论文：Digital twin approach for enhancing urban resilience: A cycle between virtual space and the real world.
链接：https://authors.elsevier.com/sd/article/S2772741624000231
00
太长不看版
数字孪生是近年兴起的研究热点，将数字孪生概念引入建筑与城市防灾研究，通过虚拟世界的模拟来预测或者重现现实世界中灾害对建筑与城市的影响，可以为建筑和城市的防灾韧性与提升提供量化指导。
本研究针对将数字孪生理念引入建筑与城市的防灾韧性研究的三个主要问题：即
(1)由实到虚的数据获取;
(2)虚拟空间的灾害推演;
(3)由虚到实的防灾处置。
总结了相关的研究工作，并通过典型案例展示了其在灾前防灾规划、灾时应急评估、灾后救援与事故溯源等方面的应用效果和发展潜力，对未来研究提出展望。
01
研究背景与现状
由于地震、火灾、风灾这类灾害往往对城市功能造成巨大影响，带来巨大的直接和间接经济损失。因此，提高城市防灾韧性是非常重要的问题。由于试验场地和成本的限制，物理试验方法在城市尺度上应用时面临很大困难。因此，迫切需要一种更可行、更高效、更准确的方法来研究建筑与城市的防灾韧性。
数字孪生是近年兴起的研究热点，近10年来研究人员将数字孪生应用在产品设计、生产制造、运行状态监测等各个领域上。在土木工程中，数字孪生技术通常用于单体基础设施或城市的三维重建与可视化，与灾害风险评估等领域，而对于通过数字孪生提高城市韧性的研究仍处于起步阶段。
如果将数字孪生应用在城市的防灾研究中，进行以数字孪生驱动的建筑物和城市灾害韧性分析需要解决三个重要问题，如图1所示：
（1）如何高效地从现实世界获取建筑物和城市信息并将其从现实映射到虚拟？
（2）如何在虚拟空间中为建筑物和城市建立灾害模拟模型，以准确预测或模拟灾害过程？
（3）如何利用虚拟空间的仿真结果指导现实世界的防灾减灾策略，实现从虚拟到现实的反馈循环？
针对这三个问题，本研究基于团队最近的研究成果，从（1）虚拟世界中建筑与城市灾害推演模型；（2）由实到虚：基于AI的建筑与城市数据获取；（3）由虚到实：基于数字孪生的防灾减灾决策三个方面进行介绍，以期为基于数字孪生的建筑与城市防灾韧性研究提供参考。
图1 基于数字孪生的建筑与城市防灾韧性研究基本理念
02
虚拟世界中建筑与城市灾害推演模型
由于我国新建筑和新城区缺乏灾害经验，传统的基于经验的灾害推演模型应用受到限制。为了保证灾害推演的合理性和可靠性，本研究从灾变机理出发，建立了地震、火灾和风灾下的单体建筑和城市尺度的灾害推演物理模型，以真实揭示灾变物理规律。
本研究在单体建筑尺度上提出了几项关键方法：
基于纤维梁-分层壳-单元生死算法的地震灾变全过程模拟方法；
高真实感火灾场景构建方法，包括火灾和烟场蔓延及烟气可视化方法；
结合建筑信息模型与计算流体力学模拟，建立了高效的风场模拟和数据映射方法。
这些灾害推演物理模型已成功应用于多座标志性建筑项目（图2）。
图2 单体建筑多灾害推演模型
本研究在城市尺度上提出了几项关键方法（图3）：
基于多自由度模型和GPU/CPU协同计算的城市抗震弹塑性分析方法；
基于热辐射和热羽流的火灾蔓延模拟方法和基于流体力学的烟气扩散模拟方法，并与城市抗震弹塑性分析方法结合进行地震次生火灾模拟；
通过构建计算流体力学模拟情景库，建立了基于外围护构件力学模型的建筑群风灾破坏模拟方法。
（a）旧金山市区在地震作用下建筑动力响应模拟
（b）区域火灾模拟实际应用
图3 城市尺度多灾害推演模型实际应用
