动态生成精细化空域使用方案，实现灾害区域禁飞区、救援通道的智能划 设与动态调整。 数字孪生与灾情推演部署低空数字孪生系统，基于历史灾害数据与实 时监测信息，对地震、洪涝等灾害场景进行三维动态模拟。通过机器学习 训练，系统可提前 72 小时预测灾害发展趋势，灾情推演准确率达 85%以 上，为应急响应方案制定提供科学依据。 地网：低空基础设施保障网络 立体化起降网络布局整合现有通用机场、体育场馆、高速公路服务区 地面救援机器人 （废墟搜救）的组合方案。例如，在地震灾区，先通过无人机蜂群投掷应 急物资，再利用地面机器人搭载生命探测仪进行精准搜救，减少救援人员 伤亡风险。 4 动态路径优化技术基于强化学习算法，实时规避灾区电磁干扰、恶劣 天气等动态风险，优化飞行路径。测试数据显示，相较传统人工规划，救 援路径耗时缩短 40%，装备能耗降低 25%。 协同层：空地一体化作业网络 机器人编队协同 机器人编队协同技术开发空地机器人协同控制协议，实现无人机与地 面救援机器人的动态组网。例如，无人机可作为"空中中继站"，为地面机 器人扩展通信覆盖范围；在山地救援中，无人机群与地面攀爬机器人配 合，形成"空中侦察—地面破障"的立体救援链路，物资投送与伤员转运效 率提升 50%。 跨部门应急联动机制建立军地、政企、区域间的常态化协同演练机 制，通过统一的指挥平台实现资源清单共享、预案动态衔接、力量跨区调

数据库 备份 管理人员 政府机构 商业合作伙伴 大数据 中台 AI 能力 中台 Spark NoSQL API 开发者 …… SDP 区块链 SDN 汽车 无人机 摄像头 智能穿戴 机器人 开发者接口 政府接口 园区接口 商业接口 AIoT Saas 应用 端 网 云 场景 MEC 边缘计算 门禁 eMBB 切片 WEB 容器 消息中间件 5G 高速专网 数据采集 采用多元化终端完成立体解决方案场景布局 多终端组合搭配，配合不同软件系统形成 一站式场景解决方案。真正实现智能控制、 智能操作、智能处置于一体的终端布局。 多元终端协同作用 执法用车载摄像头 安保巡逻机器人 AI 智能摄像头 垂直起降固定翼无人机 智能头盔 无人船 高清大屏 多旋翼无人机 机载气体监测仪 多光谱 / 高光谱相机 人脸识别摄像头 车辆识别摄像头 多旋翼无人机 感知设备层 、市、县现有已建卡口系统无缝对接，并 融合政府公务大数据、云计算、机器视觉等关键技术，全面提升当地环保部门的视频图像实践应用成效 无人机大气智能监测系统：集成视频专网，形成空中巡逻队 05/26/2025 12 实施保障： AI 云计算平台，打造高效稳定运行基础 AI CLOUD 人工决策 人工智能 视频联网 机器视觉 图像解析 算法仓库 大数据平台 • 资源共享 • 权限管理

省、市、县现有已建卡口系统无缝对接， 并融合政府公务大数据、云计算、机器视觉等关键技术，全面提升当地环保部门的视频图像实践应用成效 实施保障：集成视频专网，形成空中巡逻队 05/26/2025 27 实施保障： AI 云计算平台，打造高效稳定运行基础 傲势 AI CLOUD 人工决策 人工智能 视频联网 机器视觉 图像解析 算法仓库 大数据平台 • 资源共享 • 权限管理 • 面部识别 • 物体识别 • 轨迹重构 • 算法审核 • 接口管理 • 算法描述 • 视图分析 • 协同计算 • 数据检索 • 数据统计 • 分析建模 • 数据展现 数据存储 深度学习 / 机器学习 专用容器集群 开放平台 政府决策者、企业管 理者、系统操作员 自主工作、自动识别、 自动决策 场 景 数 据 场 景 需 求 05/26/2025 28 实施保障：高速安全网络传输，提供系统稳定保障 中国电信 5G SDN Controller Network Slicing based on SDN 傲势高速安全网 互联网 互联网服务 黑客攻击 中国移动 5G 5G 网络 机器人 云端大数据 +SAAS 政务级 Cloud 商业级 Cloud 中国联通 5G MEC Server MEC Server 无人机 摄像头 门禁 消费级 Cloud 通过互联网公网进行普通服务连接

