中国信息通信研究院无线电研究中心,北京 100191) 摘要:首先提出了 5G-Advanced(5G-A)融合的低空智联监视系统架构,然后针对虚警率高、数据融合失 效和非标目标检测困难等关键问题,提出了基于多维度信息融合与上下文理解的目标判别模型,并详细 阐述了包括时空动态分析与轨迹建模、微动特征分析等关键技术在内的综合解决方案。 通过系统测试 验证,该方案在复杂环境下实现了对各类低空目标的精准识别与快速响应 高效、可靠的监视系统不仅是保障低空飞行安全、防范 “黑飞”等违规行为的必要手段,更是维护国家空域安 全与公共安全的重要基础设施。 然而,现有监视系 统在实际应用中仍面临虚警率高、数据融合效能不 足、非标准目标识别困难等关键问题,制约了低空监 视系统的可靠性与实用性,亟须通过架构创新与关 键技术突破予以解决。 本文正是在此背景下,提出 5G-Advanced(5G-A)融合的低空智联监视系统解决方 案,以应对上述挑战。 理与空域资源分配等;运营商能够对飞行器进行实时 运行监控、航线优化、接收安全预警并管理电子任务书 等;公众及第三方用户则可访问有限度的空域信息查 询服务与安全告警通知功能等。 3 低空监视的关键问题与优化策略 3. 1 低空监视的关键问题 3. 1. 1 环境噪声引发虚假警报问题 城市低空环境中的多种干扰源是导致系统虚警率 高的关键因素。 飞鸟集群、建筑光污染及电磁杂波等 会显著干扰雷达与视觉系统,例如建筑物玻璃反光所

等。空域管理的挑战也带来了创新的机遇。通过引入先进的 技术手段，如数字孪生技术、大数据分析等，可以提高空域 管理的智能化水平，优化空域资源的配置。 挑战与机遇 衔接点：对于低空来说，从哪飞从哪降？如何飞如何降？ 关键问题 空间扩展如何管理：将 UTM 系统纳入立体交通框架，实现无人机物流与地面交通的协同，所 形成“地下 - 地面 - 空中”三维运输网络如何管理。 数据互通后如何处理，实现全局调控：地面车流数据（来自智能交通信号系统）飞行器飞行数 通具有高效、安全、环保等特点，是未来城市交通发展的重要 方向。 立体交通的概念与特点 02 发展立体交通需要解决一系列关键问题，如不同交通方式的衔 接、空间资源的合理利用、数据互通与全局调控等。只有解决 了这些问题，才能实现立体交通的健康发展。 立体交通的关键问题 立体交通的发展前景 政策支持的具体措施包括提供财政补贴、优 化税收政策、加强法律法规的制定和执行等。 这些措施可以降低低空经济的运营成本，提

些技术对于在城市复杂环 境中运行的无人机尤为重要，为其提供了可靠的通信保障。 6、数据安全与隐私保护技术 随着无人机广泛应用于物流配送、基础设施监测和公共安全领域，数据的安全传输成为 关键问题。数据安全技术包括加密传输、身份认证和访问控制等措施，防止无人机通信链路 被恶意窃取或篡改。通过多层次的安全机制，可以确保数据在传输过程中的完整性、机密性 和不可篡改性，减少信息泄露和恶意攻击的风险。 全球导航卫星系统在城市环境中容易受到多路径效应的干扰，导致定位精度下降。如何 提升 GNSS 的抗多路径能力是导航技术中的关键问题。例如，无人机在城市中飞行时，GNSS 数字低空工作组 39 信号可能被高楼大厦反射或折射，导致定位误差增大。如何提升 GNSS 的抗多路径能力是导 航技术中的关键问题。 3）复杂地形适应性 在山区、森林等复杂地形中，无人机需要具备更强的导航能力，以应对信号遮挡和地形 或窃听，导致任务数据泄露或无人机被恶意控制。如何防止通信链路被截获或干扰，确保数 据传输的安全性，是技术中的重要课题。 2）数据泄露 无人机在执行任务时可能采集敏感数据，如何防止数据泄露，确保数据的机密性，是安 全技术中的关键问题。例如，无人机可能采集到用户的隐私信息（如位置、视频等），如何 保护这些数据不被滥用是技术实施中的重要挑战。 3）隐私保护 在无人机监控过程中，如何保护个人隐私，避免侵犯公民隐私权，是技术实施中的重要

