准的数据支持。 系统的核心功能包括图像采集、实时传输、AI 识别、数据分析 和结果输出。无人机将按照预设的航线自动飞行，采集高分辨率图 像，并通过无线网络实时传输至地面站。地面站配备高性能计算设 备，运行 AI 模型对图像进行识别，识别内容包括但不限于植被覆 盖、建筑物分布、道路状况、水体变化等。识别结果将自动生成报 告，并通过用户界面展示，支持进一步的数据分析和决策支持。 为确 或遗漏，导致决策的滞后性和不准确性。此外，随着无人机采集的 数据量呈指数级增长，如何高效处理和分析这些海量数据成为亟待 解决的技术难题。 近年来，人工智能（AI）技术的突破为无人机图像处理提供了 新的解决方案。通过深度学习、计算机视觉等 AI 技术，可以实现 对无人机图像的自动识别、分类和分析，显著提升处理效率和准确 性。例如，在农业领域，AI 可以自动识别作物的生长状态、病虫害 情况；在城市管理中，AI 可以实时监测交通流量、识别违章建筑； 世纪初诞生以来，经历了从军事用途到民用 领域的广泛扩展。早期的无人机主要用于军事侦察和靶机训练，随 着技术的进步，无人机逐渐在农业、物流、测绘、环境监测等多个 领域得到应用。近年来，随着人工智能、计算机视觉和传感器技术 的快速发展，无人机的能力得到了显著提升，尤其是在低空飞行和 复杂环境下的自主导航与任务执行方面。 在硬件方面，无人机的设计已经从简单的固定翼飞机发展到多 旋翼、混合动力等

.....................................................................................454 8.3.4 实时性与计算优化................................................................................................. .......................................................................................487 3. 通信机制与计算架构................................................................................................. .......................................................................................512 9.3.3 边缘计算与通信优化..............................................................................................

辐射面广、成长性和带动性强等特点。 低空智联网是低空经济规模化发展的基础底座，指服务于低空应用的网络、终端、平 台、安全等端到端信息化系统，负责低空数据传输和处理、低空飞行器感知和定位、路径 规划计算等功能，是空中交通、低空物流、城市治理等应用的基础载体。低空智联网依托 5G-A 和卫星互联网，融合 A2X 通信与自组织网络，在现有的空、天、地等各类信息通信 设施和机场停机坪等物理设施之上， 汽车等节点具有灵活、高速移动的特性，拓扑频繁变化，路由和资源调度困难；二是在低 空智联网中，终端节点功耗、带宽、计算与存储能力受限，难以承受复杂协议带来的开销； 三是由于低空自组网中缺乏专用路由，易受攻击，且广播通信链路易引发误码。 基于上述挑战，需要低空智联网设计灵活高效的无线自组织技术，具体包括拓扑自适应 与智能路由、无线自组网的协议优化、边缘计算与协同处理、身份认证与攻击检测等。 （1）拓扑自适应与智能路由 与传统自 （3）边缘计算与协同处理 与地面终端相比，低空自组网中终端节点计算、存储能力更为有限。如图 11 所示，可 在低空飞行器群中部署轻量级边缘计算节点，将感知信息融合、任务分配及本地控制决策 等数据处理任务卸载到边缘节点，减少对远端云服务器的依赖，显著降低数据往返带来的 通信时延和带宽占用。同时，可使用协同计算机制，让多低空飞行器能够共享在任务执行 过程中产生的感知信息和计算资源，通过分布式深度神经网络（Deep

实时传输至指挥中心，并通过可视化平台展示，辅助决策者快速响 应。 项目的技术架构分为三个层次：感知层、处理层和应用层。感 知层由无人机及其搭载的传感器设备组成，负责数据采集；处理层 通过边缘计算和云端 AI 算法，对采集到的数据进行实时分析和处 理；应用层则通过指挥中心的可视化平台，将处理结果呈现给决策 者，并提供智能化的灭火建议。 项目的实施将显著提升火灾防控的效率和准确性，减少火灾造 清摄像头、红外热成像仪和激光雷达等传感器。 - AI 算法：基于深 度学习的图像识别模型，结合卷积神经网络（CNN）和目标检测算 法（如 YOLO ），实现对火源、烟雾和人员的高精度识别。 - 数据 处理与传输：利用边缘计算技术，在无人机端进行初步数据处理， 减少数据传输延迟；同时，通过 5G 网络实现实时数据传输，确保 指挥中心能够及时获取关键信息。 项目预期成果包括： - 火灾预警时间缩短至 5 分钟以内； 定 位，算法将集成目标检测、图像分割和特征提取等功能，确保在不 同环境条件下的高精度识别。数据传输与处理系统将采用 5G 或 LTE 网络，确保实时高清图像和数据的低延迟传输，同时结合边缘 计算技术，在无人机端进行初步数据处理，减少对中心服务器的依 赖。地面控制站将集成任务规划、实时监控、数据分析等功能，支 持多机协同作业和远程指挥调度。 在具体应用中，无人机将搭载高分辨率摄像头、红外热成像仪

