来源：数字孪生研习社

近年来，随着各地逐步开始建设城市数字孪生（Digital Twin）、城市信息模型（CIM，City Information Modeling）等智慧城市管理基础设施，"建筑信息建模"（BIM，Building Information Modeling）这一词也频频出现在各大政府工作报告中，实际上 BIM 的出现最早可追溯到上世纪70年代——被誉为" BIM 之父"的查尔斯·伊斯曼教授任职于 CMU 时在一篇研究报告中阐述了"建筑描述系统"（BDS，Building Description System）的概念，在这篇 1974 年的论文中，你可以看到"通过简单输入构造复杂建筑图元"（参数化建模）、"用于组织建筑元素的图形编程语言"（可视化编程/低代码开发）、"可根据属性对建筑元素进行排序与组合分析的数据库"（数据分析）等等放到如今也依旧不会过时的方法论，甚至可以说，如今的许多 BIM 技术与功能也只是把当时的原型做得更加成熟可用而已。尽管直到2002年建筑软件行业巨头 Autodesk 才通过一纸白皮 书将 BIM 这一名词正式带向世人，但想必 BIM 的种子早在那时就已悄然埋下。

时至今日，BIM 在国内的研究与发展已有十余载，如同大部分新技术都要度过的"炒作周期"一样，从业人员多多少少都经历了"过分期待"与"极度失望"的心理阶段，但不置可否的是，无论是出发于"为建设工程行业降本增效"这一根本目的，还是致力于"打造信息化、智能化的数字孪生城市"，BIM 都在这之中处于不可替代的地位。

近几年，CIM 概念越来越流行，已经成为数字孪生城市的主流数据模型。CIM 原始概念指的是“城市信息模型”。2015年同济大学吴志强院士基于 CIM概念提出“城市智慧模型”：BIM 是单体，CIM是群体，BIM 是智慧城市的细胞。要解决智慧城市的问题，需要海量 BIM 细胞再加上 IoT 神经网络连接组成的 CIM。

BIM 在 CIM 模型中占据了关键位置。BIM 包含的是城市建筑物的空间信息，GIS 提供建筑物之外的空间信息，两者互相融合建立了一个包含城市海量信息的数据模型，加上物联网 IoT 数据，实现了城市空间全域、实时数据的覆盖。

基于 "CIM = GIS +  BIM  + IoT" 的概念模型，为数字孪生应用场景提供了巨大想象空间：未来以 BIM 为室内定位提供精确空间支撑数据，GIS 提供精准的地理位置、建筑物周边环境总体展现和空间地理信息分析，通过和 IoT 实时数据进行融合，将基于 BIM 的数字孪生的应用范畴从单一化建筑物到建筑群及其道路、隧道、铁路、港口、水电等工程领域都可以实现覆盖。

包含了 BIM 的 CIM 模型极大丰富了“数字孪生城市”数据理论依据，起码说清楚了建设智慧城市需要的数据底线。同时也将传统的 GIS 数据战场扩展到了室内空间和物联网实时数据应用。

但是， BIM 绝不是“数字孪生城市”空间数据的最后一块拼图：

• 从城市空间划分来看，GIS + BIM 还不能囊括全部城市空间，比如交通领域需要高精道路数据就没包含，需要 OpenDrive 等精细到厘米级、包含完整路侧设备的数据进行补充

• 从建筑数据采集精度和效率来看，倾斜摄影、激光点云比手工建模的 BIM 更精确、更有效率优势，这几类数据源会长期互补共存

因此，有了 BIM 之后，也不能完全解决 GIS 之外的空间数据问题，“数字孪生城市”的数据模型还处在不断发展完善中，需要不断吸收最新空间技术进展。

这也是关于 BIM 的一个常见幻想，“BIM 源自建筑、用于建筑”的想法能理解，但是通常不可行。

首先， BIM 在国内建筑领域也是“叫好不叫座”很多年了， BIM 在我国建筑领域铺不开的核心原因是我国的建筑行业建设周期特别短，根本走不完 BIM 的几个阶段。BIM 当前在建筑中的主流用途是可视化（让标书更美观）和碰撞检测（的确有实用价值）。

