天衍智科技产业有限公司
模型链（重庆）科技有限公司
北京航天创新科技有限公司
济南市勘察测绘研究院
二〇二四年四月
目 录
1.对推动智慧城市全域数字化转型目标的再理解
2.对数字城市综合数据体系第一性的再思考
2.1.数据生成要素化主体内容的第一性再思考
2.2.数据生产要素化特征体系的第一性再思考
2.3.数据生产要素化控制因素的第一性再思考
2.4.数据生产要素化产业生态链体系的第一性再思考
2.5.数据生产要素化社会数字生态环境的第一性再思考
2.6.数据生产要素整合数据来源第一性原理再思考
3.对数据生产要素相对其它生产要素特殊性的再思考
3.1.数据生产要素相对劳动生产要素特殊性的再思考
3.2.数据生产要素相对土地生产要素特殊性的再思考
3.3.数据生产要素相对资本生产要素特殊性的再思考
3.4.数据生产要素相对科技生产要素特殊性的再思考
3.5.数据要素化社会百怪的再思考
3.6.数据作为生产要素角色第一性再思考
4.智慧城市全域数字化转型目标产业市场化典型场景思考
4.1.基于数据要素的带状基础设施工程智能设计新质生产力体系产业市场化典型场景
4.2.基于数据要素的建造工程施工模型驱动工业化智能施工新质生产力体系产业市场化典型场景
4.3.基于数据要素的城市交通疏导调度逻辑模型驱动的城市交通智能指挥调度新质生产力体系产业市场化典型场景
4.4.基于数据要素的城市内涝应急联动逻辑模型驱动的智能指挥决策新质生产力体系产业市场化典型场景
4.5.基于数据要素的城市建筑及设施BIM地震破坏逻辑模型驱动的智能指挥救援新质生产力体系产业市场化典型场景
4.6.基于数据要素的城市建筑及设施BIM消防逻辑模型驱动的智能指挥救援新质生产力体系产业市场化典型场景
4.7.基于数据要素的城市建筑及设施BIM安防逻辑模型驱动的智能指挥管控新质生产力体系产业市场化典型场景
4.8.基于数据要素的城市建筑及设施BIM疫情传播逻辑模型驱动的智能指挥管控新质生产力体系产业市场化典型场景
4.9.基于数据要素的城市建筑及设施绿色双碳逻辑模型驱动的运维新质生产力体系产业市场化典型场景
参考文献
1.对推动智慧城市全域数字化转型目标的再理解
推动智慧城市全域数字化转型，必须是推动国家发展新质生产力、绿色双碳等国家战略行动落地的关键载体。
推动智慧城市全域数字化转型，必须是实现以人为本，能够广泛、持续、深入服务，并增加社会各阶层民众幸福感、提升身心健康的关键抓手。
推动智慧城市全域数字化转型，必须是推动传统产业的数字化智能化转型升级，以及新兴产业的绿色双碳智能化发展的二大数字经济主战场。
推动智慧城市全域数字化转型，必须是可形成符合市场要素驱动而不是非市场因素的可持续发展、良性内在发展动力的智慧城市产业市场化体系。
推动智慧城市全域数字化转型，必须是在自主可控主体实施技术的基础上，面向全球开放、整合最新技术，开展市场化合作且不会被掐脖子的全产业链技术体系。
2.对数字城市综合数据体系第一性的再思考
2.1.数据生成要素化主体内容的第一性再思考
全球主流大数据技术体系对数据主体内容没有形成系统化的分类体系，数据体系主体内容构建不到位，智慧城市全域数字化转型就会地动山摇。
从数据价值化需求出发，必须针对主体内容进行分离，形成清晰概念，弥补短板；从城市物质现实世界第一性原理出发，数据主体内容可以分为四个层级：
1、基础大数据：
与地球自然环境及资源禀赋相关的基础大数据，包括地质、地表、水体场、气体场、自然地物、自然生长物等典型六大类。
2、行业大数据：
包括行业规范逻辑模型、流程任务逻辑模型等，典型如城市交通调度逻辑模型。
3、物联网大数据：
即基于专业化的物联网感知所形成的时间序列化信息。
①光感知：环境光检测、背光调节、节能控制、光纤监测等。
②声感知：声音识别、声波定位、声波通讯、声波振动能量、声坡时序监测等。
③气感知：人体气感知、环境气体感知。
④电磁感知：感知电力设备的运行状态和环境参数、电感应阻力、电子触觉等；感应磁场强度来测量电流、位置、方向等物理参数。
上述感应源通常监测特定对象的直接状态变化感知，以及影响因素变化感知。
4、互联网大数据：
