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

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

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

边缘计算及数据传输 飞行数据处理 飞行成果交付及应用 数据储存 数据加工 互联网 数据分析 无人机飞行 数据采集 边缘计算 数据传输 数据处理 成果交付 无人航空数字运营一体化体系 AI 、云计算、 BIM 、 GIS 、大数据、可 、大数据、可 视化 5 数据应用 数据展示 数据访问 GISTC 无人机机队 无人机全自动机场 Al 移动边 缘 计算终 端 影像数据 GIS 、 IO T P11 AT 违章搭建 河道“四乱” 水体污染 交通流量 裸土覆盖 建筑垃圾 消防通道占用 人群聚集 消防火点 无人航空数字运营一体化体系 飞行资源管理 前端感知能力 AI 融合识别 智能应用场景 图层管理

在系统架构设计上，我们将采用分层架构，主要包括数据收集 层、数据处理层、决策支持层和用户交互层。数据收集层将通过多 元化的传感器获取地面和空中的实时数据，其中包括气象数据、航 班状态信息以及空域利用情况。数据处理层将采用云计算技术，对 收集的数据进行分析与处理，以支持决策层的实时决策。 在技术选型方面，将优先考虑采用国际先进的空中交通管理技 术，包括自动依赖监视-广播（ADS-B）、基于卫星的导航系统 （GNSS GPS、ADS-B、气象数据、突发事件监控以及地面交通状况等 多方面的信息整合在一起，形成一个全面的视图，辅助管制员做出 更加准确的决策。 此外，为了适应未来可能出现的技术挑战，许多国家及国际组 织正在推进云计算和边缘计算技术的应用，以构建灵活、可扩展的 ATC 系统，这将有助于在更大规模的空域内实现高效管理并降低运 营成本。 总而言之，现有空中交通管制系统的主要技术平台经过不断的 创新和改进，为航空安全提供了强有力的保障。通过构建一个高 户界面等，可以有效地实现功能的独立升级和扩展。这些模块之间 应通过明确定义的接口进行交互，确保在增加新功能模块或升级现 有模块时，其他模块不会受到影响。 其次，采用分布式架构是实现可扩展性的另一个重要策略。利 用云计算和边缘计算技术，可以将处理任务分布到多个物理设备 上，从而提升系统的处理能力和灵活性。这样的分布式系统可以根 据流量的变化动态调整资源分配，避免集中处理带来的性能瓶颈。 在技术实现上，引入微服务架构也能增强系统的可扩展性。通

港商务园东区 8 号楼 A701 b. 红外热成像设备 红外热成像运用光电技术检测物体热辐射的红外线特定波段信号，将该信号转换成可供 人类规觉分辨的图像呾图形，幵可以进一步计算出温度值。红外热成像技术使人类超越了规 觉障碍，由此人们可以「看到」物体表面的温度分布状况。 红外热像性能参数  热灵敏度：0.03℃（在 30℃）  热像仪数据帧频：50/60HZ b. 倾斜摄影建模软件  倾斜摄影三维自劢建模软件 DP-Smart DP-Smart 是一套基亍空地多源序列影像，无需人巟干预，软件基亍摄影测量、计算机 规觉不计算几何算法，支持全自劢空三计算、密集点于生成、构建 TIN 网、自劢纹理映射 等步骤，实现高分辨率真三维模型的快速生成。  倾斜摄影建模测图软件 DP-Modeler DP-Modeler