达索系统给数字孪生城市加上人气
达索系统在2021年，收购了Bloom的多数股权。战略分析的人工智能公司。达索系统将把Bloom的专有社会推理技术和现实世界证据整合到3DEXPERIENCE平台中，让企业和城市能够了解消费者、患者和公民的体验，以及预测主要技术和社会趋势的能力。达索系统的3DEXPERIENCE平台将人们的生活从各个方面联系起来，而Bloom 的战略性社会洞察力将实现以人为本的体验，为企业、城市带来真正的游戏规则改变。
Bloom 开发了新算法，能够在内容、参与者和社区之间建立技术关联，并跟踪对话的传播以及相关的位置和情绪。
在达索系统体验时代的科学2021大会上，为了更深入地探讨城市里的人类活动和行为、人类移动习惯的建模，邀请到Göknur SIRIN-JUBIN博士，她是深度科技初创公司GeoTwin的创始人兼首席执行官。GeoTwin公司成立于2019 年1 月，总部位于巴黎和新加坡，提供以人为本的全球智能平台，为城市市场赋能分析。
通过GeoTwin的分析，可以得出关于高峰时段所需的公交车数量和行程本身的结论。人们是去上班还是去购物？他们去哪里做这些事情？他们是乘坐地铁、公共汽车或拼车，还是骑自行车或步行？市政当局、公共交通运营商以及城市规划者的决策要素如此之多，为什么不能提供呢？广告商、健康专家——尤其是在这个疫情时期——更不用说房地产经理了。
所有这些参与者都可以部署在行程、频率和价格方面提供足够的优惠。而且GeoTwin平台还使保护环境成为可能，特别是共享移动性，包括共享汽车、共享自行车等等。
城市展示了一种比心灵的行为更复杂的集体智慧模式。简而言之，城市以群智的形式运作，那么下一个问题会是，建模城市可能吗？
我们正在寻找两种无形之间的某种和谐一致，一方面是从未设计过的形式，另一方面是从未正确描述的上下文。除此之外，我们还要考虑到不同的挑战，城市关注的问题，生态和经济挑战以及健康危机。
所以我们需要建模、理解和管理城市的数字化转型。对于近期的目的，必须在短期内运营城市、管理城市，同时，出于战略目的和长久考虑，我们需要理解城市，进行更长期的计划。
首先把城市当做一个复杂的自适应系统，要比认为城市是混乱和混沌好。当我们试图理解城市的地理性质和数学形式主义和城市的表征的时候，会提到城市代谢（urban metabolic）。
其次，对于城市的管理，有一个自上而下的愿景，将城市视为一个管理单元，以及数据驱动的系统。我们正在收集大量数据，这要归功于团队的智能基础设施和这些部分的互联网，以及城市作为该应用程序的自上而下的工程愿景。
这部分就给我们带来了数据和全方位的观点，但在另一方面，这种复杂性的系统观点，也同时带来对城市未来认知的混沌看法。
从自下而上的城市量化角度来看，城市的新陈代谢，城市作为复杂自适应系统，用自然几何数学形式来研究，包括城市形态、分形城市、尺度规律、城市代理人。
从自上而下的工程驱动城市愿景来看，来系统理解“机器城市”，包括物联网、智能基础设施、集成数据库、系统架构、系统集成能力这些围绕数据化的关键词。
我们也利用现实生活中的数据来了解人类行为。回到数字孪生，我发现数字孪生非常有用，尤其是当我在巴黎看到研究人员和工程师的技术时。GeoTwin 的使命是利用来自不同数据源的真实数据来了解和预测人们的移动和消费行为。我们的使命是简化决策，为寻求做出更好投资和监管决策的不同参与者、公共和私人参与者共同做出复杂的决策。
究竟什么才算是科学的人口数据呢？是复制人的相同性质，这也反映了我们所说的，具有与真实人相同的特征。我们没有追踪这些人。而是在虚拟环境中再现同一种个人。
人口元宇宙（Population Metaverse）采用了多合一数据集：人口、位置和移动智能。数以百万计的个体水平人口的剖析已被科学地创建和证明。
GeoTwin 提出欧盟首个个人级人口统计和动态位置情报数据。在GeoTwin，我们一直在努力开发一种使用被动数据量化移动性的新方法。我们不是从小样本中积极收集调查信息，而是使用在大部分人口的正常活动期间收集的现有数据来捕捉个人偏好和行为。这些数据集包括家庭和个人层面的人口普查、交通和土地使用调查以及来自手机的位置数据。
第二个解决方案是平台智能。我们花了两年多的时间进行非常密集的社会开发，以实现我们的平台。在平台上有两个成熟的软件包。
第一个是城市洞察（City Insight），我们了解旅行、家庭和个人层面的消费行为，这是非常高级的可视化，它主要消耗合成人口数据，同时也消耗流量和兴趣点数据。当我们逐步了解我们所处的领域时，就开始能够提出复杂的问题，例如新冠疫情对远程工作的影响，网络对人们流动的影响。传统的预测或样本数据分析方法无法真正回答这类问题，因此我们需要利用GeoTwin的数字孪生仿真环境，了解这种突发现象，并试图解决更复杂的广度问题。
City Insight 包括一个额外的数据层，显示细分中的角色类型，并显示生活习惯，以更好地为游客和居民服务。我们有一些关于他们的年龄、性别、收入、就业的详细角色级别信息。每个人在一天中的特定时间都有特定的活动，例如家庭、工作、休闲、购物、教育、健康等。GeoTwin还为每个角色提出了动态位置智能及其旅行起点- 目的地和旅行模式以及目的。
我们可以设计新现象，启动多个场景，并在模拟和环境的帮助下预测结果，而这种下一代平台的优势在于我们带来了新的技术和科学背景，我们正在显著减少城市智能的复杂决策过程。
从数据收集、数据分析、人口数据合成算法，以及开发或设计现象和模拟分析本身，这些科技砖块都极其复杂。在 GeoTwin，我们正在用替代解决方案来取代这个复杂的过程。
我们平台的背后是什么？主要是技术和科学基线。第一层当然是数据存储和数据导入的能力。这场新冠病毒危机也强化了这种行为的必要性。
我们消费感知人口统计数据、旅游调查数据、历史遗留数据，以及来自移动电话运营商的一些被动的数据，然后是来自信用卡的新鲜数据。
第二层是数据处理，我们提出了我们自己的科学算法，即人口数据合成算法。我们还有模拟环境和优化组合。
页:
[1]