洪水和熱浪等自然災害表明，人們對環境確實缺乏控制——儘管其中一些災難實際上可能是人類決策和粗心大意的結果。
自然災害愈加頻發，嚴重程度也在加劇，這讓人們更加關注對城市可持續性的迫切需求，數字孿生技術在應對這一挑戰方面發揮著主導作用。
數字孿生的定義是物理過程的電腦模型或者物理實體的複本，它們本質上是真實而準確的虛擬模型。
數字孿生的優勢
數字孿生有望成為城市可持續發展的重要工具，因為它們允許研究人員重建特定的城市環境，複製影響它的因素或者過程，例如智慧交通。
數字孿生還可以與環境中的傳感器耦合，為嚴密監控提供實時數據。
然後，研究人員可以使用人工智慧來了解這些過程以及它們如何影響環境，預測未來的條件和影響，從而做出具有可持續性的決策。
我們對數字孿生及其在城市可持續發展領域的潛力進行了批判性研究，研究表明，這些最近的技術發展已經證明其在公共和私有組織的財務和可持續性方面的效益。
我們證明，數字孿生可以監控物理資產的實時數據，並查看它們在不同的虛擬環境場景中的性能，從而使資源分配更加高效。
例如，通過測量和模擬新路網的雨水容量，可以結合利用歷史和實時傳感器數據，設計出對水敏感的城市以減少浪費和損失。
數字孿生實施障礙
儘管城市數字孿生（UDT）在解決技術、倫理和社會技術問題方面居於領先地位，但是其應用仍然存在一些障礙。那麼，如何利用這項技術來支持城市可持續發展呢？
UDT 技術的成功取決於物理和數字環境之間及時的雙向通信——這一點不能打折扣。
我們發現的第一個因素是很多決策者缺乏數字素養，這讓他們對數字技術缺乏興趣，數字技術對他們在研究和財政資源方面也就貢獻甚少。
因此，我們在技術方面準備得越充分，就越有可能在組織或者日常活動中採用數字技術。
最後，需要有標準和共享數據模型，這樣重要數據就不會停留在孤島中。
澳大利亞測量與空間科學研究所（SSSI）澳大利亞標準協會、澳大利亞工程師協會和澳大利亞規劃協會（PIA）等專業協會認為，標準化在開發跨利益相關方和司法管轄區的通用語言、流程和數據模型方面發揮著至關重要的作用。
澳大利亞紐西蘭空間資訊委員會制定的《支持建築和自然環境數字孿生的空間原則》強調了標準化在資訊和數據管理、UDT互操作性、隱私和安全方面的作用。
信任人工智慧
很多行業面臨的一個問題是，由於存在問責制和透明度問題，算法決策可能會受到質疑和懷疑。
我們最近進行的一項研究表明，可解釋人工智慧（XAI）或者說能夠解釋其結果的人工智慧在提高人工智慧決策的透明度以及人們的信任度方面有重要作用。這項研究的成果發表在《自然·可持續性》（《Nature Sustainability》）期刊上。
XAI解決了「黑匣子」概念帶來的問題——即使是AI開發人員也無法明確解釋其得出特定結果或者做出特定決策的原因。
當前的數字化技術只衡量了城市實體的客觀方面，關注的是城市的物理特徵，例如建築的高度、樹冠、土地使用類型和密度、三維建築、城市重建可視化以及建築能源評估。
然而，數字孿生應該是城市是客觀特徵（物理和功能）和主觀特徵（社會建構和場所體驗）的結合體。
儘管一些研究已經證明了衡量場所質量、設施公平使用和城市空間社交性方面的新能力，但是全系統模擬和實際應用仍然不足，這應該成為未來研究的重點，以防止使用不準確的模型制定出錯誤的決策和策略。
結合專業知識，打造數字城市
由於數字城市的應用是如此廣泛，其背後的專業知識亦是如此。
讓IT和工程專業人員同政策制定者、最終用戶以及規劃和建築專家配合，我們就可以更好地利用數字技術的價值，應對未來的挑戰，並將當前投資回報給社區。
澳大利亞各州政府已經開始利用數字孿生功能更好地為社區服務。新南威爾斯州空間數字孿生為整個州提供了跨組織的協作數字工作流程。它在現實世界的動態和多維模型中聚合位置資訊並將其可視化。
維多利亞州政府獲得了3740萬澳元，用於開發維多利亞數字孿生平台，通過這個單一的在線平台整合大量2D、3D和實時數據。
該項目受到了政府與墨爾本大學和其他利益相關方合作在漁人灣開展的數字孿生試點項目的推動。
我們知道，數字孿生應該不僅僅是一個複製品，它應該與物理過程或實體耦合到一個網路-物理-社會系統中。
這樣的系統可能更像是一個大腦，而不是一個孿生品——它具有感知的神經，具有可以改變物理或者數字系統的機構，以及保持物理和數字系統平衡的調節機制。
我們已經開始提高技能，提高專業人士、經理和高管的意識，並教育未來的勞動力了解數字孿生技術。我們的新教育計劃，如數字基礎設施工程碩士和數字工程研究生證書（基礎設施），應對了技術、道德和社會技術方面的挑戰。
我們還與業界合作，確定澳大利亞和全球基礎設施行業未來的數字工程需求，該行業正在蓬勃發展，並在逐步採用建築資訊模型（BIM）、物聯網（IoT）和虛擬現實等數字工具。
利用對新興技術的研究和開發以及這些教育計劃，我們為未來的技能組合創造了一種新的能力，將數字數據與統計、機器學習和數據模擬結合在一起。
目標很簡單——更好地與社區互動，並在可持續未來城市的設計中傳達物理和社會過程、模式和預測。