即基于移动终端或互联网的搜索、导航、定位、新闻、社交、广告、微博、微信、网上购物等所产生的海量碎片化实时在线信息，主要涉及到交易、社交、服务等相关信息。按主体分为：
①个人互联网数据。
②组织互联网数据。
③社会互联网数据。
2.2.数据生产要素化特征体系的第一性再思考
从大数据体系特征来看，主流大数据体系所提出的4V特征，已经远远支撑不了智慧城市全域数字化转型目标，需要深刻从4V特征走向4T特征。
大数据4V特征：Volume-大量、Velocity-高速、Variety-多样、Value-价值，只是针对互联网大数据的一种特征描述，与大数据本质逻辑相距甚远。
（图2.2-1）主流大数据概念的4V特征
天衍智认为，主流大数据概念体系的4V特征不是本质特征，大数据的本质特征应该是4T：
（图2.2-2）天衍智大数据概念的4T特征
数字化——digiTal：大数据的第一本质特征，没有数字化，那只能是人类理解的信息，而不是计算机可以理解的信息。
位置化——posiTion：大数据的第二本质特征之一，地球体以及人类生活工作的建造场所、运载场所，是人类社会的三大基本生存载体；因而位置是结构化最稳定的特征信息，人类社会与自然的相关活动信息，都会与特定的位置信息有机关联。
时间化——Time：大数据的第二本质特征之二，自然界万事万物的演绎，总是会体现为特定的流程与先后次序关系逻辑，即时序化逻辑特征。
目标化——objecT：大数据的第三本质特征，数字化的数据集本身只是一套以“0、1”为内在逻辑演绎出来的供人类可以理解的符号表征体系，其本身无实质意义，需要关联到目标对象（系统）的结构、属性、特征、过程、逻辑等的体系中，才能表征出人类可以理解的内容，才能刻画出数字体系所体现的背后真相与逻辑。
2.3.数据生产要素化控制因素的第一性再思考
数据作为生产力要素，需要通过什么样的框架、途径、着力点，来影响、演绎城市新型产业经济与数字经济体系，主流技术、产业界没有对此完成深入思考，形成系统化解决方案。
从数据可管控性第一性出发，数据需要系统分为安全类数据、法则类数据、私密类数据、自由类数据四类，实现全过程组织管理，出台对应的制度、流程和标准，研发相应的自主可控技术支撑体系。
（图2.3-1）数据需要系统按可管控性分类
从数据被使用便捷第一性出发，数据需要系统分为可独立使用类数据、可直接使用类数据、需被加工后使用类数据、需拼装组合后使用类数据四类；实现全过程组织管理，出台对应的制度、流程和标准，研发相应的自主可控技术支撑体系。
（图2.3-2）数据需要系统按被使用便捷性分类
从数据被应用周期第一性出发，数据需要系统分为一次性使用类数据、有限次使用类数据、无限次使用类数据三类，实现全过程组织管理，出台对应的制度、流程和标准，研发相应的自主可控技术支撑体系。
（图2.3-3）数据需要系统按被应用周期分类
从数据使用频率第一性出发，数据需要系统分为在线及时使用类数据、特定区间频繁使用类数据、长时间间隔使用类数据、偶发性使用类数据四类，实现全过程组织管理，出台对应的制度、流程和标准，研发相应的自主可控技术支撑体系。
（图2.3-4）数据需要系统按使用频率分类
从数据加工第一性出发，数据需要系统分为高技术门槛高成本加工类数据、高技术门槛低成本加工类数据、低技术门槛高成本加工类数据、低技术门槛低成本加工类数据，实现全过程组织管理，出台对应的制度、流程和标准，研发相应的自主可控技术支撑体系。
（图2.3-5）数据需要系统按数据加工分类
要从数据可实现价值第一性出发，数据需要系统分为高社会价值高商业价值类数据、高社会价值低商业价值类数据、低社会价值高商业价值类数据、低社会价值低商业价值类数据；实现全过程组织管理，出台对应的制度、流程和标准，研发相应的自主可控技术支撑体系。
（图2.3-6）数据需要系统按可实现价值分类
要从数据自身变化第一性出发，数据需要系统分为经常性变化类数据、定期非规则性变化类数据、周期性变化类、长久不变化类数据四类，实现全过程组织管理，出台对应的制度、流程和标准，研发相应的自主可控技术支撑体系。
（图2.3-7）数据需要系统按自身变化分类
