面向智慧环境监测与可持续性管理的校园尺度数字孪生

《Applied Sciences》:A Campus-Scale Digital Twin for Smart Environment Monitoring and Sustainability Management

【字体: 大 中 小 】 时间:2026年07月23日 来源:Applied Sciences 2.5

编辑推荐:

  传感系统、人工智能(AI)和数据分析技术的集成,正在推动用于复杂建成环境监测与管理的数字孪生的发展。大学校园因其设施类型多样、运行系统异构且使用模式动态变化,构成了部署与评估此类技术的适宜场景。本文介绍了为阿利坎特大学(University of Alican

  
传感系统、人工智能(AI)和数据分析技术的集成,正在推动用于复杂建成环境监测与管理的数字孪生的发展。大学校园因其设施类型多样、运行系统异构且使用模式动态变化,构成了部署与评估此类技术的适宜场景。本文介绍了为阿利坎特大学(University of Alicante)智慧校园开发的校园尺度运行型数字孪生的设计与部署。所提出的环境集成了多种数据源,包括室内环境传感器、电力与用水消耗监测系统、光伏发电数据、灌溉网络以及作为占用率估计代理变量的WiFi连接信息。借助校园持续更新且空间同步的数字化表征,该平台支持环境舒适度监测、占用分析、环境质量评估、异常检测、告警生成以及AI赋能的分析服务。所提方法的一个显著特征是其长期真实世界部署。当前系统管理着跨越数年的历史数据,其中包含来自校园分布式监测系统采集的数亿条时间序列测量值。研究结果表明,维持一个作为机构级监测与决策支持环境运行的校园尺度数字孪生是可行的。
该文发表于《Applied Sciences》,围绕阿利坎特大学智慧校园平台Kunna,系统阐述了校园尺度运行型数字孪生在复杂建成环境中的设计、集成、部署与应用。研究背景在于,随着建成环境对可持续性、韧性与精细化运维的要求不断提高,传统建筑信息模型(Building Information Modeling,BIM)虽能提供静态几何与语义描述,却难以支撑实时监测、持续分析与动态决策。数字孪生则通过引入物联网(Internet of Things,IoT)、传感技术、人工智能(Artificial Intelligence,AI)与数据分析,将物理资产与实时运行数据持续联动,从而形成面向监测、分析和管理的动态数字环境。现有研究虽已在单体建筑、特定基础设施或局部场景中验证数字孪生的潜力,但多数工作仍停留在概念验证、小规模实验或单领域应用层面,缺乏覆盖校园全域、多源异构数据协同、长期连续运行以及机构化落地的综合实践。在这一背景下,开展校园尺度数字孪生研究具有必要性,因为大学校园兼具多建筑、多系统、多用户和多运行过程等特征,具备类似小型城市的复杂性,是检验智慧环境技术与数据驱动管理策略的理想“活实验室”。

研究人员据此构建了Kunna平台,将其定义为运行型数字孪生,即以持续维持校园物理空间与数字表征之间的同步为核心目标,重点服务于监测、监督与决策支持,而非以预测仿真或闭环控制为当前主要目标。平台集成了室内环境监测、电力消耗、饮用水与灌溉用水、光伏发电、WiFi连接信息以及部分机构信息系统数据,在统一环境中实现时间序列管理、空间可视化、跨域分析、异常识别和告警联动。研究结论表明,该平台能够在真实校园环境中长期稳定运行,并可作为机构级监测与决策支持基础设施,为可持续性导向的校园管理提供数据支撑。这项工作的意义在于,它展示了数字孪生从原型系统走向长期运行、从研究工具走向制度化管理平台的可行路径,也说明校园数字孪生不仅是三维展示工具,更是融合数据生态、运行监督与分析服务的统一环境。

