未来的发展方向必须立足于现实制约因素，同时应着眼于长期的系 统性转型。这意味着在规划中应注重协同效应，例如将无人机走廊与 绿色基础设施相结合，或将配送点整合到公共空间中。 通过将当前的研究洞察与战略方向相衔接，城市可以从试点阶段迈 向系统性变革。下一步，应明确这些战略方向，并探索其在不同的城 市环境中的实施路径与适应机制。 研究结果与未来方向的衔接 5 大湾区低空经济发展与城市规划 从上到下：基本飞行、自由航 线、走廊式航线、固定航线

中长期来看我们认为低空经济发展前景广阔，根据赛迪顾问统计， 2023 年我国低空经济规模超过 5000 亿元，预 测到 2026 年将突破 1 万亿元。建议关注以下低空基础设施相关标的： 1 ）低空空管及数据服务：莱斯信息、 中科星图、 新晨科技。 2 ）低空 通导监设施： 四川九洲、 国睿科技、纳睿雷达、 华测导航、 海格通信、北斗星通。 3 ）低空设计规划：深城交、 苏交科、 华设集团。 核心观点 低空空管与民航空管技术同源，低空飞行量抬升对系统承载力提出更高要求 低空空管系统示例：珠海市低空飞行管理服务 系统 低空经济发展将推动飞行量成倍 抬升 资料来源： 莱斯信息招股说明书， 莱斯信息公众号，平安证券研究所 21 公司在传统民航空管领域具备深厚经验 。 莱斯信息背靠电科 28 所，为民航空管国产化龙头企业，在空管自动化系统、 空管场面管理系统、 空管模拟训练系统领域均具有较为领先的市场地位 。根据公司招股说明书，截至 产品——莱斯 “天牧 ” 系列， 包括 低空飞行管理服务平台 “天牧 M”/ 无人机运营服务系统 “天牧 -S”/ 空域航线规划仿真系统 “天牧 -P”/ 起降场智能管理系统 “天牧 -A” 。 传统民航空管由 ATM 和 CNS 组成 国内空管自动化系统市场占有率 莱斯信息“天牧”低空飞行监管服务 平台 莱斯信息：民航

确保产业生态能够健康、可持续运转的商业核心议题。 ⚫ 关键技术与产业格局：数字孪生、5G-A/6G、人工智能是构建未来空管体 系的关键使能技术。国内在该领域的产业格局已初步形成，主要包括以莱 斯信息为代表的“国家队”、以中科星图为代表的“跨界者”、以及以三大 运营商和深城交为代表的“基础设施派”三股核心力量，未来将呈现竞合 交织的复杂态势。 第三章 第四章 第六章 设施网的场站使用费、空联网的连接与数据服务费、航路 网可能存在的通行费、服务网的平台服务费，这些成本最终由谁承担，又如何在设施投资方 （如机场集团）、网络运营商（如三大运营商）、平台服务商（如莱斯信息）、飞行器运营商（如 物流公司）以及终端用户（乘客或货主）之间进行公平、高效的分配？ 这触及了产业生态能否顺畅运转的商业核心。如果价值链条不清晰、权责利不统一，将 极大地抑制社会资本的投资 与核心安全系统主要技术供应商格局分析 低空“规则”的制定与实施，催生了一个全新的高技术产业赛道。目前，国内已涌现出 一批核心技术供应商，初步形成三股力量竞合的格局： ⚫ “国家队”——传统空管技术巨头：以莱斯信息和中国电科集团下属研究所为代表。他 们长期服务于我国军民航高空管制系统，技术积累深厚，对空域管理的理解深刻，在系 统架构、安全标准、军民航协同方面具备天然优势，是国家级和省级低空监管服务平台

成前 期军、民航手续审批，初步设计等相关工作，项目整体正在稳步推进。 西安通用航空科技集团有限公司已与国际著名通用飞机、飞机发动机制造商 BOMBARDIER （庞 巴迪）、 Cessna （塞斯纳）、 DASSAULT/FALCON 达索 / 猎鹰）、 CIRRUS( 西锐 ) 等有良好的合作 关系，并与成都飞机工业（集团）有限责任公司、西安飞机工业（集团）有限责任公司、中国试飞 院、中航集

中期实施建设阶段—机场建设主要系统工程 57 注： 具体数据以可研报 告为准 针对恭城县通用机场 A1 等级，机场运营初期可使用机型 和飞 机客座数暂定如下： 机型：运 12 客座数： 19 机型：塞斯纳 172 客座数： 4 机型： eVTOL 客座数： 14 机型： CTLS ，客座数： 2 机型 : 卡 -32 客座 数 :13 机型：贝尔 407 客座数： 8 后期运营管理—初步设计机型停放（部分）

安防面临着日益严峻的挑战。无人机“黑飞”、闯入机场净空保护区 等事件时有发生，严重威胁到航班起降安全和旅客生命财产安全。比如：2024年12月韩国务安国际机场飞鸟撞机事件、 2016年4月英国希斯罗机场无人机碰撞事件等。 民航机场低空安防主要场景如图4.1所示。根据《民用机场无人驾驶航空器探测系统通用技术要求（征求意见稿）》，民 用机场无人机探测区域包含警戒区、核心区和机场围界内的复合区域，如图4

数据融合技术主要采用以下几种方法：  卡尔曼滤波（Kalman Filter）：用于线性动态系统的状态估 计，通过动态模型和观测模型的结合，有效降低测量噪声对数 据的影响，并提供对目标状态的最优估计。  贝叶斯融合：采用贝叶斯推断方法，在多传感器环境下，通过 更新先验信息，逐步调整目标状态的后验分布，提高最终估计 的准确度。  Dempster-Shafer 理论：处理不确定性信息的一种方法，可 以在存在

策支持。以下是低空数据处理与分析的几项关键技术： 1、数据融合技术 通过整合来自不同传感器的数据（如视觉、雷达、激光雷达、气象传感器等），提供更 为全面和准确的信息。该技术采用多种算法（如加权平均、卡尔曼滤波、贝叶斯网络等）， 处理不同来源的数据，消除冗余信息与不确定性。数据融合不仅提高了数据的精度和系统鲁 棒性，还增强了系统在复杂低空环境（如城市区域）中的适应能力，有效客服信号干扰和遮 挡带来的影响。

图像增强是图像处理模块的辅助功能，旨在提升图像的质量和 可读性。常用的图像增强技术包括对比度增强、锐化处理和超分辨 率重建。对比度增强通过直方图拉伸或自适应直方图均衡化 （CLAHE）提升图像的细节表现；锐化处理通过拉普拉斯算子或非 锐化掩模（Unsharp Mask）增强图像的边缘信息；超分辨率重建 则通过深度学习模型（如 SRGAN）提升图像的分辨率，适用于低 分辨率图像的细节恢复。 为了优化图像处理模块的性能，可采用并行计算和硬件加速技 传统方法：支持向量机（SVM） o 深度学习方法：YOLO、Faster R-CNN o 轻量级模型：MobileNet、YOLOv5 4. 图像增强： o 对比度增强：直方图拉伸、CLAHE o 锐化处理：拉普拉斯算子、非锐化掩模 o 超分辨率重建：SRGAN 图像处理模块的性能指标可通过以下参数进行评估： 参数 目标值 备注 处理速 度 ≥30 fps 满足实时性要求 识别精 度 ≥95% 确保目标识别的准确性