具体数据生产要素控制因素体系自身及彼此关系不清晰，数据的采集、生产、再加工、融合、存储、使用等的各个环节，就可能在成本、精度、质量、工期等环节形成障碍，无法实质形成生产力要素。
2.4.数据生产要素化产业生态链体系的第一性再思考
从传统行业转型出发、从健康幸福中国与绿色双碳中国创新需求出发，按照数字经济第一性原理，分类、分阶段、可持续重塑各类产业经济整体数据生态链框架。
针对各类产业经济整体数据生态链框架，系统梳理各类产业经济需求体系对应的真实数据内容类型与数据要素控制因素类型。
针对各类产业经济整体数据生态链框架，从生产要素控制因素第一性原理出发，系统梳理城市社会各层面存在与之相关的全部存量数据源类型、质量、可用性等。
针对各类产业经济整体数据生态链框架，基于数据要素是否符合生产力市场竞争第一性原理出发，要在产业化中发挥既有数据要素作用，精准构建需要补齐的数据体系，找到数据缺项。
针对各类产业经济整体数据生态链框架，按照市场化应用数据需求出发，构建市场化的数据加工、融合、集成、组合技术体系和对应的商业环境。
针对各类产业经济整体数据生态链框架，按照市场化应用数据需求出发，构建市场化的专项补充采集、收集及加工、融合技术体系和对应的商业环境。
针对各类产业经济整体数据生态链框架，按照市场化自主可控软件应用数据需求出发，构建市场化、行业化的平台与APP互动使用软件应用技术体系和对应的商业环境，确保数据使用的简单、快捷、方便。
（图2.4-1）数据生产要素化产业生态链体系框架
2.5.数据生产要素化社会数字生态环境的第一性再思考
基于社会化数据大需求，逐渐、系统、市场化发展、创新各行各业、各组织各个体的数据生产要素化产业生态链经济体系。
匹配各类数据生产要素化产业生态链经济体系，针对存量数据及缺陷数据，进行系统、全面、持续的体系摸底调查。
匹配各类数据生产要素化产业生态链经济体系，打造数据生产力要素化价值实现的自主可控技术整体解决方案支撑体系。
匹配各类数据生产要素化产业生态链经济体系，基于数据使用价值交易第一性原理，创新、发展数据使用价值交易产业链支撑体系。
匹配各类数据生产要素化产业生态链经济体系，推动数据所属分类主体的数据分层次共享、主动持续动态更新与数据授权使用责任的三位责权利一体化，以及数据所有方、加工方、运维方等多方收益市场化分配等的数据要素社会化大合作体系建设。
匹配各类数据生产要素化产业生态链经济体系，基于数据资产确权、数据质量质检、数据安全隐私评估、数据资产价值评估、数据资产入表（财务）、数据资产金融化、以及数据法务等的七位一体社会支撑产业链体系构建。
（图2-1）数据生产要素化社会数字生态环境体系框图
2.6.数据生产要素整合数据来源第一性原理再思考
城市物理空间全要素数据整合数据来源第一性原理：所有被整合数据的拥有者一定是紧密数据收益的享有者，让数据拥有者主动、动态、完备参与到数据共享与更新过程中，形成数据源动态共享与商业价值分享良性循环。
3.对数据生产要素相对其它生产要素特殊性的再思考
3.1.数据生产要素相对劳动生产要素特殊性的再思考
劳动是生产第一源动力、主体性的、直接的要素；随着数据生产要素的出现，数据+产品，将彻底打造计算机模型驱动的新型劳动力体系；劳动作为生产要素的主体性地位，将让位于基于数据+产品的计算机模型驱动的新型劳动力。
3.2.数据生产要素相对土地生产要素特殊性的再思考
土地是生产必要支撑性的、直接的要素；随着数据生产要素的出现，土地作为生产必要的核心支撑角色，其效能可将被超级放大：一是同一有限土地上可以承载数字世界更多生产力内容的组织与设施，二是土地本身数字化，在数字生产力体系中，将可以作为智能主体自主发挥作用，而不只仅仅作为生产要素发挥作用。
3.3.数据生产要素相对资本生产要素特殊性的再思考
资本是推动生产体系快速发展的驱动性要素；随着数据生产要素的出现，资本自身数字化与土地要素数字化角色、劳动要素数字化角色、产品数字化角色的有机结合，资本生产要素，将更为直接、紧密、快速反应与有机关联，使资本生产要素，克服坏的破坏力、形成好的作用力成为更大可能。
3.4.数据生产要素相对科技生产要素特殊性的再思考