其次，BIM 在建筑专业领域已经形成完善的闭环，不需要被拯救，凡是能想到场景的几乎都有人做过尝试。从项目规划、概念设计、深化设计、结构分析、工厂预制，到施工、物流管理、运营维护、修复重建，到最后的拆除，BIM 已经对建筑生命周期每个环节都进行了探索。

BIM 在建筑领域的应用复杂度通常超出外行人员的想象，通常是一堆 BIM 软件进行联合应用：

比如施工仿真模拟，有 Navisworks：

比如 BIM 可视化领域，有Fuzor：

单纯从数字孪生城市行业看，如果把 BIM 看做建筑行业技术外溢，提升数字孪生行业的空间数据可用性，那的确是想象空间巨大。如果反过来要去建筑行业外行指导内行，短期看是得不偿失的。

有种观点认为 BIM 是全面碾压传统手工三维模型的。有了 BIM 模型就坚决不用传统三维模型。

实际很多情况下， BIM 模型可能不如传统三维模型适用。首先，BIM 模型的生产成本非常高，可能是传统手工模型的10倍以上。其次，BIM 模型的使用成本很高，工程化链路非常复杂。最后，很多场景其实也用不到 BIM 模型的优势，传统手工模型反而视觉效果更好，更满足场景需求。

过去、现在、未来，在数字孪生领域 BIM 模型和传统三维模型都将长期共存。关键是在合适的场景选择合适的方案。

实际上，当"城市信息模型"（CIM，City Information Modeling）这一概念刚开始变得火热时，"地理信息系统"（GIS，Geographic Information System）从业者远比 BIMer 们更早投身其中，这也不难理解，因为 GIS 天生就服务于城市级乃至地球级的场景建模与信息管理。迈克尔·泽勒在《Modelling Our World》一书中谈到："GIS 的目的在于提供一个空间构架，它能为地球资源的合理使用提供决策支持，并最终用于对人造环境的管理之中"，这实际上已经非常契合当前城市管理者对 CIM 的诉求，更何况 GIS 很早就从二维平面地图与符号化表达进化到了能够更加真实模拟世界的三维 GIS。

另外，GIS 拥有一系列接近权威并且事实上也在广泛使用的 OGC 标准，BIM 虽然背后也有 buildingSMART 这一国际非营利性组织，但 IFC、IDM 等标准在国内的落地却不是那么顺利；GIS 也更早地拥抱云，ArcGIS、超图等主流 GIS 平台均配套有成熟的云上解决方案，而尽管近几年 BIM 云平台相继涌现，但大多自成一套体系，且轻量化后的云上 BIM 数据很难再与原始 BIM 数据进行交换与共享；甚至，BIM 兴起前也早就有一众基于GIS平台搭建的智慧城市/智慧园区管理系统，那么既然如此，BIM 是否还能在数字孪生城市的建设中占有一席之地呢？

答案是肯定的。简单来说，建筑物是城市空间中最为重要的基础要素之一，而在描绘这一城市要素时，GIS 存在着两方面的不足：

1. 数据颗粒度不够。在大部分 GIS 标准定义的城市要素中，除了绿地、水体等环境要素，也包含建筑、道路、桥梁、隧道等人造构筑物，但大部分 GIS 数据并不会对这些要素进行更细粒度的划分（OGS 标准CityGML中对建筑构件有相对更细致的分类，但遗憾的是 CityGML 好比 BIM 标准中的 IFC，少有在实际项目中被使用），无论是矢量模型、遥感影像、还是建筑精模（一般通过 3DS MAX、Maya、blender 等三维建模工具制作，仅有外观展示作用），想要在更深维度的城市管理中起到作用都会遇到不同程度的困难；例如在火灾应急响应这一场景中，对火灾报警器进行快速定位需要获取 IoT 设备在建筑空间中的具体 位置（楼层、房间），消防路线规划和人群疏散指挥需要已知建筑中消防出入口、消防楼梯位置、门窗朝向等细节；另有建筑能耗管理、室内外空间分析、市政设施检测与养护等城市治理应用，均对 CIM 模型所能提供的数据颗粒度有所要求。

2. 无法对建筑要素进行全生命周期的管理。GIS 所模拟的人造城市要素几乎是建成项目，也即"棕地"（Brown field），而对于"绿地"（Green field）这类还处于规划、设计、建造中某一阶段的项目，GIS 则很难进行模拟，但城市中建筑物的新建与拆除显然是城市发展变迁中极为重要的一环，缺少这方面的应用也违背了"数字孪生"的定义。

