在实施低空环保监测网络的过程中，需考虑以下几个关键因 素： 1. 监测设备的选择与布点：根据环境污染情况和监测需求选择合 适的设备，并合理布局监测站点，以确保全面覆盖和数据的有 效性。 2. 数据精度与可靠性：确保所用监测设备的校准与维护，并采用 优质的数据传输技术，确保数据的实时性和准确性。 3. 法规及政策支持：在网络建设和运行过程中，需符合国家和地 方的环保法规，确保监测目的和方式的合法性与合规性。 移动性。实时性保证了监测结果能够及时反映环境状况，为决策者 提供第一手资料；覆盖面广使得监测网络能覆盖到人们日常生活和 社会经济活动较为密集的区域；数据精确性要求监测设备具备良好 的测量性能，以确保环境信息的可靠性；可移动性则提供了更好的 灵活性，使得监测设备能够随时调整位置，适应动态变化的环境需 求。 具体而言，低空监测包含以下几个方面的内容： 1. 监测对象：主要包括有害气体（如 CO、SO2、NOx）、颗粒 传感器等，能够在低空进行动态巡检，获取地面不 同位置的实时数据。  固定式监测站：设置在高污染区域，配备高精度气体分析仪、 气象仪器等，可进行长期稳定监测。 在数据传输层，系统采用多种通信技术，以确保数据的快速、 可靠传输。主要的通信手段包括：  4G/5G 移动通信：用于无人机和固定监测站与中心服务器之 间的数据上传，满足大数据量传输的需求。  LoRaWAN 无线通信：用于低功耗、低速率的环境监测设备，

的一环。我们将制订系统的培训计划，涵盖操作程序、应急响应措 施、系统维护等多个方面，培养管制员的专业知识和实际操作能 力，确保他们能够熟练应对日常及突发的空中交通管制需求。 综上所述，设计一个高效、可靠的空中交通管制系统不仅是提 升航空运输安全的重要措施，更是应对未来空域需求的必然选择。 本方案力求通过先进技术的应用与优化流程的实施，构建一套切实 可行的空中交通管制系统，以适应未来航空事业的快速发展。 增加。根据国际民航组织（ICAO）的统计数据，预计到 2035 年， 全球航空旅客量将比 2019 年增加约 50%。这意味着，现有的空中 交通管理系统（ATM）面临巨大的挑战，需提高其效率、安全性及 可靠性，以适应日益增加的航空流量。 随着民航业的发展，传统的空中交通管制方式已经逐渐显露出 其局限性。例如，全世界的航空器数量显著增加，而现有的管制员 数量及其工作强度却并未得到相应提升。此外，现有系统中信息交 以允许系统在最短时间内更新飞行状态。 其次，数据处理模块应采用高性能计算平台。充分利用大数据 技术和云计算能力，快速处理瞬息万变的航空数据。系统可以采取 分布式计算策略，将数据处理分散到多个节点，以提高整体处理速 度和可靠性。 再者，实时信息的传递能力也是系统设计的重要组成部分。建 立快速稳定的通讯网络，确保空管部门、飞行器及其机组人员之间 的信息流畅传递。例如，可以采用卫星通讯、数字无线电和光纤传 输等多种

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。 为确保系统的稳定性和可靠性，项目将采用模块化设计，每个 功能模块均可独立升级和维护。系统将集成多种传感器，如红外摄 像头、多光谱传感器等，以增强图像识别的准确性和适用性。此 外，系统还将具备自动避障、路径规划、电量监控等智能功能，确 过程中对采集的图像进行即时分析，确保处理延迟不超过 1 秒，以满足快速响应的需求。 3. 多场景适应性：系统应能够适应多种应用场景，如农业监测、 城市管理、灾害评估等，确保在不同场景下均能提供稳定可靠 的图像识别与处理服务。 4. 自动化程度提升：通过自动化流程设计，减少人工干预，实现 从图像采集到结果输出的全自动化处理，提高工作效率并降低 人力成本。 5. 数据安全性保障：确保图像数据在传输、存储和处理过程中的 通过以上目标的实现，本项目将为低空无人机图像处理领域提 供一套高效、可靠、安全的解决方案，推动相关行业的技术进步和 应用发展。 1.2.1 提高图像处理效率 在低空无人机 AI 识别自动处理图像项目中，提高图像处理效 率是核心目标之一。通过优化算法、硬件配置和数据处理流程，我 们旨在显著缩短图像处理时间，同时确保处理结果的准确性和可靠 性。具体措施包括： 1. 算法优化：采用深度学习模型，如卷积神经网络（CNN），

