A digital twin of a city—a dynamic, data-driven virtual replica that mirrors the physical urban environment in real time—represents an appealing tool for climate adaptation planning. In principle, a digital twin can simulate flood scenarios, test evacuation plans, evaluate infrastructure investments, and predict cascading failures before they occur in the physical world. In practice, the gap between concept and implementation varies widely, and the most useful digital twins tend to be more modest in scope than the visionary narratives suggest.

The Research Landscape

Neighborhood-Level Digital Twins

Gkontzis et al. (2024), with 38 citations, provide one of the more widely referenced analyses, published in Future Internet. Their study examines digital twin techniques applied at the neighborhood level—a granularity that is more tractable than city-wide twins and more immediately useful for resilience planning.

The paper argues that city-level digital twins face a fundamental data integration challenge: combining transportation, energy, water, building, and population data at city scale requires interoperability standards that do not yet exist. Neighborhood-level twins, by contrast, can work with more manageable data volumes and more homogeneous systems.

The practical contributions include:

• Predictive analytics for energy demand at building level, using weather forecasts and occupancy patterns.
• Flood risk simulation for specific street networks, integrating terrain elevation, drainage capacity, and rainfall projections.
• Scenario testing for infrastructure improvements—what happens to flood risk if a specific drainage system is upgraded?

The limitation is scalability: neighborhood-level insights do not automatically aggregate to city-level understanding. A drainage improvement that reduces flooding in one neighborhood may redirect water to an adjacent one.

Coastal Resilience Planning: A Florida Case Study

Chen, Han, and Galinski (2025), with 8 citations, present the most applied contribution: an urban digital twin integrated with a cloud-based geospatial dashboard for coastal resilience planning in Florida. The system allows planners to visualize flood vulnerability at the parcel level, simulate sea-level rise scenarios, and identify critical infrastructure (hospitals, power substations, evacuation routes) that is at risk under different climate projections.

The geospatial dashboard makes the digital twin accessible to non-technical stakeholders—planners, emergency managers, community leaders—who can interact with the model through a web browser without specialized GIS software. This accessibility is important: digital twins that only technical experts can use are unlikely to influence actual planning decisions.

The case study reveals both capabilities and limitations. The system effectively identifies parcels vulnerable to current flood risk and near-term sea-level rise (through 2050). It is less effective at capturing cascading effects—how flooding of a power substation leads to outages that affect hospitals, which overwhelm other facilities. These systemic interactions require more sophisticated modeling than the current digital twin architecture supports.

Systematic Review: What Smart City Technologies Deliver

Varzeshi and Irajifar (2025), with 1 citation, provide a systematic review of 115 peer-reviewed studies examining how smart city technologies engage with urban resilience. Their analysis is notable for its sobriety: while the literature enthusiastically promotes technological solutions, the evidence for their impact on actual resilience outcomes is thin.

Key findings from the review:

• Technology adoption ≠ resilience improvement. Cities that invest heavily in smart infrastructure (sensors, data platforms, dashboards) do not necessarily show improved resilience outcomes compared to cities that invest in traditional measures (drainage, zoning, building codes).
• Governance gaps. Most smart city projects are technology-driven rather than governance-driven. They produce data but lack the institutional mechanisms to translate data into planning decisions.
• Equity concerns. Smart city technologies tend to be deployed in wealthier, more visible urban areas. Informal settlements, which are often the most vulnerable to climate hazards, are the least likely to be covered by smart infrastructure.

AIoT and the Smart City Brain

Bibri and Huang (2025), with 10 citations, offer the most theoretically ambitious framework: the "smart city brain"—a conceptual architecture that integrates the Artificial Intelligence of Things (AIoT) with digital twin systems for sustainable urban management.

The framework distinguishes between:

• Real-time management: Using IoT sensor data and AI inference to respond to immediate conditions (traffic congestion, air quality alerts, emergency response).
• Predictive planning: Using digital twin simulations to anticipate future conditions (flood risk under climate scenarios, energy demand under development plans).
• Strategic optimization: Using AI to identify optimal investment strategies across multiple urban systems simultaneously (balancing transportation, energy, water, and waste investments).