研究人员采用的主要技术方法包括:构建分层模块化系统架构,覆盖数据采集、存储处理、分析展示与三维数字孪生空间同步;接入LoRaWAN、Modbus、MQTT、BACnet、REST API等异构通信与集成机制,实现多源监测系统互操作;利用商业化多参数传感器、PLC智能计量网关、流量计及校园Cisco WiFi基础设施采集环境、能耗、用水、灌溉、光伏与占用代理数据;建立集中式时间序列历史库,对2014年以来校园88栋建筑相关运行数据进行统一管理;采用阈值规则、历史统计模式和AI模型相结合的混合分析策略,开展占用估计、环境评估、异常检测与告警生成。样本与数据来源为阿利坎特大学全校范围的分布式监测基础设施及相关机构信息系统。

在研究结果方面,论文首先通过“Smart Campus Environment and Sensing Systems”说明平台的数据基础与部署环境。研究人员指出,阿利坎特大学校园由多栋建筑、异构设施与多样化使用模式构成,因此逐步布设了分布式传感与监测系统。室内环境传感器持续测量温度、相对湿度、CO2、挥发性有机化合物(VOCs)等指标;电力监测系统采集建筑能耗;供水与灌溉监测覆盖饮用水网络和室外灌溉区;光伏系统持续上报发电量;WiFi连接数据则作为占用率估计的代理变量。通过这一节的梳理,论文明确了Kunna的运行数据来源具有多域异构、连续采集与校园广泛覆盖的特点。

在“Campus-Scale Digital Twin Architecture”部分,研究人员给出了系统架构设计,并据此说明平台为何能够支撑校园尺度运行。4.1“Data Acquisition and Integration”表明,系统通过采集器、通信接口和基于API的集成机制,从不同时间分辨率、不同协议的数据源接入信息,并先转换为统一内部表示后再存储,从而保障互操作性。文中明确提到,环境监测主要采用商业LoRaWAN多参数传感器,电力监测依托Schneider Electric PLC网关,用水与灌溉监测采用LoRaWAN流量计,占用估计则利用既有Cisco企业级WiFi网络,避免部署专门的人流传感器。4.2“Data Storage and Processing Pipeline”说明,平台通过集中式存储层管理实时与历史数据,并通过索引、聚合、过滤、时间同步和跨源关联处理,为后续分析和展示提供结构化信息。4.3“Visualization and Digital Twin Environment”指出,平台在上层提供可配置分析仪表板与三维校园数字孪生环境,使用户既能按时间维度探索数据,也能在空间语境中理解设施状态。4.4“Digital Twin Synchronization and Spatial Context”则强调,建筑、房间、室外区域与传感器均被映射为数字孪生中的空间实体,测量值与物理位置持续关联,这是平台区别于普通监测看板的重要特征。

在“Data Exploration and Analytical Visualization”部分,研究人员展示了系统的数据分析能力。5.1“Temporal and Spatial Data Exploration”表明,Kunna支持按日、周、季节及长期尺度浏览时序数据,并可结合地理空间背景进行热力图等空间分析,特别是利用WiFi连接信息观察不同区域占用相关变化。5.2“Cross-Analysis of Infrastructure Data”进一步说明,平台可在同一分析视图中联合不同来源数据,例如将WiFi连接指标与电力消耗进行同步比较,从而揭示校园运行现象往往来自多基础设施交互而非单变量变化。5.3“Integrated Monitoring Dashboards”则显示,平台支持构建专题化仪表板,将环境指标、教室状态、污染物参数与可再生能源产出整合在统一界面中,服务于日常运行监督与长期趋势分析。

在“Platform Deployment in the University of Alicante Smart Campus”部分,论文给出了平台实际落地规模与制度化应用证据。6.1“Deployment Scale and Historical Datasets”指出,Kunna已覆盖校园88栋建筑,自2014年以来持续采集数据,累计约3亿至4亿条运行测量记录,历史时间序列数据超过40 GB。这些长期数据不仅用于历史回溯,还被用于WiFi占用估计校准、基础设施异常检测基线建立,以及占用预测、舒适度评估、异常检测等AI服务训练。6.2“Operational and Institutional Integration”显示,平台已逐步嵌入阿利坎特大学基础设施与可持续性管理流程,被基础设施管理者、维护人员、图书馆管理人员及25个以上研究团队使用。平台支持阈值告警、异常报告与维护流程衔接,也整合课表、注册等机构信息,为设施利用模式解释提供补充语境。这一部分的核心结论是,Kunna已从研究部署演进为真实运行的制度化平台。