在设计方案中，我们将考虑以下关键要素：  实时数据共享平台：建立一个全面的数据共享平台，使各方能 够实时获取和处理航空器航班状态、天气状况、空域使用情况 等重要信息。  智能决策支持系统：利用大数据分析和机器学习算法，优化航 班调度和流量管理，提高决策的科学性和有效性。  多层次管制机制：设计多层次、多维度的空中交通管制机制， 以适应不同空域、不同飞行阶段的需求。  可持续发展倡议：在系统设计中融入环保理念，积极寻求降低 现更低的运营成 本和环境影响。研究并应用最新的飞行计划工具和气象信息，为航 班提供最佳的飞行路径和高度选择，以适应气象变化。 进一步，提升空中交通管制人员的决策支持能力。通过引入人 工智能和机器学习技术，为管制员提供智能决策支持系统，帮助其 更快速、有效地进行空域管理和事件处理。同时，加强对管制员的 培训，确保其能够熟练使用新系统，提高管制效率。 最后，促进空中交通管理系统的可持续发展，形成长期有效的 通信技术的发展，未来 ATC 系统有望实现更高带宽、更低延迟 的通讯模式。 在数据处理方面，现有技术平台普遍使用高级数据处理系统， 以支持空中交通管理中的决策制定。这些系统结合了人工智能 （AI）、机器学习和大数据分析能力，能够处理海量的航班和气象 数据，实时预测航空器的流量和潜在的冲突，进而优化飞行路线和 提升总体效率。例如，基于数据的流量管理系统（TFMS）已被广 泛应用于航班调度中，以减少航班延误和空中等待时间。

“蜻蜓”系 列深度摄 像机 国翼电子针对机器人避障需 求，基于双目视觉成像技术开 发了自主知识产权的国产化 “蜻蜓”系列深度摄像机。在各 种机器人避障技术方案中，双 目立体视觉技术具有分辨率 高、抗阳光干扰性强、抗多机 干扰性强，室内外以及远近距 离均可以应用，不完全依赖于 自然光照等优势。 成都市域 微型无人机、 四足机器人、 服务机器人。 基于国产化器件研发的双目立体深度相机， 围绕自主导航和拒止定位需 求，基于国产化视觉传感单 元、激光雷达单元、北斗单元、 磁传感单元、惯导单元等设计 解决方案，研发的高集成度高 性能的软硬件智能化子系统。 成都市域 微型无人机、 四足机器人、 服务机器人。 为无人自主系统提供自主导航与避障能力， 局部拒止定位精度可到厘米级，避障规划可 适配 PID、MPC、强化学习等控制模式。 成都国翼电 子技术有限 公司 丁军 13608082744 供给清单 - 49 - 所处产业 链环节 供给 类别 供给名称 简介 场景 建设地点 应用领域 应用案例及成效 单位名称 联系人 联系方式 信息 有效期 下游 产品 太空机器 视觉平台 太空机器视觉平台面向金融 保险、能源交通等垂直行业痛 点，通过建立基于深度学习技 术的遥感信息智能解译平台， 为金融保险提供包括卫星圈 地、土地确权、作物分析、风 险监测等一站式乡村金融保

更多的连接应用场景 更强的通信性能 全新生态 体验速度更快 4G×100 连接数密度更高 4G×10 5G 不仅考虑人与人也考虑人与物、物与物 增强移动宽带场景：增强 / 虚拟现实、云端机器人 低功耗大连接场景：海量物联网连接场景 低时延高可靠场景：车联网连接场景 相比于 4G 的“修路”， 5G 则是“造城”，打造跨行业融合生态 通信产业 工业制造 智能车联 增强 / 虚拟现实 车联网 目录 行业背景分析 综合治理平台（ 9+X ） 1 2 5G 技术革命 5G 公安应用 3 解决方案 4 公安业务基于 5G 网络应用场景需求 • 警务信息化向智慧警务发展：警用机器人、无人机、大数据的应用等科技手段降低 警员的劳动强度和风险 • 警用移动信息网和视频专网：需要安全、可靠、专公互补的宽带移动承载网络 • 新一代指挥中心（ NG110 ）： 4S 平台、可视化、一体化指挥调度 √ 手机 √ 基站 √ 物 √ 车 √ 人 √ 场景 √ 品牌 …… 视频规范 车辆识别 视频感知  反恐维稳  治安防控  指挥调度  群防群治  社会管理 • 模式识别与机器学习 • 结构化信息深层挖掘 “ 多维感知前端、视频云端解析、全行业融合应用” - 应用模式从事后向事前主动预防转变 传感识别 AI 智能分析 智慧警务、智慧城管云平台解决方案整体架构

隐患、优化飞行路径、评估环境影响等，对于决策支持有着重要意 义。例如，通过对历史飞行数据的分析，可以为未来的低空交通规 划提供科学依据。 人工智能的应用则为低空产业城市管理平台带来了更高的自动 化水平。利用机器学习和图像识别等技术，平台能够自动识别并分 析复杂场景中的各种对象，执行精细化管理。例如，在城市安全监 控中，AI 可以自动识别无人机的异常飞行轨迹，及时发出警报。此 外，AI 算法还可以用于优化飞行调度，提高空域利用效率。 预测交通堵塞。 在数据分析方面，采用大数据分析技术和机器学习算法可以有 效地处理和分析大规模的低空数据。这些技术不仅能够支持智能决 策，还能够为城市管理提供预测模型与趋势分析。 例如，利用回归分析，对无人机监测数据进行建模，可以预测 未来一段时间内特定区域的环境变化情况。通过时间序列分析，识 别数据中的模式和规律，为政策制定提供数据支撑。机器学习算法 （如支持向量机、决策树、随机森林等）可以在数据中寻找复杂的 清洗、存储与分析。这一层可以采用分布式数据处理框架，如 Apache Hadoop 或 Apache Spark，以适应海量数据的存储和处 理需求。该层的重点是构建数据仓库和数据湖，以容纳各种类型和 格式的数据，并利用机器学习和人工智能技术进行深度分析。例 如，可以通过数据挖掘技术提取出与低空飞行相关的潜在风险、需 求预测等信息，帮助相关部门进行科学决策。 在应用服务层，该层提供一系列功能模块，以便为不同的用户