传统 5G 网络主要面向地面用户设计, 低空空域存在覆盖盲区; 固定拓扑的蜂窝架构难以适配飞行器高速移动 带来的动态连接需求; 复杂业务场景导致难以同时满足低空导航 (时延敏感型) 和三维建模 (计算密集 型) 等差异化需求. 在此背景下, 低空智联网 (low-altitude intelligent networks, LAIN) 作为面向低空空 域的专用智能网络架构应运而生 [1], LAIN 空网络三维拓扑的秒级动态变化 [4], 且无法实时获取无人机节点的能源状态、三维坐标等关键参数, 严重制约资源优化决策的时效性. 其次, 资源调度机制僵化. 传统 “容量规划 + 固定配置” 模式难以 适应低空场景中通信、计算、频谱资源的动态耦合需求 [5]. 再次, 故障恢复时效性不足. 人工介入的故 障定位与被动式处理流程无法满足低空业务实时性要求, 缺乏基于自主学习的故障预测、分析和恢复 能力 [6]. 最后, 安全防护体系碎片化 特征、重要用例、架构、现有挑战和可能的解决方案. Xiao 等 [13] 全面 调研了面向 6G 的 SAGIN 研究现状, 包括系统架构、网络特性、通信、计算及其融合技术. Xiao 等认 为, 由于地面、空中、空间平台计算能力的快速发展, 6G 不仅将提供无线连接, 还将提供计算与智能 服务. 总体来说, 5G/6G 是低空智联网的通信底座, 低空智联网是 5G-A/6G 技术落地的垂直场景. 但 低空智联网对感知、时延、安全的要求远高于通用

开发者 …… SDP 区块链 SDN 汽车 无人机 摄像头 智能穿戴 机器人 开发者接口 政府接口 园区接口 商业接口 AIoT Saas 应用 端 网 云 场景 MEC 边缘计算 门禁 eMBB 切片 WEB 容器 消息中间件 5G 高速专网 数据采集 数据仓库 数据分析与挖掘 数据可视化 污染物观测 特定监控 污染源搜索 环境巡查 污染物判定 智能部署，应用便捷 ，设备感知回采数据结构化规范，有能力与各地环保省、市、县现有已建卡口系统无缝对接，并 融合政府公务大数据、云计算、机器视觉等关键技术，全面提升当地环保部门的视频图像实践应用成效 无人机大气智能监测系统：集成视频专网，形成空中巡逻队 05/26/2025 12 实施保障： AI 云计算平台，打造高效稳定运行基础 AI CLOUD 人工决策 人工智能 视频联网 机器视觉 图像解析 算法仓库 算法仓库 大数据平台 • 资源共享 • 权限管理 • GIS 应用 • 面部识别 • 物体识别 • 轨迹重构 • 算法审核 • 接口管理 • 算法描述 • 视图分析 • 协同计算 • 数据检索 • 数据统计 • 分析建模 • 数据展现 数据存储 深度学习 / 机器学习 专用容器集群 开放平台 政府决策者、企业管 理者、系统操作员 自主工作、自动识别、 自动决策 场 景 数

环境监测与空域调度的综合体系，支撑农业监测、应急救援、城市物流等多样化场景。然而， 当前仍面临通信信号覆盖盲区、动态频谱管理不足、数据隐私保护等挑战。未来，技术将朝 智能化、集成化与全球化方向演进，依托人工智能、边缘计算及空天地一体化网络，推动低 空经济与智慧城市深度融合，并通过国际合作与标准统一，构建安全、开放、可持续的低空 生态。聚焦低空空域智能化管理需求，提出技术标准与系统化解决方案。 Intelligence， AI）和边缘计算等技术的飞速发展，低空空域管理得到了全面提升。随着低空空域管理对智 能化、自动化需求的不断提升，飞行器与地面系统、其他飞行器之间需要实时进行大数据量 的双向通信，5G 技术的低延迟和高带宽特性，满足了这些大规模数据的实时传输需求，使 得低空通信更加高效稳定，为智能化与自动化奠定了坚实基础。同时，在 AI 和边缘计算的 赋能下，导航和监视技术逐渐朝着自 象站、气象传感器、无人 机搭载的气象设备得到了快速发展。这些系统能够实时获取低空飞行环境的气象数据，如风 速、气压、湿度等参数，保障飞行器在复杂气候条件下安全运行。同时，气象数据与大数据、 云计算的结合，为低空空域的飞行计划和调度提供了更为精确的决策支持。 数字低空工作组 6 如今，低空通导监气技术正朝着标准化、智能化和全球互联互通的方向发展。低空通信 方面，5G