在“Infrastructure Monitoring Use Cases”部分,研究人员通过三个代表性案例展示平台应用价值。7.1“Indoor Environmental Quality and Comfort Monitoring”表明,平台可集中监测温度、相对湿度、CO2和空气质量指标,并与能源、水资源、灌溉和光伏数据联动,用于评估教室、图书馆等共享空间的舒适度与运行状态,也服务于大学可持续性评价与环境报告。7.2“Occupancy and Space Utilization Analysis”说明,占用估计主要基于WiFi连接设备数,并使用长期历史分析得到的经验校准系数进行修正。该校准综合了注册信息、室内CO2测量、现场观测以及图书馆近期部署的人流计数传感器信息。文中指出当前运行参数为每个活跃WiFi连接对应0.87名占用者,但强调其属于经验校准参数而非普适常数。该方法被用于图书馆空间利用监督以及校园移动模式、空间使用动态等研究。7.3“Infrastructure Anomaly Detection”指出,平台利用长期历史库识别水、电、环境等指标偏离正常模式的异常,通过历史模式比较、自动告警及异常报告辅助技术人员排查基础设施问题。异常检测方法采取混合策略:依据监测服务特点,结合专家阈值、历史统计偏差与AI模型,例如夜间异常用水通过历史统计模式识别,而环境舒适度监测中则引入AI技术。

在讨论部分,研究人员总结了Kunna的学术与应用定位。论文强调,Kunna采用的是符合当前标准化趋势的“运行型数字孪生”定义,关注物理基础设施、运行测量与数字表征之间的持续同步,而尚未扩展到预测仿真、假设场景分析(what-if analysis)或自主优化。研究指出,该平台的重要创新体现在时间分析与空间可视化的一体化、长期真实运行带来的历史数据积累、与大学管理部门协同形成的制度化整合,以及面向互操作与可扩展性的模块化架构。与此同时,论文也明确了局限性:平台依赖分布式传感系统的可用性与稳定性,传感覆盖不完全或通信故障会影响数据连续性;复杂运行行为的解释仍需专家知识;物理设施、机构信息系统与数字表示之间的同步需要持续治理;WiFi占用估计尽管经过校准,仍受用户连接习惯、携带设备数量变化及未连接访客等因素影响,因此需要定期基于历史数据和补充指标更新系数。

论文结论部分可译为:本文介绍了Kunna——作为阿利坎特大学智慧校园计划组成部分部署的校园尺度数字孪生。该平台在统一环境中集成了异构运行数据集、传感基础设施、分析服务和空间表征,结合了历史数据管理、分析可视化和地理空间探索能力。所展示的部署说明,数字孪生技术能够超越孤立的监测应用,发展为支持复杂建成环境管理的运行平台。通过整合环境监测系统、能源与水资源消耗基础设施、占用率估计机制、可再生能源资产以及机构信息源,Kunna提供了与物理语境相连接的、持续更新的校园运行数字表征。该工作的突出特点在于其长期运行部署与机构采纳。平台当前已用于基础设施监督、可持续性倡议、异常检测过程、环境监测活动及科研项目,显示出数字孪生作为连接运行、分析与决策支持过程的共享数据生态系统的潜力。其模块化架构还支持在保持互操作性与可扩展性的同时,渐进式接入新的传感系统与服务。研究结果证明,部署并维持一个能够通过空间同步环境整合异构数据源、同时支持运行管理与科研活动的校园尺度数字孪生是可行的。未来工作将通过引入预测分析、基于AI的异常诊断机制、高级占用与移动性分析服务,以及与维护工作流和运行决策支持过程更紧密的集成,进一步扩展平台的分析能力。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号