有仿真模拟才是真孪生

来源：GIS小丸子

最近和同行约了一次交流，交流中提到了他们正在做数字孪生机场相关的产品，在我的要求下，他们给我演示了产品相关的功能，整体看下来，我个人还是深受震撼，这也是我所期待的一个真正的数字孪生应用应该有的样子，之前是水利数字孪生中的四预应用，这次是数字孪生机场。

而且根据智慧民航建设的路线图以及各个地方的试点可以看出数字孪生也是民航智慧化建设中的重要内容，除了在规划建设方面的应用数字孪生，其实在运营管理阶段对物流、客流、航空器流的管理其实都需要基于数字孪生的仿真模拟来做全流程的运行管理。

去年的一段时间我也在朋友圈看到不少厂商在推自己的数字孪生机场的案例效果，但是基本上看下来这些应用还是属于典型的可视化类型的数字孪生，背后缺乏“灵魂”，对业务过程的仿真和模拟，而这个“灵魂”也决定了一个数字孪生应用是否能够从服务泛泛的演示到服务日常的业务管理，真正实现“零成本试错”。  

根据他们的介绍，目前在机场的业务场景中，通常会遇到两类的挑战，导致现在的数字孪生化的解决方案成为了客户关注的重点：

第一、机场中的航司运营分散化，未能形成一体化运营，航司虽然在一个场地中但是系统并没有打通，这样必然会影响整体的运营和调度的效率，而以空间资源和业务过程为基础进行系统打通，则可以成为成为提升运营效率的关键抓手。

第二、机场专业仿真分散化，未能形成整体业务的一体化仿真，为了做好业务规划，现在机场在业务运营过程中也广泛应用了很多仿真，包括停机位分配、车辆调度、路径规划等，但是这些仿真并没有能够按照整体的业务进行打通和串联，形成针对整个业务的仿真，所以将这些离散的仿真打通形成整体的业务仿真也成为数字孪生机场的一个重要目标。

从数据积累的程度上来看，他们这个数字孪生机场系统不是花架子而是机场的运营团队每天工作中都会使用到的重要工具，而且在业务运营上也实现了“前期规划预演、过程监控预警、后期复盘统计、重复优化迭代”的完整闭环。

一、前期规划预演

对于像机场这样重要的交通物流枢纽，每天在业务上要处理航班进港、航班保障、装机、卸机、拖车运输、货物分拣、路侧交通以及飞机推出离港等诸多复杂场景，而要将这一些安排的紧紧有条，就需要对不同的业务进行提前的规划预演，形成业务运转规则，包括交通通行、路径规划、调度规划、航班离港、航班保证、飞机滑行、机位分配以及货物分拣等。

而这些则是通过了系统的规划模块来实现，这个功能本质上就是一个很类似水利四预预演的仿真配置和预演的模块，在计划日历上针对不同的情况，在配置面板中设置不同的总体仿真条件，包括运转模式、进港航班数、离港航班数、机坪流量限制等，然后调用不同的子规划仿真模块得到整体的业务的仿真方案。

而且这个规划方案可以以三维可视化的模式展现成以时间为主轴线的三维仿真场景，在这个场景中用户可以通过拖动时间轴，就可以看到全要素、全业务场景的运转仿真流程。

在全要素对象属性面板通过点击相应的一些对象，则可以看到当前对象在整个时间周期上的演变过程。这个和水利的洪水预报仿真模拟也是非常一致的，不是直接给出一个结果，而是给出的是一个持续的过程模拟，能够持续了解业务的演进过程

并且生成的方案的同时系统也会给出当前的方案下会存在的一些问题，包括可能会存在的「延误航班、调度等待、繁忙车辆」等，然后业务人员则会这对仿真方案出现的这些问题进行具体的展开分析。

以「延误航班」为例，在具体的方案生成的事后，系统提示存在一个班次的航班延误，这个事后可以利用延误归因的功能将整个航班的规划周期展开，并找到导致航班延误的事件，可以发现本次航班延期的原因是因为货物装机超时，而对于为什么会导致货物装机超时，这个时候又可以在平台上进行节点展开，再进一步找到相应的原因。

二、过程监控预警

通过仿真模拟制定好方案之后，就可以进入到方案部署执行阶段，在这个阶段主要就是通过对航班、车辆、货物等业务系统实时数据的整合、监控整个目标要素全流程的运行状况，实时对机位动态调整、拖车任务指派等多个重要工作环节提供优化建议，支持机场交通运营管理，及时的发现问题，提升各业务系统、各环节的协同作业效率。