科技是生产最具想象力的、间接的驱动性要素；数据一方面本身是科技的产物，另一方面是万事万物（包括土地、劳动力、资本等）的无形载体；数据要素是出于科技而又独立于科技的综合性、框架性生产要素，将是生产要素的集大成者、最大生产力价值的驱动因素。
（图3.4-1）数据作为生产要素与传统劳动力、资本、
土地、科技特殊价值对比
3.5.数据要素化社会百怪的再思考
数据不是有形之物，不直接以物质形式存在，而只能在高科技产品环境中存在，数据存在成本高、技术支撑及管理复杂。
数据不是有形之物，人类不能直接通过四肢来操控，只能在特定科技产品场景中，借助第三方工具再使用。
数据实质是无限变化性的内容，同一数据内容，不同时间、地点、不同应用场景下，数据形态千奇百怪。
大部分单个数据很难是一个可以被独立化演绎的内容，大部分的价值应用，需要将多类数据进行整合、融合、再加工，才能形成价值化的应用标的物。
不同数据是不同业务框架+系统框架下的产物，天然是碎片化的土围子体系；打破不同土围子数据之间的核心界限的成本，往往大于实质可能应用带来的价值，而且时间周期上往往成为应用障碍。
各种数据的存在都是合理的，没有被污染的数据，只有临时、碎片、离散、多视点的数据；数据交易使用前的所谓数据清洗，是对数据要素在各个行业产业化应用角色的一种极大误解，没有数据的污染，何来数据的被清洗；数据作为生产要素，从根本上说明了数据不存在清洗，而只是深加工、深转化、深融合、深协同、深适配、深集成。
数据生产要素作用的本质过程，就是形成满足行业各类应用的使用数据：基础数据和行业数据等安全性、法则性数据，实质具有行业责任法律价值的，往往与数据主体的行业牌照相关联，所以数据只能是使用价值的利用；物联网大数据与特定目标对象的时空条件相关，直接交易数据本身无实质生产要素作用，直接交易应用基本只具有科研实验作用；互联网大数据部分涉及隐私，实质也是在脱私的再加工基础上数据使用价值的利用。
3.6.数据作为生产要素角色第一性再思考
鉴于数据的大量性、广泛性、变化性、复杂性、专业性，作为生产要素的数据，只能是以计算机全面理解数据的前提下，基于数据模型驱动计算机作为主体角色，来主导产业化应用的计算机、人与机械三位一体协同互动的应用体系。
单纯靠人理解数据并主导的数据应用，无论是技术难度、复杂性、专业技能适应性、需求快速反应性等来说，人都是无法适配的；在此前提下，数据是无法成为生产要素的，它只会是劳动生产要素的一种工具而已。
4.智慧城市全域数字化转型目标产业市场化典型场景思考
4.1.基于数据要素的带状基础设施工程智能设计新质生产力体系产业市场化典型场景
1、基于测绘+地质的基础大数据和建造行业大数据，促进传统勘察设计行业转型。其数据要素特征为：涉及安全类数据及法则类数据；需被加工后使用类数据及需拼装组合后使用类数据；长久不变化类数据；无限次使用类数据；高社会价值高商业价值类数据。
2、勘察环节，实现工业化数据采集，机机交互+机人交互协同驱动加工、处理、建模，动态形成计算机可理解的建造体全生命周期环境逻辑性大数据模型，实现与生长性数字孪生环境，实现勘测智能服务，当前已替代勘察内业人工工作量的90%以上。
（图4.1-1）勘测智能服务逻辑图
3、设计环节，独立设计+施工过程动态互动修正优化设计相结合，实现机机交互+机人交互协同驱动设计的智能化工业化知识流水线设计技术体系，动态形成计算机可理解的建造体全生命周期本体逻辑性大数据模型，全面、深度涵盖各专业、各阶段、各版本的图纸、概预算、BIM模型等设计要素与内容，实现生长性数字孪生基因，实现设计智能服务，实现设计效率较主流技术体系50倍以上，大多数设计工作被智能化替代，设计质量远高于主流技术体系。
（图4.1-2）设计智能服务逻辑图
4、数据要素中需要精准构建补齐的数据体系，精细化地表数据及地质数据有效生产监管及共享为缺项；当前已研发相应的自主可控技术支撑体系，需要出台对应的制度、流程和标准。
4.2.基于数据要素的建造工程施工模型驱动工业化智能施工新质生产力体系产业市场化典型场景