   
   

如果能将满足质量的 BIM 模型与 GIS 相结合，上述问题便会有一些合适的解决方案，鉴于目前 BIM 行业本身还不够规范成熟，许多 BIM 模型在不同程度上缺少或被赋予了错误的属性信息，这也给CIM平台的建设带来了一定难度与挑战。

BIM 指的是建筑信息模型，简单地说， BIM 便是围绕从建筑的设计、施工、运作直到终结的建筑全生命周期，将各类信息一直整合于一个三维模型信息数据库中。

和传统三维模型相比，BIM 核心优势来自于更丰富的数据结构：

• 和三维建模软件相比， BIM 模型多了构件属性数据、空间关系数据；

• BIM 数据模型设计更加规范，更易于存储、交换；

BIM 模型的构件属性、空间关系是数字孪生场景进行空间数据融合、业务数据融合的关键索引。

BIM 与 GIS 之间存在数据异构等特点，因此将二者数据进行有效融合是进行城市数字孪生应用的第一步。最初大家的想法也相当单纯：总之先想办法把 BIM 模型放到地理空间中（place BIM in a geospatial context）再说。尽管这种方案只是二者的简单相加，但依然有两个需要解决的问题：

问题 1.  空间位置融合

对于建筑等点状工程（区别于道路、桥梁、隧道等线状工程），无论是建筑图纸还是 BIM 模型都基于局部笛卡尔坐标系进行绘制/建模，而 GIS 则使用地理坐标系/投影坐标系，因此想要将 BIM 模型至于地理空间中首先要进行定位。

好在建筑总图和 BIM 模型中都有测量点的概念，它对应某个真实地理位置（如建筑红线的交点），并与模型坐标系原点之间存在一定空间变换关系（一般来说仅包含平移+绕z轴旋转），于是只要确定测量点在 GIS 场景中的位置，便可以通过几次坐标变换将 BIM 置于正确的位置。

同时，如果 BIM 模型中缺少测量点的相关信息，大部分平台也提供手动位置校准的功能。模型定位完成后，便可为每个建筑构件建立空间索引（空间数据库），用于在 GIS 场景中的各种空间计算与分析。总的来说，只要数据提供方与 CIM 平台合理约定，这个问题并不难解决。

问题 2. 渲染数据融合

解决了"应该摆到什么位置"之后，面临的是如何将数据（流畅、贴近真实地）进行可视化的问题，这也是 BIM/GIS 融合过程中的关键问题。无论是 GIS 中的地形及自然资源、各种城市要素，还是 BIM 中的建筑结构构件、机电管网设备，最终只要是通过显示设备呈现，必然需要将图元离散后（三维顶点位置与顶点属性）才能进入标准的图形渲染管线流程中，这就意味着图元数量的增加会直接导致渲染压力的增大。

BIM 模型由于包含多个专业在建筑生命周期多个阶段的几何与语义信息，往往图元数量巨大，BIM 轻量化平台结合实例化、几何化简、数模分离等技术尚且能将建筑单体加载到浏览器进行可视化，但当尺度扩大到园区、地块、甚至整个城市时，显然不可能将 BIM 数据全量加载到场景中，这就需要我们探索其他解决方案。

传统GIS厂商基于地图和二维 GIS 上成熟的栅格/矢量瓦片技术，在应对庞大体量的三维空间数据时均采取了类似三维瓦片流式加载的解决方案（如 Cesium 的 3D-Tiles、超图的 S3M 等），数据经过预切片之后被组织成金字塔结构，引擎根据相机位置和瓦片等级进行合理调度，避免了一次性传输/加载大量几何数据。这种做法在一定程度上解决了 BIM 在 GIS 大场景中的加载渲染问题，但却牺牲了 BIM 在构件级粒度进行交互的优势。

打一个不恰当的比方：BIM 将真实世界中的建筑构件抽象为一个个实体对象是为了让工程设计人员像搭积木一样在虚拟世界中创建项目，而切片则是将整个搭建好的模型按某种规则切开，再将每个瓦片里的积木都用胶水粘起来然后以某种读写高效的方式组织起来，单纯对于可视化来讲这样做没有坏处，但当建造、管理人员想要在其中单独找出某几块积木来进行一些细颗粒度的数据交互时，实现起来将会十分困难。

