erMap SuperMap 建筑精细模型 倾斜摄影数据 三维场景数据 Pf 将空域环境模型、物理基础设施模型、三维空间模型、渲染 / 演进引擎、飞行模型、信息基础设施模型等类 型接入平台中，实现低空要素数字化。 ≤20 ≤100 ~1,000 独立区域 如独立绿地建筑 交通枢红 例，与其他交通 物联数据 设施模型 低空空域要素数字化 大型停机场 · 加大版垂直停机站，集合其他运输 AI 大模型 大数据 GIS 空间大数据存储与处理 ( 含：流数据处理 / 实时 GIS) 地理统计分析、有限元 分析、元胞自动机模拟 数据科学 云原生 GIS 云使能 GIS 、云 GIS 云原生 GIS( 微服务、容器化、 自动化编排 ) 边缘计 算、 ServiceMesh Serverless 、 AIOps 新一代三维 GIS 二三维一体化 倾斜摄影模型、激光点云、 配套运行设备 信息基础模型 气象网 停机坪 数据存储系统 拓展应用 低空检测平台 通航飞行计划 低空情报服务 现代空管系统 区域信息管理 应用层 平台层 物联层 数据层 网络层 物理设 施层 仿真模拟使能引擎 水面无人船舶 飞行器模型 低空物联管理引擎 空域无人机 空域环境模型 大模型智能引擎 陆地无人交通 物理基础模型 低空空域数字孪生平台 -

系统的核心功能包括图像采集、实时传输、AI 识别、数据分析 和结果输出。无人机将按照预设的航线自动飞行，采集高分辨率图 像，并通过无线网络实时传输至地面站。地面站配备高性能计算设 备，运行 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 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 保无人机在复杂环境下的安全飞行。 项目的主要技术难点在于 AI 模型的训练和优化，需要大量的 标注数据进行模型训练，并不断调整模型参数以提高识别精度。为 此，项目将建立一个大规模的图像数据库，涵盖各种地形和气候条 件下的图像样本。同时，项目还将开发一套自动标注工具，减少人 工标注的工作量，提高数据处理的效率。 能够自动识别图像中的目标物体、地形特征以及 异常情况，极大地提升了图像处理的效率和准确性。 在农业领域，AI 图像识别技术能够自动识别作物种类、生长状 态以及病虫害情况。例如，通过训练卷积神经网络（CNN）模型， 系统可以准确识别小麦、玉米等作物的生长阶段，并实时监测病虫 害的分布情况。这不仅减少了人工巡检的工作量，还为精准农业提 供了数据支持。根据实际应用数据，AI 图像识别技术在作物分类任 务中的准确率可达

无人机自组网示意图 在数据安全防护方面，采用加密传输和数据签名认证技术，从源头保障控制 指令和业务数据在传输中的完整性与真实性。同时，通过监测数据流动，识别异 常流量并分析数据内容，结合威胁情报与模型预判攻击行为，实现安全风险及时 预警。配套数据安全存储机制，最终形成覆盖通信与数据采集、传输、存储、处 理全生命周期的安全管理闭环，为低空智联网筑牢安全屏障。 3.多源异构传感器融合定位 在 的无 人机任务执行提供更精确和全面的环境信息。 基于内生安全动态冗余理念，多传感器融合技术融合处理激光雷达、毫米波 雷达、视觉传感器、超声波传感器等异构传感器数据，构建统一的传感器数据融 合模型，对各类数据进行时间同步和综合分析，最终输出更准确全面的环境信息， 有效降低单一传感器失效风险。 图 10 多传感器融合示意图 智能导航算法紧密结合低空环境约束（如禁飞区、交通规则等），通过学习 4.3. 人工智能安全 1.数据安全技术 在低空领域，人工智能广泛应用于飞行控制、目标识别、路径规划等关键环 节，其运行高度依赖高质量数据的支持与算法模型的稳定性。然而，在人工智能 应用过程中，数据易遭受泄露、污染、投毒等安全威胁，导致模型性能退化甚至 行为异常，严重影响低空飞行器的运行安全。因此，保障数据安全，确保数据的 质量和可靠性，已成为提升人工智能技术安全性的重要任务。 首先，

