能, 并针对各个层次的关键技术, 包括低空组网覆盖和资源分配技术、网络资源孪生建模与状态同步 技术、动态网络性能状态的小尺度预测方法、业务需求自适应的资源映射机制和管控智能体部署方案 等, 进行了介绍. 结合关键技术, 本文进行了低空智联网自智管控实例设计, 验证了网络性能预测机 制、资源状态孪生同步机制以及低空网络自主部署机制的有效性. 最后总结低空智联网的未来技术挑 战, 为未来低空智联网的智能化、自主化运维提供了技术参考 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. 传统安全机制难以应对低空跨域场景下的新型威胁 [7], 如无人机 身份伪造、数据跨域传输泄露等问题. 为应对上述挑战, 本文引入以自智网 其核心思想是, 通过在虚拟空间构建与物理网络环境对应的数 字孪生体, 实时采集与映射低空智联网的网络拓扑、资源状态、业务需求、环境信息等; 借助大模型、 分布式 AI 等新型技术实现对网络的智能感知、预测与自适应管控; 并支持故障快速自愈, 从而保证业 务连续稳定运行与网络资源高效利用. 喻鹏等 中国科学 : 信息科学 2025 年 第 55 卷 第 10 期 2451 1.1 低空智联网研究现状

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 航线规划、灾害预警推送等，实现低空气象数据的商业化应用。 1 ）和高可靠性（ 99.9% 可用 性）。 数据流与业务逻辑 数据采集与传输 系统整合卫星遥感、地面气象站等第三方数据源，通过时空对齐算法消除数据偏差，构 建覆盖 1000 米低空的立体气象模型，提升预测精度。 多源数据融合 基于业务规则引擎和 AI 模型，自动触发预警阈值（如风速超限时暂停无人机作业）， 并通过短信、邮件或平台通知多端推送告警信息。 智能决策支持 系统技术指标（覆盖高度 1000 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 时空数据库架构 采用 5G URLLC

传统深度学习方法多基于固定退化假设，难以适应真实场景的复杂退化过程。为弥合合 成数据与真实图像的域差异，RealSR [35]利用变焦镜头采集真实 LR-HR 配对数据，并设计 拉普拉斯金字塔核预测网络学习空间变化的退化核；无监督方法 KernelGAN [36]则利用图像 内部补块分布一致性，通过内部生成对抗网络（generative adversarial network, GAN）学习 720p 输入下 24fps 实时处理。 为克服复杂运动导致的估计误差，可变形卷积通过自适应采样替代显式对齐。DRVSR[5 9]设计子像素运动补偿层，在低分辨率空间同步完成上采样与运动补偿：网格生成器预测采 样坐标，采样器执行特征扭曲，配合 ConvLSTM 融合时空特征，使快速运动场景 PSNR 提 升 1.8dB。TDAN[60]则彻底摒弃光流估计，通过可变形卷积层直接学习动态采样偏移量，有 多层感知机（multilayer perceptron， MLP），该 MLP 以目标高分辨率图像空间中每个像素点的坐标以及从双分支融合得到的、 对应低分辨率区域的深度特征向量作为输入，直接回归预测该目标位置的高分辨率像素值。 这种坐标到像素值的连续映射函数特性，使得模型仅需训练一次，即可在推理阶段通过向 M LP 输入连续变化的坐标值，灵活地生成任意目标分辨率的高质量视频帧，彻底打破了传统

低空智联网场景和关键技术白皮书 17 变化内在规律，基于历史数据准确预测分析不同高度、速度及环境条件对信号衰减、多径效应的 影响，从而指导调制、编码及信号处理策略的优化，进一步提升链路稳定性和传输效率。 （2）波束跟踪 研究实时的波束跟踪技术，保障波束的赋形增益，通过终端的位置上报，以校准波束 对准的精度，建立实时的数字波束赋形机制。通过波束跟踪算法预测和估计低空飞行器的 运动状态、并结合强化学习在动态 研究低空飞行器高速运动带来的时频变化特性，确定时频估计、补偿等同步方案，确保可靠 的数据发送和接收。针对定时和多普勒的偏移，可采用深度学习或强化学习，根据接收信号特征、 位置信息、速度传感器数据等，实时预测多普勒频偏和定时偏差，并动态调整同步参数。或采用 联合时频同步算法，将定时同步与频率同步统一建模、联合估计，一次性补偿两类偏移，从而减 少误差传播并提升同步精度。同时，终端和基站的位置信息也可用于时频同步误差的预补偿。 。主要措施包 括优化邻区列表的完整性与优先级，调整切换触发门限与滞后时间，减少不必要的切换和 切换失败的概率。如图 4 所示，可结合飞行路径预测与实时信号质量监测，实现邻区的动 态优化配置，保障低空智联网全航程的无缝连接。 图 4 结合飞行路径预测的邻区覆盖管理 （4）长距离通信 在通信链路传输中，应研究高鲁棒性的数据传输技术，保障长距离的通信能力；通过 采用波束扫描技术、多基站协同

