源的极大浪 费。 图 1：数据交易成为低空行业数据平台建设主要驱动因素 3 2.2 平台建设驱动因素 业务场景升级需求推动着平台建设的进程。随着低空产业的不断发展，巡检、安 防等场景对数据处理能力提出了更高要求，需要具备实时数据融合分析能力，以便及 时发现问题、做出决策。 管理决策智能化诉求成为平台建设的刚性需求。跨部门之间指标口径不统一，数 据分散，导致管理决策缺乏全面、准确的数据支持。建设大数据湖一体化平台，实现 共享机制至关重要。通过建设大数据湖一体化平台，打破数据壁垒，实现数据的共享 与协同，促进产业的协同发展。 三、平台建设顶层设计框架 3.1 核心建设目标 构建「四智一体」支撑体系，旨在全面提升低空产业的数据处理和应用能力。场 景数据智能化通过建立动态数据湖容量扩展机制，能够根据业务需求的变化，灵活调 整数据存储和处理能力，确保数据的高效利用。 经营管理智能化实现运营成本动态可视与预警，帮助企业实时掌握运营成本情 六大基础平台 六大基础平台涵盖了数据处理的各个环节： 1. 多模态数据汇聚平台支持 Lidar、ADS - B 等多种数据接入方式，能够将来自 不同设备、不同格式的数据进行统一汇聚，为后续的数据处理奠定基础。 2. 分布式存储计算平台基于云边端三级架构，实现数据的分布式存储和计算， 提高数据处理的效率和可靠性。在云端进行大规模数据存储和复杂计算，在边缘端 进行实时数据处理和分析，实现数据的快速响应。

..........................................................................................61 5.2 数据处理与分析............................................................................................... 些方面相辅相成， 形成一个完整的空中交通管制管理体系。 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 现有空中交通管制系统（ATC）的主要技术平台包括一系列综 合的硬件和软件解决方案，它们共同构成了现代空中交通管理的基 础。这些技术平台旨在确保航空器的安全、高效和顺畅的运行，主 要涵盖雷达监视、通讯、数据处理和决策支持等多个方面。 首先，雷达监视系统是空中交通管制的核心组件。它通过地面 雷达和卫星技术对空域内的飞行器进行实时监控。目前，越来越多 的空中交通管制中心采用先进的多功能雷达（例如 PSR

府公开数据以及公安内部数据， 利用中国联通的数据处理和分析建模能力，对特定人群 进行群体行为及个体特征分析的综合应用产品。 大数据安全综合治理平台，旨在实现警务防控高效化、社会治理精准化、公共服务科学 化、城市运行民生化。 产品类名称 产品类定义 产品定位 》 产品介绍 产品定义 行业 应用 6+X 产品 产品及应用处理平台 技术 平台 数据处理及技术挖掘平台 数据采集 合人像、视频及人像轨迹，可以更精准的定位犯罪嫌疑 人，为公安提供更优质的服务。 方案特点 u 数据维度拓宽，结合人像数据 u 数据从广度和精度结合，服务更优质 , 结合人脸识别的大数据解决方 案 数据服务平台 数据处理平台 数据采集 数据管理 数据挖掘 数据采集平台 rc 联通数据 图像数据 在现有的平安城市建设中，建设城市大脑生态体系。 防 管 控 打 数据加工 互联网数据 公开数据 建设方案 区或区 域的专用基站，通过对该小区信令侦听，通过该区域 的终端实时监测和数据采集 信令采集平台 微基站 分光口 采集器 信令话单 数据服务平台 , 探针微蜂窝替代方 案 数据处理平台 目标筛选 频次控制 在关键卡点布设伪基站以获取路过的终端的信息 人流分析 实时采集 区域布控 防恐维稳 ··· 事件匹配 卡口小区 普通小区 29 反诈骗