The framework is conceptually comprehensive but acknowledges that full implementation requires data integration capabilities, computational resources, and institutional coordination that no city currently possesses. The practical recommendation is staged implementation: start with real-time management (which requires only sensor data and basic AI), progress to predictive planning (which requires digital twins), and eventually reach strategic optimization (which requires cross-system integration).

Critical Analysis: Claims and Evidence

<

Claim	Evidence	Verdict
Digital twins improve urban flood risk assessment	Chen et al.'s Florida coastal case study	✅ Supported — at parcel level for direct flooding
Neighborhood-level twins are more tractable than city-level ones	Gkontzis et al.'s comparative analysis	✅ Supported
Smart city technology investments improve resilience outcomes	Varzeshi et al.'s systematic review of 115 studies	⚠️ Uncertain — adoption is high, evidence for outcome improvement is limited
Full AIoT-digital twin integration is achievable	Bibri & Huang's framework analysis	⚠️ Uncertain — conceptually sound; no city has fully implemented it

Open Questions

Cascading effects: Current digital twins model individual systems well but struggle with cross-system interactions. How do we model the cascading failures that characterize real disasters?

Data equity: If digital twins are built from sensor data, areas without sensors are invisible. How do we ensure coverage of the most vulnerable communities?

Governance integration: Digital twins produce information; governance produces decisions. How do we bridge the gap? Decision-support interfaces that are accessible to non-technical stakeholders are essential.

Validation: How do you validate a digital twin's predictions about events (100-year floods, 2°C warming) that have not yet occurred?

What This Means for Your Research

For urban planners, Chen et al.'s Florida case study provides a practical model for parcel-level flood vulnerability assessment. The cloud-based dashboard approach makes the technology accessible without specialized GIS training.

For resilience researchers, Varzeshi et al.'s systematic review is a corrective: smart city technologies are not automatically resilience-building technologies. The institutional and governance dimensions are at least as important as the technical ones.

Explore related work through ORAA ResearchBrain.

면책 조항: 이 게시물은 정보 제공을 목적으로 한 연구 동향 개요이다. 특정 연구 결과, 통계, 주장은 학술 저작물에 인용하기 전에 원본 논문과 대조하여 검증해야 한다.

기후 회복력 도시를 위한 디지털 트윈: 가능성, 실제, 그리고 격차

도시의 디지털 트윈—물리적 도시 환경을 실시간으로 반영하는 동적이고 데이터 기반의 가상 복제본—은 기후 적응 계획을 위한 매력적인 도구를 대표한다. 원칙적으로 디지털 트윈은 홍수 시나리오를 시뮬레이션하고, 대피 계획을 테스트하며, 인프라 투자를 평가하고, 물리적 세계에서 실제로 발생하기 전에 연쇄적 장애를 예측할 수 있다. 실제로는 개념과 구현 사이의 격차가 매우 다양하며, 가장 유용한 디지털 트윈은 비전적 서사가 제시하는 것보다 더 제한된 범위를 갖는 경향이 있다.

연구 현황

근린 수준의 디지털 트윈

Gkontzis et al. (2024)은 38회 인용을 기록하며 Future Internet에 게재된 가장 널리 참조되는 분석 중 하나를 제공한다. 이 연구는 근린 수준에서 적용된 디지털 트윈 기법을 검토하는데, 이는 도시 전체 트윈보다 다루기 용이한 세분성이며 회복력 계획에 더욱 즉각적으로 유용하다.

이 논문은 도시 수준의 디지털 트윈이 근본적인 데이터 통합 문제에 직면한다고 주장한다. 즉, 도시 규모에서 교통, 에너지, 수도, 건물, 인구 데이터를 결합하려면 아직 존재하지 않는 상호 운용성 표준이 필요하다. 이에 반해 근린 수준의 트윈은 더 관리 가능한 데이터 볼륨과 더 균질한 시스템으로 작동할 수 있다.