6.2.1 实时分析算法.............................................................................79 6.2.2 预测模型应用.............................................................................82 7. 监测站点的选址.... 户应用功能。具体功能可分为以下几类：  数据存储管理：采用云计算平台，确保大数据量的高效存储和 管理，支持多维度数据查询。  数据分析模块：运用人工智能算法对数据进行处理，实现异常 检测、趋势预测等分析功能。  可视化展示模块：通过 Web 界面或移动应用将监测数据以图 表、地图等形式直观展示，便于用户监控环境质量变化。 为保障系统的整体性能，系统架构引入了分布式计算和资源负 载均 能力。选择合适的数据存储格式，如 Parquet 或 ORC，能进一步 提高读取和分析时的效率。 数据分析将结合人工智能与传统统计方法，具体分析内容包 括：  空气质量指数分析  噪声污染源辨识  环境趋势预测  事件检测与预警 分析结果需通过可视化手段呈现，采用 Dash 或 Tableau 等工 具进行图形化展示，使用户能够更直观地理解环境状况及变化趋 势。 为了确保各项操作的流畅性和准确性，数据处理层的架构可以

基于早退策略在视觉基础模型前端引入高判别高阶预测器 ， 设计两阶段损失权重 分配策略提升早期预测器准确性 ， 30% 内存消耗的准确率接近全推理性能 创新：基于高阶预测器器解耦优化的视觉基础模型推理高效微调 (ICCV 2025) 先学习低级特征的生成 随后提升判别能力 loss↓ ➫ 判别能力 ↑ loss↑ ➫ 判别能力 ↓ xi = Bypi (xi) + xi 高阶预测器 {i = 脑 智能模型引擎 低空通用大模型 + 小模型工 厂 策控一体化 多模态输入 感知编码器 策略网络 RealSense 深度图 多轨迹输出 姿态状态向量 MLP 状态向量 碰撞预测 飞行控制指令 板载执行 最优轨迹确定 低空具身智能 数据基础平台 大规模低空数据平台 仿真 - 物理具身数据基座 集群协同数据基准 低空无人机数据基座建设 面临低空智能感知挑战

年，建成全国性数据共享平台， 实现跨区域、跨部门数据共享与协同应用。 3.4 人工智能与大模型应用 3.4.1 人工智能在低空交通管理中的应用工程 1. 开发基于深度学习的低空飞行态势预测模型，利用历史飞行数据、 气象数据、空域数据等，预测未来 2 - 4 小时内低空飞行流量、 潜在冲突点等，提前制定流量调控策略。 2. 部署智能决策算法，实现飞行计划自动优化（如航路规划、起降 时刻调整）、冲突智能解决（如自动生成避让方案）。2024 以上。 3.4.2 大模型在低空经济中的应用工程 1. 训练低空经济领域专用大模型，整合飞行器设计、制造、运营、 市场等多维度数据，为飞行器性能优化（如气动外形设计、动力 系统匹配）、市场需求预测（如低空旅游客源分析、物流需求预 估）提供智能决策支持。 2. 2025 - 2027 年，在 3 - 5 家飞行器制造企业、低空物流企业开 展大模型应用试点，验证技术可行性与经济效益。 3 技术风险 7.2.1 风险表现 5G 通信在复杂低空环境下可能存在信号不稳定、干扰问题；北斗定位 导航系统在极端天气或特殊地理区域精度下降；人工智能与大模型在 数据训练不足时，易出现决策失误或预测偏差。 7.2.2 应对措施 加大技术研发投入，联合通信运营商、科研机构开展 5G 低空通信专 项技术攻关，开发自适应信号增强、抗干扰技术；优化北斗定位导航 系统，增加差分基准站密度，结合惯性导航等技术实现多源融合定位。