1.2 有人飞行器.................................................................................51 5.2 数据处理与分析..................................................................................53 5.3 通信与导航技术 程，推动无人机等低空飞行器的应用与发展。这为低空飞行服务平 台的建设提供了良好的政策保障和发展基础。 为了有效推动低空飞行服务平台的建设，我们需要关注以下几 个关键要素： 1. 技术架构：搭建安全稳定的飞行控制系统、数据处理系统和信 息共享平台。 2. 运营管理：建立完善的运营管理体系，包括飞行计划审批、飞 行器监控、实时数据传输等。 3. 法规标准：制定相关的技术标准、操作规范及飞行安全管理措 施，以确保飞行活动的合法合规。 首先，整体架构的设计将基于现有的航空管理体系，结合低空 飞行的特点，构建一个统一的服务平台。该平台将分为数据采集、 数据处理、用户接口及应用服务四个核心模块，每个模块将实现特 定的功能，确保其协同作用。 核心模块功能概述： 1. 数据采集：通过无人机航线监控、气象数据收集、任务需求提 交等多个来源采集实时数据。 2. 数据处理：使用大数据分析与云计算技术，对采集的数据进行 处理与分析，生成可视化报告，辅助决策。

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； - 火 源定位精度达到 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 和气体传感器等设备，实现对火灾现场的全面感知。AI 定翼无人机适用于大面积区域快速巡查。  AI 识别算法：基于卷积神经网络（CNN）的目标检测算法， 支持多目标识别和动态跟踪。  数据传输：5G 网络提供高速、低延迟的数据传输，边缘计算 节点实现本地化数据处理。  地面控制站：集成 GIS 地图、实时视频流、数据分析仪表 盘，支持多机协同和任务调度。 通过上述技术的综合应用，本项目将实现无人机在消防领域的 智能化部署，提升火灾预警、应急响应和救援效率，为城市安全和

系统架构 构建以数字运营目标的三大闭环管理有效支撑工业企业数字工厂业务运营 ，数字工厂的建设会开展多个系统的实施 ，并具有 较多的应用功能和分析场景 • 多源数据映射 • 灵活稳定的数据处理 i 数据 存储 • 丰富多样的基础平台服务 • 丰富的数据采集协议 • 采集可编程 • 全面的工业设备、工业装置、 工业场景 接入服务 ，确 保平台对不同行业和生产方 式的广泛适应性 自主可控 国产自主知识产权 ，成熟开 发的软件平台 ，集成商或最 终用户可参与系统的二次开 发或系统维护 基于工业物联网平台实现数 据的采集、数据处理和监控 ， 实现实物流、信息流、控制 流的闭环 15 客户可通过 Lua 脚本重新定义 Aprus 的数据采集逻辑及数据采集协议 支持常用工业标准通讯协议 ，能满 足各种不同种类的设备接入 ARM Cortex A7 ，主频最高 达 900MHZ 数据处理快 ，反应时间短 ， 可完成复杂任务 一对多采集能力 在高主频的 cpu 支持下 ， 可同时采集多台 ，多种设 备 丰富的数据采集接口 cat4 速率 ，上行 51Mbps ，下行 150Mbps

，智能工厂建设 / 工厂系统数字化一体化支 撑 传统工厂数据架构 Level 4 Level 3 Level 2 Level 1 Level 0 数据采集 网关 | 数据采集 数据处理 数据传输 工厂管理 • • • 产品应用 ，集团管理多级管控体系数字化 工厂 B 工厂本地应用 工厂 A 工厂本地应用 数字工厂一体机 | 工厂 C 工厂本地应用 3 34.7 5s 32.1 6s 30.1 With Insight 数据降频 时间窗口处理 补值（补 0 、 补前一值、 最大值 ··· ) 异常数据删除 | 数据计算 ：时序数据处理 Pressure+Temperature Sensor 0.5s/ 次 流计算降频、时 间窗口内对齐 • 降频、数据补齐、 数据时序对齐 • 数据乱序处理 • 多个设备单指标时序分析 • 多个设备多指标时序数据分析 • 多维数据 SQL 分析处理 • AI 分析模型调用 | 数据分析 ：时序数据分析 序列分析算法 设备数据分析 时序数据处理 SQL 任务开发 高效查询 单多表 join 常规函数 聚合函数 定时周期调度 ··· 分析价值 ? 自动报表 ：日、月报表统计 故障分析 ：改进生产流程 产能分析 ：优化生产配置