1、基于测绘+地质的基础大数据、勘测设计行业大数据及物联网、互联网大数据，促进建造施工行业转型。其数据要素特征为：涉及安全类数据及法则类数据；需被加工后使用类数据及需拼装组合后使用类数据；长久不变化类、经常性变化类数据及定期非规则性变化类数据；特定区间频繁使用、无限次使用类数据及大量一次性使用类数据（包括物联网数据、施工阶段表单数据等）；低～高社会价值及低～高商业价值类数据。
2、建造工程施工环节，施工过程动态融入勘测与设计，实现机机交互+机人交互协同驱动施工过程的调度、运行与管理，动态形成计算机可理解的建造体全生命周期本体逻辑性大数据模型，全面、深度涵盖施工现场环境模型、施工内容模型和设备模型，在建造工地现场，基于流动设施设备及物联网感知，打造柔性流水线施工工艺技术体系，形成数字孪生生长，实现施工智能服务。
3、数据要素中短板是勘测数据加工处理、协同设计、协同施工的能力；当前已具备技术能力支撑，由精准环境模型驱动现有主流技术——设备自动化工作模式，向智能化生产工作模式转变。
4.3.基于数据要素的城市交通疏导调度逻辑模型驱动的城市交通智能指挥调度新质生产力体系产业市场化典型场景
1、涉及基础大数据、行业大数据、物联网及互联网大数据四类大数据体系，其数据要素特征为：涉及安全类数据、法则类数据、私密类数据及自由数据；需被加工后使用类数据及需拼装组合后使用类数据；长久不变化类、经常性变化类数据及定期非规则性变化类数据；特定区间频繁使用、无限次使用类数据及大量一次性使用类数据（包括物联网数据、互联网表单数据等）；低～高社会价值及低～高商业价值类数据；大量临时性数据，需要做系统的研究和梳理。
2、当前智慧交通围绕着道路功能设施布局、红绿灯设置及区域管控，是基于历史预设经验基础上的编排，目前对交通编排及布设是项技术性强的规划设计工作，是以人为主体，软件系统为验证支撑，从而达到交通优化目的；但交通指挥调度影响要素多，当前基于人控制体系的优化调度，从周期、成本、反应及时性上都显不足。
3、城市交通调度实质是在交通设施基础设施模型基础上，引导人\车流需求合理流通，形成整体最大功效，短期引导城市交通运行健康，长期内形成韧性城市、弥补城市功能缺失及促进绿色双碳的布局优化；需要构建城市交通运行调度逻辑模型，且该模型具有生长性，随着交通要素变化可智能快速修正，在计算机理解逻辑模型基础上，基于需求及现实突发因素变化条件出发，快速响应交通调度的高效管控，经过一段时间运行后，能够为城市建设、管理及制度等方面提供决策支持。
4、数据要素缺失数据深加工、逻辑建模能力，现有知识规则未形成逻辑模型，支撑不了交通布局设计管控一体化智能化解决；缺乏创新的针对结构性拥堵的布局建设，需要新技术、新思路。
（图4.3-1）道路出入口缓冲岛导流效果图
国家发明专利：一种智慧交通路口疏通方法及系统（201710289660.X）
图4.3-1是解决交叉路口结构性拥堵的创新方法，是一种基于智慧交通技术及配套基础设施技术，针对城市拥堵出入口、高速道路进出口等位置的结构性拥堵问题，针对在该位置设置道路出入口结构，满足量拥堵车辆，快速移至专设建造物缓冲空间，避免拥堵车辆占位主道、干道、高速路检查站前、站后，影响主道、干道、高速路通行效率的技术方法、系统及用途。
4.4.基于数据要素的城市内涝应急联动逻辑模型驱动的智能指挥决策新质生产力体系产业市场化典型场景
1、涉及地表和地质基础大数据、物联网及互联网大数据体系，其数据要素特征为：涉及安全类数据及法则类数据；需被深度加工后使用类数据及需拼装组合后使用类数据；长久不变化类、经常性变化类数据及定期非规则性变化类数据；特定区间频繁使用、无限次使用类数据及大量一次性使用类数据（包括物联网数据、互联网表单数据等）；低～高社会价值及低～高商业价值类数据。大量临时性数据，需要做系统的研究和梳理。
2、当前城市内涝管控是基于历史预设经验基础上预测，是以人为主体，软件系统为验证支撑，物联网技术为手段，从周期、成本、反应及时性及效果上都显不足。
（图4.4-1）城市内涝智慧服务系统