用等领域相关的一系列经济活动。通常所说的低空航空器包括无人 机（UAV）、载人小型航空器、直升机等，这些航空器在海拔 500 米以下的空域中进行飞行。低空产业不仅涵盖了航空器的制造、运 营、管理、监管等环节，还涵盖了大数据、云计算、人工智能等现 代信息技术的应用。其应用领域广泛，包括农业植保、物流配送、 环境监测、安防巡检、城市管理等。 在全球范围内，低空产业的发展受到诸多因素的推动。首先， 技术进步为低空产业提供了强有力的技术支撑。近年来，无人机技 服务整合与优化：通过平台的搭建，可以将各类低空服务整 合，例如无人机快递、空中巡检、环境监测等，实现服务的优 化与创新。 在具体实现中，低空产业城市管理平台将采用先进的技术手 段，包括物联网(IoT)、人工智能(AI)、云计算等，构建一个全面、 智能的管理体系。同时，平台的运行也需遵循相关法律法规，保护 公民隐私与安全。 综合来看，低空产业城市管理平台是一个多功能、高效能的管 理工具，能够有效解决低空经济发展的管理挑战，促进城市的可持 持。无人机可以配备各类传感器，例如高清摄像头、红外热成像 仪、激光雷达（LiDAR）等，以实现不同的飞行目标。这些传感器 能够实时采集环境数据，为城市管理提供决策支持。 在数据处理技术方面，随着大数据和云计算技术的发展，无人 机所采集的数据能够被高效处理和分析。通过数据融合技术，可以 将来自不同传感器的数据进行整合，以生成更加全面和准确的城市 管理信息。 无人机的应用场景也非常广泛，具体包括但不限于：

5 个采集点，实时监测温度、湿度、气压、风速、风 向等气象参数，采用高精度传感器确保数据准确性，并支持动态调整采样频率以适应不同 天气条件。 数据处理与分析模块 服务应用模块 集成边缘计算与云计算能力，对采集的原始数据进行清洗、校准和融合处理，结合机器学 习算法预测短时气象变化趋势，生成可视化报告供决策参考。 提供 API 接口和用户交互界面，支持农业、航空、城市管理等行业定制化需求，如无人机 在 300-1000 米低空建立长期观测 节点，与地面雷达组网形成立体探 测体系，数据更新频率达 10 秒 / 次，完整覆盖城市低空交通走 廊。 数据采集传输方案 边缘计算节点 在各观测站点部署 AI 边缘计算网关，内置 LSTM 时序预测算法，实现原始数据的本地质 量控制和特征提取，将传输数据量压缩至原始值的 15% ，同时保证关键信息完整度 ≥ 99% 。 5G+ 北斗双通道传输 应急救灾无人机保障 采用气象风险成本算法，为城市空中巴士设计兼顾安全性与经济性的三维航线网络，规避 高层建筑风扰区与热岛效应多发带，使航线气象风险值降低 40% 以上。 开发专用气象保障模块，在台风过境期间实时计算救援无人机可作业窗口期，结合降水粒 子谱分析提供抗雨雾机型的最优飞行高度建议。 1 2 3 创新应用场景 05 精准航线规划 结合气象数据与物流算法，构建智能调度系统， 根据实时天气变化动态调整无人机起降时间、

API 开发者 …… SDP 区块链 SDN 执法车辆 无人机 气体监测仪 开发者接口 政府接口 园区接口 商业接口 AIoT Saas 应用 端 网 云 场景 MEC 边缘计算 eMBB 切片 WEB 容器 消息中间件 5G 高速专网 数据采集 数据仓库 数据分析与挖掘 数据可视化 污染物观测 特定监控 污染源搜索 环境巡查 污染物判定  PGIS 图像数据采集 最大起降海拔 4500m 实用升限 6000m 环境适应范围 -20℃~60℃ X-Chimera 25 是一款兼具固定翼和多旋翼优点 的大载重、长航时垂直起降纯电无人机，搭载高性能 飞管计算机，可适配多种载荷，使用更强的数据链， 实现更强大的抗干扰性能，具备强大的作业能力，深 度服务于警航应用。 负载介绍：工业级高端任务系统，响应日常功能需要 30 倍可见光 +25mm 红外光电吊舱 建设要求，设备感知回采数据结构化规范，有能力与各地环保省、市、县现有已建卡口系统无缝对接， 并融合政府公务大数据、云计算、机器视觉等关键技术，全面提升当地环保部门的视频图像实践应用成效 实施保障：集成视频专网，形成空中巡逻队 05/26/2025 27 实施保障： AI 云计算平台，打造高效稳定运行基础 傲势 AI CLOUD 人工决策 人工智能 视频联网 机器视觉 图像解析 算法仓库