间的实时信息交互，导航技 术优化了配送路径，提高了运输效率；监视系统则确保物流无人机在复杂空域环境中的安全 运行。此外，气象技术能够提前预警天气变化，避免物流运输因恶劣天气中断，提升物流链 的可靠性。 3、农业管理：在农业领域，通导监气技术为精准农业提供了重要支持。无人机通过通 信技术与农业管理平台实时交互，传输农田监测数据；导航技术实现无人机在农田中的精准 飞行，完成播种、施肥、喷 跨协议、跨区域融合及 QoS 保障能力。借助天、空、地多种通讯网络的协同，实现各节点 互联互通。为保证系统健壮性，同时兼顾负载均衡，低空通信技术需满足多种网络通信的兼 容性及可扩展需求，从而确保飞行器的稳定可靠飞行。低空通信技术的关键技术涉及多方面， 为无人机及其他低空飞行器提供安全、高效的通信保障。以下是每项关键技术的详细描述： 1、无线通信技术 无线通信技术是低空通信的基础，用于在无人机和地面控制站之间实现数据和命令的实 MHz、2.4 GHz 和 5.8 GHz，这些频段支持较低延迟的双向数 据传输，适合短距离或中距离的通信需求。在城市和复杂环境中，无线通信技术还需克服多 路径传播和信号衰减等挑战，以确保飞行器的可靠控制。 2、5G 蜂窝通信技术 5G 技术凭借其高速率、低延迟和大连接数的特性，为低空通信带来了革命性变化。5G 网络能够支持无人机实时传输高清图像并快速调整飞行路径，尤其适用于城市空中交通、物

Wi-Fi 通信方式,只能满足视距内飞行,且 容易受干扰,应用场景和使用范围有限。 网联无人机 利用 5G 网络为无人机提供通信服务 [3],实现通信广 覆盖、稳连接,包括上行的大带宽、低时延、高可靠的要 求,保障安全飞行和业务连续性,满足超视距飞行、高 清实时图传、远程控制等需求;同时还可以为无人机应 用提供云—边—端协同的数据分析、数据存储等算力 服务,并结合人工智能( Artificial eVTOL 将在未来空中出行场景中扮演重要角色。 2 低空经济对通信网络的要求 低空业务的通信需求主要涉及 3 个方面:基础通 信网,需要保证广覆盖、低时延、高可靠;大带宽体验 网,需要满足上行大带宽的要求;感知和定位监管网, 需要高可靠高精度的感知和定位,对空域进行实时监 视和探测,对探测率、探测精度有较高的要求。 首先,构建一张低空连续覆盖的无线网络是低空 经济高质量发展的基础。 低空通信网络需要实现低空 精度、低时延、全天候的空域监测技术,是亟需突破的 主要挑战。 总体而言,低空经济发展对通信网络在以上 3 个 方面主要有 5 个关键要求:一是低空连续覆盖和稳态 通信;二是超高上行传输速率;三是低时延、高可靠;四 是低空精准感知和定位;五是安全可控。 3 低空智联网赋能低空经济 当前低空基础设施通信、导航、监控等保障能力不 足,需新型基础设施保障低空经济发展。 低空智联网 是实现低空空域资源数字化、智能化管理和利用的关

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,为低空智联监视体系的实际 应用提供了可靠的技术参考。 关键词:低空经济;5G-A;低空监视 中图分类号:TN959. 1 文献标志码:A 引用格式:胡雅静, 宋倩, 宋连波, 等 . 5G-A 融合低空智联监视系统解决方案[J] 这一发展趋势对传统空域监管模式提出了 全新挑战,亟须构建与之相适应的智能化监视体系。 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 Surveillance-Broadcast,ADS-B)等多源数据融合,为合 作目标提供信息服务,更重要的是提升非合作目标的 检测识别率,然后进一步结合深度学习模型,实现对飞 行器行为意图的精准预测与异常事件的可靠告警;同 时,构建智能决策中枢,为空域动态管理、交通流量调 度、飞行冲突解脱及突发事件应急响应提供实时辅助 决策 [2]。 “联”(Connected & Collaborative)的维度则包括泛

System, UAS）、无人机（Unmanned Aerial Vehicle, UAV）和城市空中交通（Urban Air Mobility, UAM）的支持，特别是在低空网络覆盖能力、服务质量及可靠性等通信层面取 得了重要突破，以满足快速增长的低空通信需求。自 2024 年 6 月，3GPP 发布了多份技术 规范或报告。《无人机系统支持（TS 22.125）》[3]提出了无人机系统在 3GPP 方面的必要支持。 通过集成 5G-A、卫星网络、自组织网络等新一代通信技术，实现对飞行器状态的实时感知 低空智联网场景和关键技术白皮书 4 与动态调度，全面满足其在通信、导航与监视等方面的高可靠性需求，从而有效保障飞行 安全，提升运行效率。 低空智能交通场景的关键技术需求如表 1 所示。根据现有的无线通信系统能力，主要 挑战集中在定位精度和覆盖高度。定位精度要求小于 0.1 米，而当前 速率相 对较低，难以满足 1K 视频回传所需的上行传输速率。 需求类别 需求描述 通信需求 · 飞控数据上下行传输速率＞300kbps · 1K 视频回传，上行传输速率＞5Mbps · 可靠性＞99.999% · 端到端控制时延＜10ms · 集成图传和数传的通信协议设计、多链路接入调度、载荷 智能控制、高精度定位等 导航定位需求 · 定位精度＜0.1m 感知需求 · 感知精度为米级