图像识别云技术发展，无人机自动规划飞行及避障技术日益完善， 将以上多种技术相结合，利用 5G 网络将无人机高清视频流实时推送 AI 云服务器，同时进 行图像数据的实时分析、存储，并对分析结果结合预设模型进行比对，将无人机巡检飞行 发现的问题进行快速的自动判断和告警，利用 5G 实现自动飞行远程控制、飞行规划、巡 检数据自动采集、自动分析、自动告警、自动记录等功能。 2、方案目标 1）运用 5G 制开发，AI 识别的图像学习功能 主要需通过云平台的模型训练，网站端模型添加实现。 3.3.2 AI 物体识别与异物场景模型建立 无人机直播巡检平台可以对云平台所学习的 AI 模型进行管理、定制。在云平台依次进 行目标模型创建、模型训练/标记、模型校验、模型发布，识别目标为 car 时，可以对图像 汽车部分进行画框、标记分类，完成模型的训练等。 3.3.3 实时物体识别/异场景识别并输出告警 选取轨道和人两个物体进行组合识别。当组合识别达到阀值，弹框显示告警信息。 3.4 搭建无人机智慧巡检运营管理平台 无人机智慧巡检运营管理平台功能包括了：无人机的远程任务调度，无人机开关机及位 置管理，无人机直播点播查看，AI 巡检模型管理、异常数据管理等功能。

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 米 /5 个采集点） 基于低空湍流、风切变等特殊场景构建三维气 象特征矩阵，利用小波变换提取高频气象波动 信号，为模型训练提供高价值输入。 整合气象卫星、地面观测站、雷达、无人机及 物联网设备等多维度数据源，通过标准化接口 实现秒级数据接入，确保数据实时性与完整性。 数据处理流程 智能预报引擎 搭建包含 LSTM 时序预测层、 3D 卷积空间分析层的混合模型，支持 0-72 小时逐分钟预报，水 平分辨率达 500 米，垂直分层精度至 米，垂直分层精度至 50 米。 深度神经网络架构 将数值天气预报（ NWP ）输出作为先验知识嵌入模型，通过 PINN （物理信息神经网络）实 现数据驱动与大气动力学方程的双向约束。 物理机制耦合 部署在线学习模块实时吸收最新观测数据，动态调整模型参数，针对台风、雷暴等极端天气自 动触发专项训练模式。 自适应学习系统 预报产品库建设 标准化数据立方体 构建包含温度场、风场、湿度场等 18

识别算法在自然资源场景中深度应用，基于深 度学习模型，可自动识别耕地内水泥硬化、大棚房、矿山机 械、林木砍伐等 10 + 类疑似违法目标，识别准确率超过 95%，大幅降低人工判图成本；配合三维建模软件可在 2 小 自然资源 xxx 项目建设方案 9 自然资源 xxx 项目建设方案 时内完成 5 平方公里区域的实景三维建模，生成厘米级精度 的数字孪生模型，直观呈现地形起伏、建筑结构等信息，为 违 超过 95%，可自动分类耕地硬化、违建大棚、林木砍伐等 10 + 类监管目标，大幅降低人工判图成本；三维建模技术 可在 2 小时内完成 5 平方公里区域的实景三维重建，生成厘 米级精度数字孪生模型，为违建体积测算、生态修复方案设 计提供直观数据支撑。 数据平台实现 “采集 - 处理 - 分析 - 应用” 全流程数 字化，支持飞行任务智能规划（自动规避禁飞区、优化航 线）、影像实时回传（4G/5G 95% 以上）。 全时段监测能力：配置红外热成像、多光谱等载 荷设备，实现 24 小时全天候监测，夜间违法活动识别率提 升至 90% 以上；通过激光雷达获取厘米级精度地形数据， 构建全市三维数字地形模型，为地质灾害隐患点动态评估、 生态修复工程设计提供立体数据支撑。 数据采集标准化：统一无人机影像数据标准（分 辨率≤0.1 米，坐标系采用 CGCS2000），实现与卫星遥感 （分辨率 0.5-2

