [لینک مستقیم]
  29. Moher, ; Liberati, A.; Tetzlaff, J.; Altman, D.G.; Altman, D.; Antes, G.; Atkins, D.; Barbour, V.; Barrowman, N.; Berlin, J.A.; et al. Preferred reporting items for systematic reviews and meta-analyses: The PRISMA statement. PLoS Med. 2009, 6. [لینک مستقیم]
  30. Alhojailan, M.I. Thematic Analysis: A Critical Review of Its Process and WEI Int. Eur. Acad. Proc. 2012, 1, 8–21.
  31. Maguire, ; Delahunt, B. Doing a Thematic Analysis: A Practical, Step-by-Step Guide for Learning and Teaching Scholars.Reflect. Journeys Case Stud. 2017, 3, 3351–33514.
  32. Braun, ; Clarke, V. Using thematic analysis in psychology. Qual. Res. Psychol. 2006, 3, 77–101. [لینک مستقیم]
  33. Austin, M.; Delgoshaei, P.; Coelho, M.; Heidarinejad, M. Architecting smart city digital twins: Combined semantic model and machine learning approach. J. Manag. Eng. 2020, 36. [لینک مستقیم]
  34. Castelli, G.; Tognola, G.; Campana, E.F.E.F.; Cesta, A.; Diez, M.; Padula, M.; Ravazzani, P.; Rinaldi, G.; Savazzi, S.; Spagnuolo, M.; et al. Urban intelligence: A modular, fully integrated, and evolving model for cities digital twinning. In Proceedings of the HONET-ICT 2019-IEEE 16th International Conference on Smart Cities: Improving Quality of Life using ICT, IoT and AI, Charlotte, NC, USA, 6–9 October 2019; pp. 33–37.
  35. Petrova-Antonova, D.; Ilieva, S. Methodological framework for digital transition and performance assessment of smart cities. In Proceedings of the 2019 4th International Conference on Smart and Sustainable Technologies, SpliTech 2019, Split, Croatia, 18–21 June 2019.
  36. Petrova-Antonova, D.; Ilieva, S. Digital twin modeling of smart cities. Adv. Intell. Syst. Comput. 2021, 1253, 384–390. [لینک مستقیم]
  37. Ruohomäki, ; Airaksinen, E.; Huuska, P.; Kesäniemi, O.; Martikka, M.; Suomisto, J. Smart city platform enabling digital twin. In Proceedings of the International Conference on Intelligent Systems (IS), Funchal, Portugal, 25–27 September 2018; pp. 155–161.
  38. Senyurdusev, G.; Dogru, A.O.; Ulugtekin, N.N. Exploring the opportunities of open source data use in creation 3d procedural city models. In Proceedings of the 8th International Conference on Cartography and GIS, Nessebar, Bulgaria, 15–20 June 2020; Volume 1, pp. 619–627.
  39. Xue, ; Lu, W.; Chen, Z.; Webster, C.J. From LiDAR point cloud towards digital twin city: Clustering city objects based on Gestalt principles. ISPRS J. Photogramm. Remote Sens. 2020, 167, 418–431. [لینک مستقیم]
  40. Dembski, ; Wössner, U.; Letzgus, M.; Ruddat, M.; Yamu, C. Urban digital twins for smart cities and citizens: The case study of Herrenberg, Germany. Sustainability 2020, 12, 2307. [لینک مستقیم]
  41. Döllner, Geospatial artificial intelligence: Potentials of machine learning for 3d point clouds and geospatial digital twins. PFG J. Photogramm. Remote Sens. Geoinf. Sci. 2020, 88, 15–24. [لینک مستقیم]
  42. Dou, Q.Q.; Zhang, H.H.H.; Zhao, Y.Q.Q.; Wang, A.M.M.; Xiong, Y.T.T.; Zuo, J.M.M. Research on construction of spatio-temporal data visualization platform for gis and bim fusion. In Proceedings of the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences-ISPRS Archives, Guilin, China, 15–17 November 2019; Volume 42, pp. 555–563.
  43. Lehner, ; Dorffner, L. Digital geotwin Vienna: Towards a digital twin city as geodata hub. PFG-JOURNAL Photogramm. Remote Sens. Geoinf. Sci. 2020, 88, 63–75. [لینک مستقیم]
  44. Lieberman, ; Leidner, A.; Percivall, G.; Rönsdorf, C. Using big data analytics and IoT principles to keep an eye on underground infrastructure. In Proceedings of the Proceedings-2017 IEEE International Conference on Big Data, Boston, MA, USA, 11–14 December 2017; pp. 4592–4601.