3、应当建立以社区为主体的分布式内涝管控体系，整体再构建各社区关联体系；需建立城市高精度地表、地质及管网一体化模型，以仿真结果指导物联网精准布置，再结合现场声光屏一体化预警，达到内涝防控目的；基于微地形、微地貌以及建筑BIM演绎参数化建模技术，需要解决地表、场区、建筑物拓扑不一致难题，实现建筑地下室BIM与地表模型在内涝管控中的价值应用；建立自适应的城市内涝智慧服务系统，如图4.4-1、图4.4-2。
（图4.4-2）地表地下建筑物一体模型支撑下的建筑内涝仿真分析
4、数据要素是缺失高精度地表模型数据，既是数据问题，也是数据深加工问题；城市级地质基础模型，需要构建地质数据交换使用机制，不是简单的数据交易问题，需要建立共享使用相应法则。
4.5.基于数据要素的城市建筑及设施BIM地震破坏逻辑模型驱动的智能指挥救援新质生产力体系产业市场化典型场景
1、地震的智能指挥救援涉及数据主要包括地质、地表、建筑物及施设基础的大数据及地震效应评价的行业大数据，数据要素有：安全类数据及法则类数据；需被深度加工后使用类数据及需拼装组合后使用类数据；长久不变化类和经常性变化类数据；特定区间频繁使用及无限次使用类数据；高社会价值高商业价值类数据。
2、基于地震地质灾害现场三维数字底座模型+实时扫描三维点云数据模型，快速形成三维可视化的现场应急指挥、调度、决策的模型。
3、基于现场所形成地震地质灾害专业行业数字底座应用模型，针对不同地震模式与灾害形式，叠加到对应场景底座模型，生成应急场景及救援操作仿真模型及可视化应急处置方案。
4、需要具备集地质、地表、地物、建筑物等一体化智能化建模技术体系能力，且需形成与应急环境和快速处置相配套的快速、低成本、高质量、精准的及时性建模成果；在一体化体现地震特征规律的逻辑模型基础上，进行地震地质灾害专业仿真建模；应急决策过程中的动态仿真功能系统等。
5、涉及包含一系列相应的专业软件在不同运行环境下的后台及前台核心运行模块的智能装备产品的实现；地震地质灾害应急救援智能装备将极大增强我国乃至全球地震地质灾害的应急救援能力，具有巨大的产业化价值及社会价值。
（图4.5-1）地震地质灾害应急救援指挥平台逻辑框图
6、数据要素难点是如何快速低成本构建地质、高精度地表及建筑设施模型，也既是数据问题，也是数据深加工技术问题。城市级地质基础模型，需要构建地质数据交换使用机制，不是简单的数据交易问题，需要建立共享使用相应法则。
4.6.基于数据要素的城市建筑及设施BIM消防逻辑模型驱动的智能指挥救援新质生产力体系产业市场化典型场景
1、消防指挥救援所涉及数据主要包括城市基础大数据、消防指挥救援行业大数据及物联网大数据，数据要素有：安全类数据、法则类数据及隐私类数据；需被深度加工后使用类数据及需拼装组合后使用类数据；长久不变化类、经常性变化类数据及定期非规则性变化类数据；特定区间频繁使用、无限次使用类数据及大量一次性使用类数据（物联网数据）；低～高社会价值及低～高商业价值类数据。大量临时性数据，需要做系统的研究和梳理。
2、基于消防BIM的建设工程消防智能化审图：基于二维建筑物CAD图纸快速智能化构建三维建筑消防模型，实现建筑物消防设计方案审查、审批的快速化、智能化。
3、消防工作在建造及竣工验收中的全过程管控：基于已有的建筑物消防BIM模型，设计并运用相应的APP程序，充分运用5G、北斗高精度定位和对象链技术实现建筑物的消防建设过程的有效监管和链接；在施工过程中的设计变更，借助消防BIM进行质量把握和管控；建造体及数字BIM建设全过程校核及管控消防合规性，做到全过程责任可留痕、可追溯。
（图6.6-1）基于城市建筑BIM消防模型驱动的消防全生命周期智能服务框架
4、推行智慧消防产业化：以“十小”场所为重点，以“5G+智能化消防BIM技术为抓手”，部署火灾自动报警系统和联动灭火系统；制定技术标准和安装规范，通过政府引导、企业投资、社会集资，按智慧消防发展规划，引导和支持智慧消防产业发展，逐步普及、完善智能消防体系，详见图6.6-1。
5、满足应用的数据要素难点是如何快速低成本建立高精度地表及建筑设施模型，也既是数据问题，也是数据深加工技术问题；建立共享使用有相应法则解决数据来源问题。
4.7.基于数据要素的城市建筑及设施BIM安防逻辑模型驱动的智能指挥管控新质生产力体系产业市场化典型场景