此外，引入AI可以显著提高计算效率与精度。例如，在区域震害预测中，将机器学习与物理模型结合，提出了基于多元地震动强度指标的震害实时速报方法（图4）。可见，AI在灾害模拟方面具有巨大潜力。
图4 基于AI的区域建筑震损评估方法
03
由实到虚：基于AI的建筑与城市数据获取
为了准确进行灾害推演，高效数据获取至关重要。传统方法有数据更新慢、成本高与效率低等局限性。因此，本研究针对不同阶段的数据需求，提出了高效智能获取方法。
对于灾前，本研究提出一种无人机与深度学习驱动的建筑与城市信息获取方法，以实现获取建成环境信息用于灾前城市灾害破坏风险预测，见图5（a）；
对于灾时，提出了一种基于生成对抗网络的超分辨率方法，从而提升灾时建筑结构的位移测量精度，见图5（b）；
对于灾后，提出了一种无人机与深度学习驱动的区域建筑震害评估方法，以及时、准确地获取建筑震害信息以支撑应急救援决策，见图5（c）。
(a) 基于无人机与深度学习驱动的城市建筑信息获取
(b) 基于生成对抗网络的超分辨率方法提升位移测量精度
(c) 基于对无人机与深度学习驱动的建筑震害信息获取
图5 基于AI的建筑与城市数据获取方法
04
由虚到实：基于数字孪生的防灾减灾决策
合理的灾前防灾减灾规划和人员避难演练可以显著减少城市灾害损失。基于数字孪生的灾害推演能够提供详细的灾损预测和逼真的灾害场景模拟，帮助决策者科学、量化地提升城市防灾能力（图6）。
此外，结合虚拟现实平台的人员救援虚拟演练，进一步提升灾后疏散和救援的实际操作能力（图7）。
图6 唐山市建筑震害可视化结果
图7 地震火灾次生灾害情境下的人员救援VR模拟
灾后震损实时评估和事故溯源为震后应急救援提供重要决策信息。
基于城市抗震弹塑性分析方法和我国强震台网，开发的城市震损实时评估系统RED-ACT，为多次地震提供了应急评估结果，支持震后救援决策（图8）。
基于数字孪生灾害推演模型，成功模拟了多次事故中建筑结构倒塌的全过程，为详细的事故分析和制定解决方案提供了重要参考（图9）。
图8 RED-ACT的应用
图9 倒塌事故现场与模拟结果对比
05
案例研究
本研究基于数字孪生开展了两项工程应用：（1）支撑了南方某超高层异常振动事件调查；（2）搭建了某大学校园多灾害推演数字孪生平台助力校园防灾。
通过搭建数字孪生体系框架，为南方某超高层建筑发生异常振动的最终处置提供参考（图10）；
通过搭建某大学校园多灾害推演数字孪生平台，高真实感展示校园区域在地震、风灾、火灾等多种灾害下的推演结果，为校园灾前规划、灾时评估等决策行为提供技术支撑（图11），并对2021年4月15日强风下的校园树木破坏进行预测，后调查风损情况和预测情况吻合良好（图11）。可见，数字孪生技术服务于实际防灾减灾应用具有良好前景。
图10 某超高层建筑异常振动分析与解决方案
图11 数字孪生平台与树木破坏预测结果对比
06
数字孪生在防灾韧性应用的展望
数字孪生的应用主要依赖于全面的城市数据，后续研究可以考虑优先探索城市信息数据的高效获取方法。此外，在模拟密集建筑群的灾害情景时，灾害与灾害之间、建筑与建筑之间复杂的相互作用给数字孪生推演带来了相当大的挑战。快速发展的城市也可能面临前所未有的新型灾害风险。因此，迫切需要在防灾减灾研究中利用数字孪生这一新型工具识别和发现潜在新型灾害风险，以更好地应对“黑天鹅”事件。
---End---
智能设计平台网站：
AIstructure2023：从智能设计云平台到AIstructure-Copilot
相关研究
学术会议通知
学术报告视频
专著
人工智能与机器学习
---结构智能设计
---其他土木工程领域人工智能研究
城市灾害模拟与韧性城市
高性能结构与防倒塌
新论文：抗震&防连续倒塌：一种新型构造措施
长按识别二维码，关注我们的科研动态