  45. Lu, ; Parlikad, A.K.; Woodall, P.; Don Ranasinghe, G.; Xie, X.; Liang, Z.; Konstantinou, E.; Heaton, J.; Schooling, J. Developing a digital twin at building and city levels: Case study of West Cambridge campus. J. Manag. Eng. 2020, 36. [لینک مستقیم]
  46. Nochta, ; Wan, L.; Schooling, J.M.; Parlikad, A.K. A socio-technical perspective on urban analytics: The case of city-scale digital twins. J. Urban Technol. 2020. [لینک مستقیم]
  47. Nys, G.-A.; Billen, R.; Poux, Automatic 3d buildings compact reconstruction from LiDAR point clouds. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences-ISPRS Archives; Copernicus GmbH: Göttingen, Germany, 2020; Volume 43, pp. 473–478.
  48. Klebanov, ; Antropov, T.; Zvereva, O. Hybrid automaton implementation for intelligent agents’ behavior modelling. In Proceedings of the International Conference on Information Science and Communications Technologies: Applications, Trends and Opportunities, ICISCT 2019, Tashkent, Uzbekistan, 4–6 November 2019.
  49. Klebanov, ; Nemtinov, A.; Zvereva, O. Simulation as an effective instrument for strategic planning and transformation of smart cities. In Proceedings of the International Multidisciplinary Scientific GeoConference Surveying Geology and Mining Ecology Management, SGEM 2021, Albena, Bulgaria, 26 June–5 July 2021; Volume 18, pp. 685–692.
  50. Fan, ; Zhang, C.; Yahja, A.; Mostafavi, A. Disaster city digital twin: A vision for integrating artificial and human intelligence for disaster management. Int. J. Inf. Manag. 2019. [لینک مستقیم]
  51. Mohammadi, N.; Taylor, E. Smart city digital twins. In Proceedings of the 2017 IEEE Symposium Series on Computational Intelligence, SSCI 2017-Proceedings, Honolulu, HI, USA, 21 November–1 December 2018; pp. 1–5.
  52. Medeiros, L. Marking the city: Interactions in multiple space scales in virtual reality. In Proceedings of the 2019 IEEE Interna- tional Symposium on Mixed and Augmented Reality, ISMAR-Adjunct 2019, Beijing, China, 10–18 October 2019; pp. 465–469.
  53. Gobeawan, L.; Lin, E.S.; Tandon, ; Yee, A.T.K.; Khoo, V.H.S.; Teo, S.N.; Yi, S.; Lim, C.W.; Wong, S.T.; Wise, D.J.; et al. Modeling trees for virtual Singapore: From data acquisition to CityGML models. In Proceedings of the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences-ISPRS Archives, Delft, The Netherlands, 1–2 October 2018; Volume 42, pp. 55–62.
  54. Yan, ; Zlatanova, S.; Aleksandrov, M.; Diakite, A.A.; Pettit, C. Integration of 3D objects and terrain for 3D modelling supporting the digital twin. ISPRS Ann. Photogramm. Remote Sens. Spat. Inf. Sci. 2019, 4, 147–154. [لینک مستقیم]
  55. Francisco, ; Mohammadi, N.; Taylor, J.E. Smart city digital twin-enabled energy management: Toward real-time urban building energy benchmarking. J. Manag. Eng. 2020, 36. [لینک مستقیم]
  56. Ham, ; Kim, J. Participatory sensing and digital twin city: Updating virtual city models for enhanced risk-informed decision- making. J. Manag. Eng. 2020, 36. [لینک مستقیم]
  57. Kim, ; Kim, H.; Ham, Y. Mapping local vulnerabilities into a 3d city model through social sensing and the cave system toward digital twin city. In Proceedings of the Computing in Civil Engineering 2019: Smart Cities, Sustainability, and Resilience-Selected Papers from the ASCE International Conference on Computing in Civil Engineering 2019, Atlanta, GA, USA, 17–19 June 2019; pp. 451–458.