실용적 기여는 다음을 포함한다:

• 날씨 예보와 점유 패턴을 활용한 건물 수준의 에너지 수요에 대한 예측 분석
• 지형 고도, 배수 용량, 강수량 예측을 통합한 특정 도로망에 대한 홍수 위험 시뮬레이션
• 인프라 개선을 위한 시나리오 테스트—특정 배수 시스템이 업그레이드되면 홍수 위험은 어떻게 변하는가?

한계는 확장성이다. 근린 수준의 통찰이 자동으로 도시 수준의 이해로 집계되지는 않는다. 한 근린의 홍수를 줄이는 배수 개선이 인접 근린으로 물을 전환할 수도 있다.

해안 회복력 계획: 플로리다 사례 연구

Chen, Han, Galinski (2025)는 8회 인용을 기록하며 가장 응용적인 기여를 제시한다. 이는 플로리다의 해안 회복력 계획을 위해 클라우드 기반 지리공간 대시보드와 통합된 도시 디지털 트윈이다. 이 시스템은 계획가들이 필지 수준에서 홍수 취약성을 시각화하고, 해수면 상승 시나리오를 시뮬레이션하며, 다양한 기후 예측 하에서 위험에 처한 핵심 인프라(병원, 전력 변전소, 대피 경로)를 파악할 수 있게 한다.

지리공간 대시보드는 디지털 트윈을 비전문적 이해관계자—계획가, 비상 관리자, 지역사회 지도자—에게 접근 가능하게 만들며, 이들은 전문 GIS 소프트웨어 없이 웹 브라우저를 통해 모델과 상호작용할 수 있다. 이러한 접근성은 중요하다. 기술 전문가만 사용할 수 있는 디지털 트윈은 실제 계획 결정에 영향을 미치기 어렵다.

이 사례 연구는 능력과 한계를 모두 드러낸다. 이 시스템은 현재 홍수 위험과 단기적 해수면 상승(2050년까지)에 취약한 필지를 효과적으로 파악한다. 연쇄적 영향—전력 변전소 침수가 정전으로 이어지고, 이것이 병원에 영향을 미쳐 다른 시설에 과부하를 주는 방식—을 포착하는 데는 덜 효과적이다. 이러한 시스템적 상호작용은 현재 디지털 트윈 아키텍처가 지원하는 것보다 더 정교한 모델링을 필요로 한다.

체계적 검토: 스마트 시티 기술이 제공하는 것

Varzeshi와 Irajifar (2025)는 1회 인용을 기록하며, 스마트 시티 기술이 도시 회복력과 어떻게 연계되는지를 검토한 115개의 동료 심사 연구에 대한 체계적 검토를 제공한다. 이들의 분석은 냉철함으로 주목할 만하다. 문헌이 기술적 해결책을 열정적으로 촉진하는 반면, 실제 회복력 성과에 대한 그 영향의 증거는 빈약하다. 리뷰의 주요 발견:

• 기술 채택 ≠ 회복력 향상. 스마트 인프라(센서, 데이터 플랫폼, 대시보드)에 대규모로 투자하는 도시가 전통적인 조치(배수, 용도 지역 지정, 건축 법규)에 투자하는 도시에 비해 반드시 더 나은 회복력 성과를 보이는 것은 아니다.
• 거버넌스 격차. 대부분의 스마트 시티 프로젝트는 거버넌스 중심이 아닌 기술 중심으로 추진된다. 이러한 프로젝트는 데이터를 생산하지만, 데이터를 계획 결정으로 전환하는 제도적 메커니즘이 부재하다.
• 형평성 문제. 스마트 시티 기술은 더 부유하고 가시성이 높은 도시 지역에 주로 배치되는 경향이 있다. 기후 위험에 가장 취약한 비공식 정착지는 스마트 인프라의 혜택을 받을 가능성이 가장 낮다.

AIoT와 스마트 시티 브레인

Bibri와 Huang(2025)은 10회 인용으로, 이론적으로 가장 야심찬 프레임워크인 "스마트 시티 브레인(smart city brain)"을 제시한다. 이는 지속 가능한 도시 관리를 위해 사물 인공지능(AIoT)과 디지털 트윈 시스템을 통합하는 개념적 아키텍처이다.