为突出，植保、吊装、物流等垂直场景的数据各自存储于独立系统中，就像一个个孤 立的信息孤岛，相互之间缺乏有效沟通与联系。这种碎片化不仅导致数据难以整合利 用，更使得跨场景的协同作业变得异常困难。 标准化缺失是另一个关键问题。当前，低空产业缺乏统一的数据质量标准、开发 规范与管理体系。不同企业、不同系统的数据格式、编码规则、采集频率等各不相 同，数据的一致性和准确性难以保障。这就如同不同国家使用不同的语言和度量单

3. 建立健全低空经济数据要素市场，形成成熟的产业发展生态。 五、保障措施 5.1 政策保障 1. 推动国家层面出台《低空经济发展促进法》，明确低空经济发展 定位、空域管理、基础设施建设等关键问题，为产业发展提供法 律依据。 2. 制定《低空经济交通基础设施建设补贴政策》，对通用机场建设、 5G 通信基站部署、数据平台开发等项目给予财政补贴，补贴比 例不低于项目总投资的 30%。

引入网络状态预测结果以提升策略的动态适应能力, 但低空网络的波动性导致现有预测技术难以实现 大范围、长时间的精准预测, 同时过高的预测开销也难以承受, 如何在预测粒度和精度之间取得平衡, 成为亟待解决的关键问题. 接下来将依照层次划分, 进一步分析各层关键技术. 2.1 低空网络层 低空网络层作为低空智联网体系的信息通信基础设施, 由地面网络与空基网络两大部分构成. 地 面网络以 4G/5G 移动公网为主体

。 5.2 操作风险 在低空无人机消防部署 AI 识别项目中，操作风险主要来源于 无人机飞行控制、AI 识别系统的实时性以及操作人员的技能水平。 首先，无人机在复杂环境下的飞行稳定性是一个关键问题。由于消 防场景通常伴随着高温、烟雾和强风等恶劣条件，无人机的传感器 和控制系统可能受到干扰，导致飞行路径偏离或失控。为应对这一 风险，建议采用多传感器融合技术，结合 GPS、惯性导航和视觉定

等。调查方式可以采用线上问卷、电话访谈或面对面交流等多种形 式，确保数据的多样性和代表性。问卷设计应简洁明了，避免冗长 和复杂的问题，以提高用户的参与度和反馈质量。 在问卷中，可以设置以下关键问题： - 您对无人机 AI 识别系统 的整体满意度如何？（1-5 分） - 您认为系统的识别准确性是否满 足您的需求？（1-5 分） - 您对图像处理速度的满意度如何？（1-5 分）

了基础。 （1）基于对比学习的多模态大模型 如何在没有特定任务标注数据的情况下，通过学习大量图像-文本对，实现图像和文本 xxx -109- 的跨模态理解和统一表示，是多模态大模型实现的关键问题。从网络爬取的图文数据集中获 取带噪标签的监督学习方法不同，利用图像-文本对可以直接用于学习可迁移的图像表征 ——这正是 OpenAI 团队提出对比语言-图像预训练 CLIP[55]模型的核心理念。目前大多数多 Deng_MNE-SLAM_Multi-Agent_Neural_SLAM_for_Mo bile_Robots_CVPR_2025_paper.html xxx -462- 制约技术落地的关键问题。因此，实时性保障与计算优化已成为低空 SLAM 系统设计中不 可或缺的研究方向。 1. 针对嵌入式平台的优化策略 低空飞行器对尺寸、重量和功耗的严苛限制，决定了其只能搭载资源有限的嵌入式计算 合机制、多模态协同表示、高质量数据构建与全流程系统闭环等方向持续深耕，推动空地协 同技术在真实场景中的规模化部署与落地应用。 9.5.2 未来展望 尽管空地协同感知技术在多个任务维度上取得了显著进展，但仍存在若干关键问题亟待 解决。结合当前研究发展趋势与瓶颈，未来的研究可从以下几个方向深入推进： (1) 跨模态与跨平台的鲁棒感知机制。 当前空地协同系统在多视角、多模态感知方面 仍面临挑战，特别是在数据异构性