三、后期复盘统计

方案经过实施运行之后，机场运控部门还需要每天通查看飞机、人员、车辆等历史数据，可以分析当天机场运营上存在的问题，比如通过对某天的历史数据分析，可以找到当天进港滑行时间最长的航班，这个事后就需要对这个航班为什么出现滑行时间过长的问题进行分析。

这个事后就需要借助平台详细的历史回放功能，回放当前这个航班进港的全部过程，通过回放分析可以发现，当前这个航班出现延迟的原因是为了要避让另外一个航班导致，而出现这个情况的原因是因为冲突航班提前推出导致。

常见的复盘分析手段包括，查看延误的航班、落货的飞机、拥堵的道路等。

1、航班延误分析，从着陆滑行时长、装机时长、起飞时长、推出等待时长、待飞点排队时长、离港滑行时长等分析航班具体延误环节。

2、落货分析，落货明细分析：落货航班、落货票件数量及落货ULD位置，并动态计算两地之间的距离。

3、道路拥堵分析，展示跑滑道与车道全时段使用情况，提示繁忙时段与位置，帮助运营聚集高峰压力。

四、重复优化迭代

基于历史数据的回放分析，运营部门每天就需要对历史存在的问题针对性的进行调整，这个时候就需要使用系统的仿真功能对系统进行调整，在上述的案例中，就可以通过航班计划配置功能调整冲突航班的推出时间，并进行模拟仿真，这个时候发现只要将冲突航班的推出时间延迟一些，这样就可以保证进港航班的无冲突等待也不影响国际航班本身的正常离港，并且系统很快给出了结果，然后运控就可以提前和塔台沟通这个调整，从而保证在每日的运营工作中规避类似重复的问题。

最后再次回顾当天的实际的航班运行数据，按照新的调度策略，航班的进港离港时间恢复正常，冲突已经被解决，业务流程还是很顺畅的。

从上面的一个物流闭环场景来看，数字孪生机场系统在日常的运营规划上有非常明确的价值点，但是这样的一个系统是如何被构建的，背后需要哪些能力来支撑？

第一、业务建模能力，因为机场相关的业务流程比较复杂，设计航班进港、航班保障、装机、卸机、拖车运输、货物分拣、路侧交通以及飞机推出离港等，这还是需要很强的业务梳理建模能力。过去的可视化项目中针对业务的梳理主要还是指标化的梳理，相对比较扁平一些，而这种流程性业务的梳理则更多需要「横行到边，纵向到底」的能力。

第二、模拟仿真能力，如果GIS偏静态对象，那模拟仿真则更加偏动态过程演变模拟，这个过程一方面是看起来是动态的，另外一方面还需要融合系统仿真中的连续仿真和离散仿真模型的能力，这个部分未来会成为区分数字孪生厂商的一个重要能力。

第三、海量数据可视化能力，对于机场全业务过程以及全要素的可视化通常要面临海量的静态和动态的对象的管理和渲染，单纯的依靠类似3DTiles这种切片的模式处理静态数据还是远远不够的。需要采用DoD（面向数据设计）的思路，结合对象动态调度及优化算法（mass框架），支持百万级动态实体对象按照业务规则同时可视化呈现。

同时通过对水利和机场数字孪生业务的观察，也可以发现数字孪生在这个领域应用的比较好的一些特征：

1、管理成本高，数字孪生通常适用于一些业务规律比较复杂的场景，而数字孪生这种模式可以整合其业务管理的界面，降低整体业务的理解难度，快速的发现问题。

2、试错成本高，只有试错成本高，才需要在落地之前需要借助工具在模拟环境中不断的调整以及验证，而数字孪生正适合这样的场景，而相应的功能落脚点也会是从这个场景出发。

3、AI仿真结合，AI帮助用户从复杂条件中快速拿到结果，而仿真则是针对当前的结果进行进一步的分析和优化，形成最优方案，所以AI+仿真组成了一个数字孪生化系统业务渐进式分析调优的模式。

对于数字孪生，我们质疑他、相信他、再质疑他、再相信他......

虽然当前数字孪生的发展确实遇到了一些挑战，但是同时我也发现还有不少类似李总这样的同行，平时很少发声，但是也在各自的领域深耕，将数字孪生和业务深度整合，将数字孪生作出了很好的效果，本次体验的是他们的机场物流仿真模拟的成果，还有客流仿真的部分等下次有机会再来介绍，也挺有意思，所以真孪生还需要大家一起努力~