渥太华市规划者们拥有一个强大的新工具,他们只需点击鼠标就能看到这座城市的过去、现在和未来。
渥太华的“数字孪生”利用高分辨率航空图像、一页又一页的法规和技术规范、地质研究和无数其他数据集打造了这个城市的三维虚拟副本。
该数字孪生可以展现渥太华全新的面貌,包括最高建筑的顶端、最深层的基础设施等。
渥太华市地理空间分析、技术和解决方案项目经理Randal Rodger表示,“如果你曾经进行过家居装修,你首先会问‘装修完会是什么样子呢?’”
他表示,“数字孪生真正的力量就在于此。我们可以提供沉浸式三维环境,你不仅可以看到外观,还可以看到新方案在其他背景下的真实样子,这对于普通人来说是非常震撼的。”
渥太华数字孪生系统的建设与渥太华的官方规划及综合分区附则修正案同步进行,渥太华官方规划已经在2022年通过审批,综合分区附则修正案目前正在进行审查,预计将于2025年底完成。
大家是不是想知道按照目前渥太华市修建更高、更密集建筑的速度,20年后你所在的社区会变成什么样子呢?数字孪生可以给出答案。
除此以外,数字孪生也可以回答其他问题:
拟议中的开发项目将如何影响市中心的景观?
如果所有架空电线都埋在地下,银行街景会是什么样?
地下停车场离下水道主干道有多近?
你所在的街道的房屋都是什么时候建造的?
Rodger表示,这个城市“用了大量的图表和数字阐述政策,这些图表和数字对于人类来说并不容易理解”。
为了更好地说明这一点,他展示了一张数字表格,表格中列出了市里某个特定城市规划区域的要求。计算机可以利用机器学习和人工智能技术,将这些数据转化为这些规定在现实世界中的可视化表示。
他表示,“你看到的只是大量的数字,就像政策和规划者的一本烹饪书已经变成了数学和思维练习,但如果把那张数字表格转换成一个模型,那么我就可以直观地理解其中的含义。”
居民不喜欢规划中的 40 层的高楼吗?点击几下,现在就是 25 层的样子了。
数字孪生的用户可以戴上虚拟现实头盔,沉浸在虚拟世界中,城市工作人员也可以使用3D打印机制作出居民可以看到和触摸到的实体模型。
Rodger和地理空间策略师Jean-Françoise Dionne带领城市团队与地理信息服务公司Esri Canada一起开发了这个数字孪生系统。他们使用机载激光雷达绘制城市地图,获得的地图在城市核心地区可以精确到6厘米以内,在农村地区可以精确到13厘米以内。
在这个基础模型上,还可以添加任何其他数据集:土壤类型、树木覆盖率、雨水渗透性、建筑阴影、洪泛区域等等。
Rodger表示,渥太华市长期以来一直在收集类似的数据,但这些数据的可用性并不总是那么非常地好。
他表示,“这些数据存储在某个服务器上,访问非常困难。数字孪生的概念就是把这些信息交给大家、交给员工,然后再添加一些分析功能。”
其中的一个叠加图以“15分钟社区”为基础分析渥太华市。“15分钟社区”概念是指每个人都应该能够方便地获得便利设施和基本服务。Rodger将地图切换到Westboro,这里的每栋建筑都根据15分钟等级进行了颜色编码。
他表示,“我们需要了解15分钟社区内是否有服务设施。有没有学校?15分钟内是否有托儿所?如果没有,那要如何改变基础设施呢?例如,在Rideau运河上增设一座人行天桥,可能会让整个社区的居民享受到以前接触不到的便利设施。”
另一个叠加层显示了市中心的核心区域,红色标出了允许的最大建筑高度。另一个叠加层显示了一个社区内可用于安装太阳能电池板的屋顶面积。还有一个叠加层显示了树冠层覆盖和城市热岛效应。
渥太华市需要面对住房危机以及快速变化的省及联邦住房规则,这意味着必须能够快速行动及做出反应。Rodger 表示,渥太华今年2月从联邦住房加速器基金获得 1.76 亿加元,部分资金将用于支持我们这个数字孪生项目。
他表示,“过去我们做的很多事情都需要很长时间。我们通常需要一到五年的时间更新土地使用规划。到了现在这么长的时间跨度太慢了。我们需要实时信息。我们需要知道:是不是可以开工了?”
渥太华市政府预计该数字孪生系统将于5月31日起在“参与渥太华”网站上提供给公众使用,同一天市政府将提交综合分区附则修正案初稿。
出于隐私、专有权和安全方面的考虑,并非所有数据都会提供给公众使用,但 Rodger 表示,有个滑块功能可以让大家看到渥太华市的现状以及根据拟议的新分区附则可能的未来样貌。
他表示,“我们可以看到提议的一些数字和密度数据,但到底是什么意思呢?这就是我们要做的,让大家都参与进来,让大家看到随着时间推移,渥太华市的发展会发生怎样的变化。”
好文章,需要你的鼓励
Google为其BigQuery数据仓库新增对话式分析功能,允许企业数据团队和业务用户通过自然语言询问数据问题,从而加速AI用例的数据分析。该智能体目前处于预览阶段,可在BigQuery新增的智能体中心找到。此外,Google还推出了构建、部署和管理自定义智能体的工具,通过API端点支持跨应用和运营工作流。这些功能扩展了现有的文本转SQL能力,支持上下文对话分析。
UCL与华为联合研发的MT-GRPO多任务训练方法,解决了AI语言模型在同时学习多种推理技能时的关键难题。该方法通过动态调整任务权重和比例保持采样器,确保AI在各类任务上均衡发展,避免传统方法中强项越强、弱项被忽视的问题,实现最差任务性能提升16-28%,训练效率提高50%。
Anthropic宣布其AI聊天机器人Claude将保持无广告状态,与竞争对手OpenAI形成鲜明对比。后者上月开始在ChatGPT低价版本中测试广告。Anthropic认为在AI对话中插入广告与其打造"真正有用助手"的目标不符,并担心广告会影响助手提供客观建议。OpenAI目前计划在对话旁显示横幅广告,但面临巨大财务压力。Anthropic选择专注于企业合同和付费订阅的商业模式。
BMW Group与奥格斯堡大学联合开发了CAR-bench,这是首个专门评测汽车语音助手在真实环境中表现的基准系统。研究发现,即使是最先进的GPT-5模型,在面对模糊指令和缺失信息时也存在严重的一致性问题,经常编造答案而非承认局限性。该系统包含58种工具和19条安全策略,揭示了当前AI助手从实验室到真实应用之间的巨大鸿沟。