.................................................................... 32 1 1. 引言 低空经济的发展依赖于高效、智能、可靠的信息基础设施，而网络与数据安 全则是保障低空飞行器安全、高效运行的关键要素。在这种背景下，针对低空智 联网开展网络与数据安全的建设已成为行业发展的迫切需求。 本白皮书旨在系统梳理低空智能网联网络与数据安全的现状与发展趋势，分 行实时监测和响应，保障低空经济在复杂的网络环境中能够稳定、安全地运行。 未来，通过持续的技术创新、标准化建设和政策支持，可以有效应对网络安 全威胁和数据泄露风险，为低空经济产业提供更加安全、智能和可靠的保障。希 望本白皮书能够为相关主管部门以及行业提供有价值的参考，促进低空智能网联 体系的健康发展，共同开创低空经济更加安全、创新与可持续的新篇章。 2. 发展趋势 2.1. 低空经济发展的六要素 障“短途运输+电动垂直起降”客运网络、“干-支- 末”无人机配送网络、满足工农作业需求的低空 生产作业网络安全高效运行。  强化装备安全技术攻关，重点突破电池失效管 理、坠落安全、数据链安全等技术，提升空域保 持能力和可靠被监视能力。 2023-11-8 中国民 用航空 局 《 中 华 人 民 共 和 国 空 域 管理条例（征 求意见稿）》  空域数据按照使用性质分为空域结构数据、空域 环境数据和空域运行数据。空域数据管理包括空

海淀原始创新联合基金 (批准号: L232045) 资助项目 摘要 面向未来低空领域涌现的各种新型业务形态, 低空智联网是实现低空空域高效运行与安全控 制的重要保障. 由于低空智联网的立体化覆盖、高可靠通信、超精准服务等特征, 使得传统的被动式 网络管控技术难以满足业务随需服务要求, 亟须融合数字孪生、自智网络、分布式人工智能等新型技 术突破管控瓶颈. 为应对以上挑战, 本文分析了低空智联网的特征和需求 利用数字孪生技术构建自主管控体系, 可以支持网络变化的精准感知和动态可控的资源高效 调度 [10]. 作为服务低空经济领域的关键网络基础, 低空智联网的网络形态和结构也在不断演进. 而低空飞 行器的高动态、高可靠性等要求, 使得网络必须具备精准的自主控制决策能力, 以降低飞行器等低空 设备运行风险. 然而, 目前低空智联网的管控还缺乏系统化的架构支撑. 因此, 针对低空智联网网络管 控需求, 本文结合数字孪生技术和自智网络理念 也得到了研究人 员的关注和分析. Vaezi 等 [16] 讨论了如何在非地面网络背景下为物联网应用提供服务, 根据 5G 及未 来网络的主要关键性能指标, 研究了能够实现当前和未来物联网网络的能效、可靠性、低延迟与可扩 展性的解决方案和标准, 包括用于短数据包通信的免授权接入和信道编码、非正交多址接入和端侧智 能. Jiang 等 [17] 讨论了低空经济愿景下感知与通信融合所面临的挑战与机遇. 文章首先总结了地对空

法开发、系统集成、测试验证及实际应用场景的部署与优化。具体 包括以下几个方面： 1. 无人机硬件选型与配置 项目将选用具备高稳定性、长续航能力和强抗风性能的无人机 平台，确保其在复杂环境下的可靠运行。无人机将配备高清摄 像头、红外热成像仪、激光雷达等传感器，以满足不同场景下 的数据采集需求。同时，无人机将集成实时数据传输模块，确 保与地面指挥中心的通信畅通。 2. AI 识别算法开发 实时监控：显示无人机飞行状态及采集数据。 o 智能分析：自动生成火灾风险评估报告。 o 指挥调度：根据 AI 分析结果，优化救援资源分配。 4. 测试验证与优化 项目将在模拟火灾场景和实际消防演练中进行全面测试，验证 系统的可靠性和实用性。测试内容包括： o 无人机飞行性能测试。 o AI 识别算法的准确性和响应速度测试。 o 系统整体稳定性及抗干扰能力测试。 根据测试结果，项目团队将对系统进行迭代优化，确保 其在实际应用中的高效运行。 早期 预警和人员搜救。 o 森林防火：覆盖大面积林区，用于火源监测和火灾蔓延 趋势分析。 6. 数据管理与安全保障 项目将建立完善的数据管理体系，确保采集数据的存储、传输 和分析过程安全可靠。同时，系统将采用多重加密和权限控制 机制，防止数据泄露和非法访问。 7. 培训与技术支持 项目将为消防部门提供全面的培训和技术支持，确保其能够熟 练操作无人机系统并充分利用 AI 分析结果。培训内容包括：