.......................................................................................9 3.4 人工智能与大模型应用................................................................................................. ......................... 23 一、方案总体概述 本实施方案基于低空经济交通基础设施建设及规划设计方案，围绕基 础设施建设、新型基础设施构建、数字化转型、人工智能与大模型应 用、数据要素开发利用等核心内容，明确各阶段目标、任务、实施路 径与保障机制，旨在高效推进低空经济交通基础设施建设，支撑低空 经济产业蓬勃发展，助力综合交通体系优化升级。 二、实施目标体系 全覆盖，形成较为完善的低空基础设施网络。 2. 建成全国统一的低空交通管理系统与数据共享平台，实现 90% 以上低空飞行器实时监控与飞行计划智能管理。 3. 在低空物流、空中游览等领域开展 10 - 15 个人工智能与大模型 应用示范项目，验证技术可行性与商业模式。 4. 推动低空经济数据要素市场化交易，建立 3 - 5 个区域性数据交 易试点平台。 2.3 长期目标（5 - 10 年） 1. 构建全域覆盖、

时监测、智能响应。这些先进技术的 融合应用不仅增强了城市治理的智能 化水平，还推动了城市管理向更加精 细、高效、透明的方向发展。 为什么要推进城市精细化治理 ? GISTC P4 ◎ 模型“用不起来” ◎ 数据“管不起来” ◎ 飞机“飞不起来” ◎ 低空运营昂贵 传统无人运营模式在城市精细化治理中面临的挑 战 GISTC P5 飞机“飞不起来” 设备能力不足 飞不起来 涉密信息系统集成资质 低空运营昂贵 可见成本 GISTC 飞行器购置 (15%) 隐形成本 / 门 槛 用不起来 模型“用不起来” 专业人员少 模型重复采集制作 没有统一平台 学习成本高 精度过低 GISTC 模型不匹配地图 硬件配置要求高 P8 模型太多了 管不起来 无法数据共享 没有统一平台 数据“管不起来” 管理不规范 存档分散 GISTC 无人航空数字运营一体化体系 飞行资源管理 前端感知能力 AI 融合识别 智能应用场景 图层管理 路线规划 操作台 静态标注 画布管理 动态标注 模型加载 三维数字孪生应用 地图查询 模型切换 驾驶舱 标注交互 多期对比 测量工具 图层切换 Al 能力中台 项目管理 数字化 项目管理 飞手管理 边缘工作站 超算中心 空域管理 自有空域 禁限飞空域

旨在实现精准可视化管理 ，通过三维虚拟模型还原低空园区场景并实时监测设备状态 ；提升运营效率 ，模拟优化生产流程与资源调度 ； 增强安全保障 ，实时预警风险并优化应急预案 ；推动创新发展 ，为低空产业创新提供平台支持并促进企业合作 ；最终打造智慧园区标杆 ， 为低空行业树立典范并提供可借鉴经验模式。 智慧园区 实现精准可视化管理 通过构建三维虚拟模型 ，对低空产业园的物 理空间进行高精度还原 ，为低空园区的运营提供决策分析依据 安防态势 通过虚拟现实技术 ，将汤景 3D 模型转化为沉浸式的虚拟场 景。在这个虚拟场景中 ，人们可以仿佛置身于低空园区之中 ， 自由地行走、观察和探索。 • 利用数字孪生平台构建低空园区的三维虚拟模型 ，包括建筑物、道路、绿化等。 • 数字孪生平台支持实现三维立体呈现与 3D 漫游功能 ：实现三维模型中的机电设备数据的打通 ，支持图形动态渲染、支持动态天气模式、支持报警信 号效果增强、支持多种动画效果展示 ，在三维模型中点击相应的设备即可查看实时监控数据 ，比如摄像头可以查看实时视频、空调可以查看运行参 数等 ，设备信息包括设备的模型数据、位置数据、档案信息、监控数据、报警数据等 ，部分数据可直接从三维模型中读取 ，另外一些附加信息需要 人工录入。将数据与设备关联 ，实现统一管理 ，可以以第一人称、第三人称视角在三维模型中漫游 ，查看构件的信息

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...... 数据传输与处理 o 采用物联网技术，将各监测节点的数据实时上传至云端 平台。 o 开发数据处理与分析软件，实现对监测数据的智能分析 与可视化。 4. 预警与响应机制 o 建立环境风险预警模型，当污染物浓度达到预警阈值 时，自动触发警报。 o 制定应急响应措施，包括政府、企业和公众的协调机 制，确保及时采取措施应对污染事件。 5. 公众参与与信息共享 o 利用移动应用程序允许公众查询实时的环境数据，增加 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