3、智能化与自主化技术进展 智能化与自主化是中游部分的另一个显著特征。在无人机领域，智能化技术 使飞行器能够自主地执行复杂的任务，如自主飞行、避障、目标识别和数 据处 理。 这些能力得益于在机器学习、计算机视觉、大数据分析和人工智能算法方面 的研 究突破。 自主化技术的进展通过提供更多的自动化解决方案来增强飞行器的能力，其 中包括飞行控制系统的完善、各类传感器的集成和数据融合技术。特别是多无 供灾后损失及需求评估，引导资源分配。同时，新兴的无人船与无人潜水器 也在 水下搜救和环境监测中显现出效用，扩展了低空经济的立体救援网络，提 升了公 共安全及海洋环境保护的综合应对能力。 这些技术进步也推动了智能机器人和自动化设备的发展，如地面机器人和智 能无人机的结合，实现空地一体的搜救行动。遥感技术和大数据分析进一步强化 了灾害预测与预防机制，帮助政策制定者和救援机构优化应急预案，降低风险， 保护生命财产安全。 通信技术加速数据处理与传输，确保应 急 指挥的时效性，强化了低空经济在公共安全领域的应用深度与广度。 此外，无人驾驶直升机和飞行器还能搭载救生物资，直接送达灾区，为受困 人员提供援助。智能分析模型通过大数据和机器学习，预测风险并优化救援路径， 提升应急效率。虚拟与增强现实技术的应用，更使远程培训和模拟演练成为可能， 增强了整体的应急准备和响应能力。低空经济不仅改写了应急响应的面貌，也正 重塑公共服务的未来。

视频帧数据库 ， 开发低空多模态视觉推理大模 型 指令划分 场景数据 2000 万 + 图像 / 视频帧 VisDrone 平台数 据 100+ 种特定场景的评估基准 数据清洗 → 粒度划分 → 机器标注 → 场景指令 → 千万级低空多模态训练数据 预训练多模态大模型 增量训练 + 指令微 调 基于任务定制的混合 Adapters 的通用图像融合（ TC-MoA ） 统一多任务阶段 以提示为依据进行融合 社会化学习通过多智能体间数据与知识的定向性交互共享 ， 实现了协同进化 n 社会化学习范式可以通过智能体之间的关键样本交互和知识交互 ，从而实现新知识学习 n 在保留个体原先任务认知能力的基础上 ，获取其他智能体的任务知识 ，进而实现机器社会中多个个体的协同进化 创新：针对开放环境下的群智演化 ，提出兼顾专业性和通用性的社会化学习范式（ ICML 2024 ） 创新：针对跨任务下的协同进化 ，提出兼顾下游任务专业性和通用性的社会化协同进化范式（

数据处理层的核心功能包括数据接收、数据清洗、数据存储、 数据分析和数据展示。为了实现这些功能，我们可以使用分布式计 算框架和云计算平台，以支持大规模数据的处理需求。这一层还将 包含多种算法模块，用于对不同类型的数据进行深度学习或机器学 习分析，提取有用信息，并生成可视化报告。 在数据接收方面，系统需与传感器网络紧密结合，实时获取监 测数据。例如，采用 MQTT 协议来保障数据传输的实时性与可靠 性。数据清洗过程将确保去除冗余和错误数据，常见的数据清洗步 洗、格式统一、去重等操作，以提高后续分析的准确性和效 率。 2. 数据分析：利用现代数据分析技术，对收集到的信息进行深入 的分析。可以包含多个分析方法，如统计分析、趋势分析、异 常检测和预警模型等。通过机器学习算法，提升对空气质量变 化的识别能力，有助于及时发现潜在的环保问题。 3. 可视化展示：通过用户友好的界面，为不同层次的用户提供数 据可视化服务，包括实时监控界面、历史数据查询、分析报告 以下是应用服务层主要功能模块的对比表： 功能模块 描述 关键技术 数据接入与 管理 负责数据的接收、预处理、存储 API、数据清洗工 具 数据分析 基于收集数据进行分析，识别趋势和异常 机器学习、统计 分析工具 可视化展示 将分析结果通过图表、地图标准化展示 D3.js、Echarts 、GIS 用户服务管 理 提供用户角色分配、权限管理和个性化服务 用户身份管理系 统