이 프레임워크는 다음을 구분한다:

• 실시간 관리: IoT 센서 데이터와 AI 추론을 활용하여 즉각적인 상황(교통 혼잡, 대기질 경보, 긴급 대응)에 대응하는 것.
• 예측적 계획: 디지털 트윈 시뮬레이션을 활용하여 미래 상황(기후 시나리오에 따른 홍수 위험, 개발 계획에 따른 에너지 수요)을 예측하는 것.
• 전략적 최적화: AI를 활용하여 여러 도시 시스템에 걸쳐 동시에 최적의 투자 전략(교통, 에너지, 수도, 폐기물 투자 간 균형)을 도출하는 것.

이 프레임워크는 개념적으로 포괄적이나, 완전한 구현을 위해서는 현재 어떤 도시도 보유하지 못한 데이터 통합 역량, 컴퓨팅 자원, 제도적 조정이 필요하다는 점을 인정한다. 실질적인 권고 사항은 단계적 구현이다. 즉, 센서 데이터와 기본 AI만 필요한 실시간 관리부터 시작하여, 디지털 트윈이 필요한 예측적 계획으로 나아가고, 궁극적으로는 시스템 간 통합이 요구되는 전략적 최적화에 도달하는 것이다.

비판적 분석: 주장과 근거

<

주장	근거	판정
디지털 트윈이 도시 홍수 위험 평가를 개선한다	Chen et al.의 플로리다 해안 사례 연구	✅ 지지됨 — 직접 침수에 대한 필지 수준에서
근린 수준의 트윈이 도시 수준의 트윈보다 다루기 용이하다	Gkontzis et al.의 비교 분석	✅ 지지됨
스마트 시티 기술 투자가 회복력 성과를 향상시킨다	Varzeshi et al.의 115개 연구 체계적 문헌 고찰	⚠️ 불확실 — 채택률은 높으나, 성과 향상에 대한 근거는 제한적
완전한 AIoT-디지털 트윈 통합이 실현 가능하다	Bibri & Huang의 프레임워크 분석	⚠️ 불확실 — 개념적으로는 타당하나, 완전히 구현한 도시는 없음

미해결 과제

연쇄 효과: 현재의 디지털 트윈은 개별 시스템은 잘 모델링하지만, 시스템 간 상호작용에 어려움을 겪는다. 실제 재난의 특징인 연쇄적 실패를 어떻게 모델링할 것인가?

데이터 형평성: 디지털 트윈이 센서 데이터를 기반으로 구축된다면, 센서가 없는 지역은 가시화되지 않는다. 가장 취약한 지역사회에 대한 커버리지를 어떻게 확보할 것인가?

거버넌스 통합: 디지털 트윈은 정보를 생산하고, 거버넌스는 결정을 생산한다. 이 간극을 어떻게 연결할 것인가? 비기술적 이해관계자도 접근 가능한 의사결정 지원 인터페이스가 필수적이다.

검증: 아직 발생하지 않은 사건(100년 주기 홍수, 2°C 온난화)에 대한 디지털 트윈의 예측을 어떻게 검증할 것인가?

연구에의 시사점

도시 계획가에게 있어, Chen et al.의 플로리다 사례 연구는 필지 수준의 홍수 취약성 평가를 위한 실질적인 모델을 제공한다. 클라우드 기반 대시보드 방식은 전문적인 GIS 교육 없이도 기술에 접근할 수 있게 해준다. 회복탄력성 연구자들에게 Varzeshi 등의 체계적 문헌고찰은 하나의 교정적 시각을 제시한다. 즉, 스마트 시티 기술이 자동적으로 회복탄력성 구축 기술이 되는 것은 아니라는 점이다. 제도적·거버넌스 차원은 기술적 차원 못지않게 중요하다.

관련 연구는 ORAA ResearchBrain을 통해 탐색할 수 있다.