  58. Laamarti, ; Badawi, H.F.; Ding, Y.; Arafsha, F.; Hafidh, B.; Saddik, A.E. An ISO/IEEE 11073 standardized digital twin framework for health and well-being in smart cities. IEEE Access 2020, 8, 105950–105961. [لینک مستقیم]
  59. Lee, G.; Choi, B.; Ahn, C.R.; Lee, S. Wearable biosensor and hotspot analysis-based framework to detect stress hotspots for advancing elderly’s J. Manag. Eng. 2020, 36. [لینک مستقیم]
  60. Park, ; Lee, S.; Park, S.; Park, S. AI-based physical and virtual platform with 5-layered architecture for sustainable smart energy city development. Sustainability 2019, 11, 4479. [لینک مستقیم]
  61. Radenkovic, ; Despotovic-Zrakic, M.; Bogdanovic, Z.; Barac, D.; Labus, A.; Naumovic, T. A distributed IoT system for modelling dynamics in smart environments. In Proceedings of the 2020 International Conference Engineering Technologies and Computer Science (EnT 2020), Moscow, Russia, 24–27 June 2020; pp. 47–53.
  62. Volkov, City services management methodology based on socio-cyber-physical approach. In Proceedings of the 2019 7th International Conference on Information Technology: IoT and Smart City (ICIT 2019), Shanghai, China, 20–23 December 2019; pp. 373–376.
  63. Wan, ; Nochta, T.; Schooling, J.M. Developing a city-level digital twin –propositions and a case study. In Proceedings of the International Conference on Smart Infrastructure and Construction 2019 (ICSIC), Cambridge, UK, 8–10 July 2019; pp. 187–194.
  64. Zhihong, ; Shirui, P.; Xianyong, Z. Research on the construction of smart city emergency management system under digital twin technology: Taking the practice of new coronary pneumonia joint prevention and control as an example. In Proceedings of the 2020 4th International Seminar on Education, Management and Social Sciences (ISEMSS 2020) Research, Dali, China, 17–19 July 2020; Volume 466, pp. 146–151.
  65. Agostinelli, S.; Cumo, ; Guidi, G.; Tomazzoli, C. The potential of digital twin model integrated with artificial intelligence systems. In Proceedings of the 2020 IEEE International Conference on Environment and Electrical Engineering and 2020 IEEE Industrial and Commercial Power Systems Europe, EEEIC/I and CPS Europe 2020, Madrid, Spain, 9–12 June 2020.
  66. Dembski, ; Wossner, U.; Yamu, C. Digital twin, virtual reality and space syntax: Civic engagement and decision support for smart, sustainable cities. In Proceedings of the 12th International Space Syntax Symposium, Beijing, China, 8–13 July 2019.
  67. Du, J.; Zhu, Q.; Shi, ; Wang, Q.; Lin, Y.; Zhao, D. Cognition digital twins for personalized information systems of smart cities: Proof of concept. J. Manag. Eng. 2020, 36. [لینک مستقیم]
  68. Fan, ; Jiang, Y.; Mostafavi, A. Social sensing in disaster city digital twin: Integrated textual-visual-geo framework for situational awareness during built environment disruptions. J. Manag. Eng. 2020, 36. [لینک مستقیم]
  69. Ford, D.N.D.N.; Wolf, M.C.M. Smart cities with digital twin systems for disaster management. J. Manag. Eng. 2020, 36, 1–10. [لینک مستقیم]
  70. Kent, ; Snider, C.; Hicks, B. Engaging citizens with urban planning using city blocks, a mixed reality design and visualisation platform. In Augmented Reality, Virtual Reality and Computer Graphics; Springer: Berlin/Heidelberg, Germany, 2019; pp. 51–62.
  71. Mohammadi, N.; Taylor, Devising a game theoretic approach to enable smart city digital twin analytics. In Proceedings of the 52nd Hawaii International Conference on System Sciences, Maui, HI, USA, 8–11 January 2019; Volume 6, pp. 1995–2002. [لینک مستقیم]
  72. Nochta, ; Wahby, N.; Wan, L. From urban modelling to city digital twins: What role for the stakeholders? In Proceedings of the 4th International Conference on Public Policy (ICPP4), Montréal, QC, Canada, 26–28 June 2019; pp. 1–34.
  73. NRF Virtual Available online:https://www.nrf.gov.sg/programmes/virtual-singapore(accessed on 22 January 2021).
  74. Macrorie, R.; Marvin, S.; While, A. Robotics and automation in the city: A research Urban Geogr. 2020, 1–21. [لینک مستقیم]