BIM 模型的优势是数据丰富，除了三维几何数据之外，有详细的构件属性数据和空间关系。但是 BIM 模型的数据挂载能力，并非全自动生成，需要各个阶段人工输入，这就面临数据溢出和缺失2个问题：

• 数据溢出：上游的数据下游用不上，设计阶段家具供应商信息在施工阶段用不上；

• 数据缺失：下游的数据上游不提供，能耗分析的需要墙体材质和暖通系统数据，上游建筑机电建模没此类需求，没有输入此类数据；

数字孪生城市的业务场景，应用的 BIM 模型往往是竣工阶段之后的模型，面临的数据质量问题主要是：

• 字段缺失、错误：人工作业难以避免，尤其复杂的 BIM 模型往往分多专业、拆分多个视图进行建模，规范不一致导致数据错误；

• 数据缺失：BIM 建模的原则是只对当前阶需要的数据负责，每个阶段的数据完整性无法通过当前阶段保证；

不同于传统三维模型，BIM 模型由于更加专业，修复数据的成本远高于修复传统三维模型。

BIM 是指一类数据，包含的种类非常多。数据应用软件有几十种，周边相关的几百种，下图可以看到 BIM 软件行业的复杂度：

单从 BIM 建模软件看，来源也非常复杂，常见的有 Revit、CATIA、Bentley 等等，不同软件之间数据无法兼容，相同软件的不同版本也常常有兼容问题。如果一个项目的 BIM 数据来源种类众多，那除非是专业 BIM 软件厂商，解析、处理 BIM 的成本非常高。

当前也出现了一些 BIM 数据交换方案，主流 BIM 交换数据格式有 gbxml、IFC 等等，但是在几何数据之外的数据交换上，还存在很大问题，不能完美地实现各种 BIM 软件之间交换数据。

在数字孪生领域，BIM 建模软件通常不会作为最后应用的载体，因此就需要把原始 BIM 模型转换为数字孪生应用能消费的数据形态，如 GIS 引擎或游戏引擎能消费的三维数据格式。

以基于 Web 的 BIM 应用为例，从原始 BIM 模型开始需要算法处理、数据入库、数据服务发布、前端引擎渲染等环节，配套还需要数据质量检查、数据入库的工具链等等，链路非常长。与传统三维模型可以直接导入最终渲染引擎相比，复杂度和成本高了几个数量级。

从理论上来说，GIS 数据囊括了宏观空间数据、BIM 数据包含了精确的建筑室内数据，两者结合可以创造一个完整的空间数据。但是从微观实操上来看，BIM 与 GIS 数据融合、IoT 数据挂载目前还缺乏低成本/快速方案。

以 BIM 与 GIS 数据融合为例，目前行业实操还是手工为主，且存在很多精度问题，核心原因如下：

• GIS 数据是基于经纬度的空间数据，且存在很多种不同的投影方式；

• BIM 数据通常基于三维空间笛卡尔坐标系；

• 大空间尺度的 BIM 数据在不同地理投影下会存在不同程度的畸变；

• BIM 模型的空间位置校准比较复杂，人工操作又容易发生精度问题，对于物联网 IoT 设备来说，可能就会出现室内的设备偏移到室外这种严重情况；

理论上， BIM 建模的时候也可以指定空间参考位置，但是实际上绝大多数 BIM 模型不会这么做，因为 BIM 的建模者没有地理空间校准的需求。这也是一个典型的 BIM “数据缺失” 问题。

CIM 模型的走红，也带热了 BIM 成为数字孪生城市应用的核心技术之一。基于 BIM 的数据挂载能力为数字孪生城市应用带来了极大想象空间，通过结合 GIS/IoT 数据可以连接人口、房屋、住户水电燃气信息、安防警务数据、等众多城市公共系统的信息资源，支撑数字孪生城市的决策分析。

但是 BIM 数据的应用成本高也是一个不能回避的事实，无论是数据质量检查、数据格式转换、模型轻量化，到最终的渲染和应用，BIM 模型在数字孪生场景下的应用链路都是非常冗长、复杂。