随着城市感知设备和数字化系统不断增加，视频、物联、 GIS及各类业务数据正在快速积累。但数据多、系统多并不意味着治理能力同步提升。现实中，不同监控画面相互独立，视频、位置和业务数据分散在不同平台，突发事件发生后又缺少能够兼顾全局与现场的空间载体，城市治理仍面临“看得见、联不起来、难计算”的问题。

传统三维模型解决了城市空间表达问题，但缺少实时视频和动态数据；传统视频监控能够反映现场，却缺乏空间计算能力。如何将两者真正融合，成为数字孪生城市进一步走向智能化需要解决的问题。

针对这一问题，智汇云舟在视频孪生技术实践基础上研发形成视频孪生空间智能体，将视频感知、空间计算与 AI分析融入统一的数字空间，使视频从单纯的监控信息转变为空间智能的重要数据入口，推动城市治理由“看画面”向“看态势、判风险、管资源”转变。

从视频感知走向空间理解

视频孪生空间智能体以城市三维实景为载体，对多路视频进行智能解析、目标识别、轨迹提取和时空标注，并将视频实时映射到对应空间位置。

其核心并非简单地 “把视频放进三维地图”，而是建立视频与现实空间之间的对应关系，使人、车、物、事件等对象具备统一的空间位置和时空关系。在此基础上，视频、位置、物联和业务数据可以进一步关联，为城市运行状态分析提供空间基础。

由此，视频的作用也从 “查看现场”进一步延伸到空间感知、风险识别、事件关联和辅助决策。

“1+1+1+N”构建空间智能体系

从整体架构看，视频孪生空间智能体形成 “一智能体、一数字空间、一数据体系、N类应用”的技术体系。

l   一智能体 ，即视频孪生空间智能体，负责视频解析、空间对齐、目标识别、轨迹计算和事件关联。

l   一数字空间 ，即城市实景孪生空间，将道路、建筑、重点区域和感知设备统一映射到三维环境。

l   一数据体系 ，即以时空关系为基础，汇聚视频、 GIS、物联感知、人员车辆、事件和业务系统等数据。

l   N类应用 则面向城市一张图、三维巡视、风险预警、人车管理、交通治理、态势分析和应急指挥等具体场景。

这一架构的价值在于，不再让不同业务分别建立数据和空间体系，而是通过统一的数字空间承载多类治理信息。

七类场景推动城市治理空间化

在城市治理 “一张图”中，多源数据被统一映射到城市实景空间，管理人员可以在同一空间环境中关联查看视频、物联设备和事件信息，减少不同系统之间的信息割裂。

在三维实景巡视中，可以根据重点区域和道路设置巡视路线，结合实时视频进行远程巡查，并将异常事件直接标注到对应空间位置，使城市巡查从局部视频查看扩展到区域态势感知。

风险预警则进一步强调事件的空间关联。告警发生后，可结合视频、定位和周边资源进行空间落位，实现从发现事件到现场核查的快速联动。

在人车管理方面，执勤人员、车辆、定位轨迹和现场视频可以统一映射到孪生空间，为勤务调度提供更加直观的空间依据。

交通治理则可以将车流、排队、异常事件等动态信息挂载到道路和路口的真实空间中，为交通运行分析、信号优化和事件处置提供数据支撑。

对于城市态势分析，可结合视频感知、位置和热力数据形成区域人员分布及变化趋势，为重点区域管理和大型活动保障提供参考。

在应急指挥中，视频孪生空间智能体可以将应急预案、人员车辆、监控视频和现场态势统一纳入三维实景空间，形成动态电子沙盘，为路线规划、力量布控和现场指挥提供空间支撑。

从 “数字可视”走向“空间智能”

从应用逻辑看，视频孪生空间智能体所推动的并不是一次简单的三维可视化升级，而是城市治理数据组织方式和决策方式的变化。

一方面，视频由独立的信息窗口转变为城市空间中的动态要素；另一方面，视频、物联、位置和业务数据开始围绕统一空间建立关系。城市治理也由过去依赖人工查看和事后处置，逐步向实时感知、空间分析和主动研判延伸。

智汇云舟研发的视频孪生空间智能体，正是在这一演进过程中形成的技术实践。其核心价值在于以视频孪生连接现实世界与数字空间，以空间计算建立对象之间的时空关系，再结合 AI能力提升对城市运行状态的理解和分析能力。

数字孪生城市的下一阶段，不应止步于 “看起来更真实”，更重要的是让空间能够被理解、被计算，并真正参与城市治理。视频孪生与空间智能的进一步融合，也将成为智慧城市从数字化走向智能化的重要技术路径。