2.2 商业投资................................................................................131 12. 财务预测与效益分析..............................................................................133 12.1 收入预估.. 其次，在物流与运输行业，低空飞行为最后一公里配送提供了 创新解决方案。无人机配送能够迅速、灵活地将小件货物送达目的 地，特别是在城市拥堵或偏远地区。这种方式不仅节省了时间，还 降低了物流成本。根据行业预测，到 2030 年，无人机快递市场预 计将达到数百亿美元的规模。 同时，低空飞行在公共安全和应急救援中也发挥着重要作用。 无人机能够在灾害发生后迅速展开实时监控，提供受灾区域的详细 图像和信 节，旨在明确当前及未来潜在用户的需求，评估市场环境和机会， 以支持平台的有效建设和运营。 首先，低空飞行服务的市场需求主要源于以下几个领域： 1. 无人机物流：随着电商行业的发展，无人机配送逐渐成为重要 的物流手段。根据预测，到 2025 年，全球无人机快递市场规 模将达到数十亿美元。电商企业及物流公司对低空飞行服务的 需求日益增加。 2. 农业植保：现代农业对高效、精准的农药喷洒和病虫害监测提 出了需求。许多

2023 资料来源：头豹研究院， 国联民生证券研究所 1174.3 652.1 889.5 预计无人机 2030 年市场规模超 6800 亿元，工业无人机发展曲线更为陡峭 ◥ 根据头豹研究院，预测 2024 年中国民用无人机市场规模约 1510.5 亿元，预计 2030 年市场规模超 6800 亿元，其中工业无人机 在政策 及人工智能等技术推动下市场份额有望持续提升。 34.9% 45 68.6% 100.0 % 90.0 % 80.0 % 70.0 % 60.0 % 50.0 % 40.0 % 30.0 % 20.0 % 10.0 % 图：中国无人机市场规模预测趋势图 / 亿 元 图：消费级、工业级无人机比例变化 2015 2016 2017 2018 2019 2020 2021 0 资料来源：亿欧智库， 国联民生证券研究所 2035 年无人机应用市场预计达到 3.1 万亿元，农林植保、物流配送、电力巡检等领域位居 前列 ◥ 根据中国信息通信研究院《低空经济市场空间预测研究》，预计 2024 年无人机在册数量达到 300 万架，产业规模达到 2700 亿 元，到 2035 年产业规模达到 3.1 万亿元，复合增长率达到 25% 。 ◥ 细分领域来看农林植保、物流配送、电力巡检领域占比位居前三分别为

无人机融合运行的复杂度 呈指数级增长，无人机的故障、失联等情况以及与有 人 机的碰撞风险都给飞行安全带来了挑战。重构空中 交通管理范式，通过引入先进的技术和管理手段，如 四维航迹预测、冲突解脱算法等，可以提前预测和避 免飞行冲突，降低飞行安全风险。 保障公众生命财产安全 低空飞行活动往往在人口密集区域或重要设施附近进 行，一旦发生飞行事故，可能会对公 众生命财产安全 造成严重威胁。例如，无人机失控坠 确保低空飞行活动的安全和有序进行。 引入先进技术提升智能化 引入人工智能、大数据分析等技术，实现实时规划航 线 、避免碰撞等场景。利用人工智能算法对大量的飞 行数据进行分析和处理，提前预测飞行冲突并自动生 成解决方案。例如，通过四维航迹预测技术，精确预 测飞行器的飞行轨迹，及时调整飞行计划，提高空中 交通管理的智能化水平。 管理模式重构 05 相关话题拓展 物流运输领域，在城市快递和物流场景 空域管理系统与数据处理技术：基于大数据、云计算和人工智能技术，实时分析飞行器运 行状态和空域利用情况，根据空域流量、天气、飞行需求等因素智能优化飞行路径和时隙 分配，提高空域使用效率。如利用大数据分析可以预测不同时间段的空域需求，合理分配 空域资源。 · 无人机集群管理技术：将多架无人机联合在一个飞行任务中进行协调和同步操作，自动规 划飞行路线、避免碰撞、实时调整飞行队形，提高集群飞行的安全性与效率。例如，在大型