1、城市物理空间全要素数据涉及基础大数据、应急及防控行业大数据、物联网及互联网大数据四类大数据体系，其数据要素特征为：涉及安全类数据、法则类数据及隐私类数据；需被加工后使用类数据及需拼装组合后使用类数据；长久不变化类、经常性变化类数据及定期非规则性变化类数据；特定区间频繁使用、无限次使用类数据及大量一次性使用类数据（包括物联网数据、互联网表单数据等）；低～高社会价值及低～高商业价值类数据；大量临时性数据，需要做系统的研究和梳理。
2、构建场景精细逻辑模型，是安防智能管控仿真的基础。调度管控级的逻辑模型越深入，仿真就越深入，当前没有建立相关安防体系逻辑模型，目前构建的场景模型是指挥人员理解的模型，再通过工具软件分析危险点，此类仿真是人主导的仿真，受时效性、复杂性、及主导者精力等影响制约。
3、安防管控体系的复杂性在于从地面、高空及建筑物内部、移动设备综合复杂场景模型，必须构建地面静态设施、动态设施、空中动态设施相互关联的逻辑模型，才能智能、快速、精准地完成发现、捕获、预设、转移等一系列的管控措施。
4、需要做到每个对象分布式构建智能体，基于此进行安全智能管控，自行预警、报警，快速响应、互动协同；而不是数据汇集后再进行整合分析，做出反应，算力再大也不能做到及时、有效。如高铁列车位置感应，是通过切割磁力线实现，要在10毫秒之内感应定位，就是按单一分布式对象智能体来实现的。
5、从数据要素分析，四类大数据体系都涉及信息安全问题，人是信息安全最终短板，以现有国家信息安全技术体系为基础，基于岗位角色使用分布式轻量参数及模型数据，基于整体逻辑模型+轻量化分布式显式参数\可视模型的数据组织及数据使用范式，可从源头上解决数据安全的问题。
4.8.基于数据要素的城市建筑及设施BIM疫情传播逻辑模型驱动的智能指挥管控新质生产力体系产业市场化典型场景
1、城市疫情智能指挥管控涉及城市建筑物基础大数据、疫情防控行业大数据、物联网及互联网大数据四类大数据体系，其数据要素特征为：涉及安全类数据、法则类数据及隐私内数据；需被加工后使用类数据及需拼装组合后使用类数据；长久不变化类、经常性变化类数据及定期非规则性变化类数据；特定区间频繁使用、无限次使用类数据及大量一次性使用类数据（包括物联网数据、互联网表单数据等）；低～高社会价值及低～高商业价值类数据；大量临时性数据，需要做系统的研究和梳理。
2、针对传统社区传染病风险管控中的痛点：①难以及时采集、汇总及上报疫情信息（影响人员、路 径、时间）。②难以及时全面准确地展现社区的综合疫情态势。③难以形成面向个人、社区、管理部门等的精准疫情预案及全面演练体系。④难以精准化提供社区传染病风险管控下的居民日常生活保障服务。
3、基于构建全维度数字化、位置化、时序化、对象目标化大数据4T逻辑思维，建筑BIM智能建模及轻量化平台技术构建面向全国性的流行病学调查大数据平台。系统及时全面准确的展现社区的综合疫情态势，结合位置信息，将以社区网格片区为单位的门岗截获、居委排查、居民直报、人员流动、确诊人员、疑似人员、密切接触、居家留观、社区管理者等具体信息，为社区疫情综合管理者进行高效精确的可视化直观数据展现。
4、基于大数据4T逻辑思维，面向重点疫情灾区不同程度感染病人、疑似病人等的救治与隔离、药物配置，以及救护等相关事宜，构建国家公共卫生（应急）管控大数据调度指挥平台。系统中可针对各类紧急事件制定应急预案，并可在三维模型上进行仿真演练。
5、难点是要构建建筑以及移动设施等空间场景的精准化逻辑模型、相关人居活动逻辑模型，在此基础上按大数据4T原则，分布式构建相关空间场景分布式智能体，形成以分布式网络自主管控为主体，中心管控为主导的疫情管控体系。
4.9.基于数据要素的城市建筑及设施绿色双碳逻辑模型驱动的运维新质生产力体系产业市场化典型场景
1、城市建筑及设施绿色双碳运维涉及城市建筑物高精度基础大数据、双碳运维行业大数据、物联网及互联网大数据四类大数据体系，其数据要素特征为：涉及安全类数据、法则类数据及隐私内数据；需被加工后使用类数据及需拼装组合后使用类数据；长久不变化类、经常性变化类数据及定期非规则性变化类数据；特定区间频繁使用、无限次使用类数据及大量一次性使用类数据（包括物联网数据、互联网表单数据等）；低～高社会价值及低～高商业价值类数据；大量临时性数据，需要做系统的研究和梳理。