的大数据组 • 开源与自研最优组合 ，兼顾开放性与稳定性 • 突出的技术前瞻性和先进的数据智能方法论 交互式数据分析与挖掘 可视化报表 批量流式数据处理 数据仓库 数据采集传输 • 百 PB 级数据采集传输、 存储计算、 挖掘分析能 力 • 围绕大数据 “采” “存””管””用”生命周期的全流程 Govern - Dayu 交互式数据分析与挖掘 Analysis Studio - Jarvis 可视化报表 Reporting Studio - Sugar 批量流式数据处理 Data Factory - Pingo 数据仓库 Data Warehouse - Palo 、 ES XX 大数据基础套件鲁班包含六个基础组件部 分 大数据分析套件 - 鲁 班 传输介质多样性 XX 大数据基础套件鲁班 - 数据采集传 输 传输模式丰富 传输可管理 数据工厂 Pingo XX 大数据基础套件鲁班 - 数据工 厂 易用性与兼容性 自动化集群管理 统一数据处理 数据仓库 Palo XX 大数据基础套件鲁班 - 数据工 厂 性能卓越 安全性高 配置灵活 巴 数据挖掘分析 Jarvis 交互可视化 特征和模型仓库

..................................................................................... 57 1.5.4.2 数据处理 ................................................................................................. 用作站控层数据采集。前置通讯服务器按照双机双网冗余配置，同时运行，互为热备 用。主机设备采用组屏（柜）方式布置在总控室。服务器应采用主流国产服务器硬件配 置。 (2) EMS 服务器 用作站控层数据传输、数据处理、界面显示及网络管理。应用服务器按照双机双网 冗余配置，同时运行，互为热备用。主机设备应采用组屏（柜）方式布置在总控室。服务 器应采用主流国产服务器硬件配置。 (3) 数据服务器 历史 DL/T 645、DNP3.0 等所有国际国内已颁布的标准规约，还支持自定义规约。对于通过授权的用户，还可以 通过系统提供的 API 函数对规约库进行扩充。 1.5.4.2 数据处理 EMS 系统数据处理模块提供模拟量处理、状态量处理、电度量处理、非实测数据处 理、计划值处理、告警、控制命令、数据质量码、计算及统计等功能。 (1) 模拟量处理 模拟量描述储能电站系统运行的实时量化值，应包括

3%， 较传统算法提升 27 个百分点，误报率降低至每小时 0.8 次，基本 满足 7×24 小时无人值守的运维要求。 大模型在公共安全场景的应用潜力主要体现在以下技术维度：  多源异构数据处理：单个模型可同步解析视频流（30- 60fps）、音频波形（16kHz 采样）及文本报警记录，在南京 市公安局的测试中，多模态融合分析使事件还原完整度提升 40%  长序列建模能力：采用 驱动的新型治理范式，通过三大核心目标 实现技术突破： 1. 建立多模态视频智能分析体系 o 实现 200+类社会治安事件（如打架斗殴、车辆违停、人 员聚集等）的自动识别，目标检测准确率≥92% o 将非结构化视频数据处理时长从传统方法的分钟级压缩 至 800ms 内 o 通过时空特征融合技术，将跨摄像头目标追踪成功率提 升至 85% 2. 构建警民协同的线索闭环机制 o 开发群众端 APP 支持视频证据标准化上传，建立 准预案），响应延迟＜500ms 应用服务层提供四类标准化接口供不同角色使用： 系统性能指标通过压力测试验证： 测试项目 基准值 峰值表现 视频接入能力 5000 路并发 7200 路（冗余 20%） 数据处理时效 性 95%数据延迟＜3 秒 99%数据延迟＜5 秒 系统可用性 全年 99.9%在线率 故障恢复＜15 分钟 ” ” 安全体系采用 三横三纵 防护架构：  横向防护：网络边界防火墙+视频专网