2、城市建筑及设施绿色双碳运维环节，以安全、功能、节能、减碳为控制目标，实现机机交互+机人交互协同驱动建造体与使用业主、存在环境和支撑设备四者命运共同体链接的物业管理，基于生长性规划大数据模型、环境逻辑性大数据模型、本体逻辑性大数据模型拓扑一致化、一体化融合基础上，动态形成计算机可理解的建造体全生命周期运维逻辑性大数据模型，形成数字孪生运存，实现物业运维智能服务。
3、整合精准建筑物数据是典型难点之一，解决方案是：
与物业公司开展战略合作——向物业公司提供免费三维高精度物业BIM模型和对应APP系统，解决物业管理疼点问题，提升物业公司自身效益、提升物业公司向业主服务能力。
价值物业服务捕获业主之心——向业主车位提供闲置租赁或互换、贴心物业服务、贴心换电或充电租赁及服务等，与业主形成共同商业利益经营利益相关者
物业+业主+第三方紧密合作合法获得所需业主信息——城市基础数字底座中需要业主来提供的共享信息，在物业+业主+第三方紧密合作中，通过多方知情，合法、透明获取相关数据信息
形成数据源动态共享与商业价值分享良性循环——在物业+业主+第三方合作共信基础上，按照市场原则进一步开拓多方共享的商业价值。
参考文献
[1]《城市数字底座多专业演绎参数化建模技术-建设部智慧城市讲座报告》（2023.11）
[2]《城市基础数字底座白皮书》（2024.1）
[3]《新非典管控与大数据本质逻辑（白皮书）》（2020.02）
[4]《中国新基建战略分析报告》（2020.04）
[5]《“3D+大数据+智能”使能技术研究报告》（2020.04）
[6]《智能建造4.0关键性技术及原型系统验证研究》（2021.12）
[7]《高品质绿色建筑设计方法与智慧协同平台（国家重点研发计划项目）》（2022.08）
[8]《天衍智自主技术助力国家智能建造与建筑工业化协同发展》（2022.03）
[9]《天衍智建筑BIM智能技术应用服务生态及供应链金融（白皮书）》（2020.03）
[10]《地震地质灾害应急救援智能装备关键技术体系研究及产品开发》（2023.11）
[11]《智慧广州城市空间一体化大数据模型关键技术研究报告》（2022.01）
[12]《一种大数据使用权交易系统与方法（201610670879.X）》（2016.10）
[13]《一种产业链生态大数据模型的建模方法及其应用（201610677691.8）》（2016.10）
[14]《基于目标导航定位的淹没区自适应风险控制方法及系统（201610640001.1）》（2016.10）
[15]《海绵地质体与排水连通的城市海绵结构体的构建方法及系统（201710178530.9）》（2017.10）
[16]《一种基于三维建模的消防训练演习方法及其系统（201910974729.1）》（2019.10）
[17]《基于建筑二维CAD图纸的三维快速建模系统及方法（201811306911.1）》（2018.11）
[18]《一种智慧交通路口疏通方法及系统（201710289660.X）》（2017.10）
[19]《智慧交通大数据方法及系统（201710178099.8）》（2017.10）
[20]《大数据经典十问》，http://www.数字中国.cn/?p=895，2016.07
[21]《大数据基本逻辑与国家电网大数据课题研究报告》，http://www.数字中国.cn/?p=804，2019.09
[22]《人类健康安全模型与新非典疫情思考》，http://www.数字中国.cn/?p=1253，2020.01
[23]《互联网/物联网的前世今生&&&区块链超维自主创新——对象链及产业化应用》，http://www.数字中国.cn/?p=1047，2019.11
[24]《2020新非典管控与大数据本质4T逻辑》，http://www.数字中国.cn/?p=1268，2020.02
[25]《从3S技术到3M技术与产业互联网》，http://www.数字中国.cn/?p=1361，2020.03