基础设施维度（40%权重）： 起降点密度（个/百平方公里）、5G-A 基站覆盖率、北斗地基增强站 间距等。 示例：目标区域需达到"起降点密度≥2 个/百平方公里、基站信号覆盖 率≥95%"为合格。 响应效能维度（50%权重）： 11 灾害预警提前量（小时）、救援装备抵达时间（分钟）、物资投送精 度（米）等。 示例：要求地震灾害中"无人机群 30 分钟内抵达灾区、物资投送误差 ≤10 米"。 产业生态维度（10%权重）：

 交通调查：定期进行交通流量调查，通过人工或自动方式记录 并统计道路使用情况。  卫星遥感：通过卫星图像分析城市交通情况，使用遥感技术获 取流量数据。 以下是交通流量相关数据的基本统计示例： 数据类型 描述 统计单位 车辆数量 一定时间内的通行车辆总 数 辆 车速 平均行驶速度 公里/小时 交通密度 单位长度内的车辆数量 辆/公里 车辆类型 按类型分类的车辆数量 辆 交通流向 更新，将为低空产业的深入推进提供有力的数据支撑。通过这些措 施，不仅提升各相关单位的数据使用效率，同时也加强了对低空产 业的全面管理能力。 例如，表格如下所示可以作为数据标准化与共享的示例： 数据类型 数据格式 示例 描述 飞行数据 JSON {“flightId”: “A123”,…} 飞行器的基本信 息 环境监测数据 XML 25 环境参数 设备状态数据 CSV devicestatus 确 保仅允许授权用户访问特定的数据集，实现数据的安全共享。  数据交换协议：制定标准化的数据交换协议和接口，例如使用 API，使得不同系统之间可以便捷地共享数据。以下为常见的 数据交换协议示例： 协议类型 描述 RESTful API 基于 HTTP 的应用程序接口 SOAP API 基于 XML 的协议 Kafka 用于流式数据处理的消息队列  数据共享平台的建设：开发统一的数据共享平台，所有参与者

境监测，增强 社会对环境保护的意识。 为了支持上述目标，本方案将建设多个监测单元，它们分别负 责不同区域的环境监测，并通过统一的平台进行数据汇总和分析。 具体实施过程中，可以参考以下表格中的示例监测单元分布及其功 能： 监测单元名称 监测区域 监测指标 设备类型 单元 A 市中心区 空气质量、噪音 无人机、传感器 单元 B 工业区 污染物浓度、废气 无人机、传感器 单元 C 住宅区 高度适应：环境监测传感器应根据当地地形和建筑物高度进行 适应性调整，如在高楼大厦顶层设置监测装置，尤其是在城市 中心区域，以减少建筑物对监测的影响，保证数据的真实性。 考虑以上原则后，传感器的布置示例表如下： 区域 传感器类型 布置数量 布置方式 工业区 空气污染传感器 10 每 300 米布置一个传感器 交通繁忙街道 空气污染传感器 8 每 200 米布置一个传感器 居民区 空气污染 不同选址方案在污染监测、数据获取、维持运营等方面的表 现，以选择最佳方案。 5. 现场验证：最后，选定的监测站点应进行现场检查和验证，确 保选择依据的合理性，特别是在重要环境影响因子较大的区 域，实地勘查不可或缺。 以下是一个示例表格，体现不同指标在综合评分模型中的权重 分配。 指标 权重 (%) 数据来源 空气质量指 数 30 人工测量 植被覆盖率 20 遥感数据 环境敏感区 域 25 人工测量 交通流量

动力系统测试：在满载状态下进行飞行测试，验证无人机的推 力和续航能力是否满足要求。 4. 结构强度验证：通过模拟载荷条件下的结构测试，验证无人机 的结构强度和刚度是否满足要求。 以下是一个示例载荷能力分配表： 设备名称 重量 （kg） 数量 总重量 （kg） 高清摄像头 0.5 2 1.0 红外热成像仪 1.0 1 1.0 气体检测传感器 0.3 2 0.6 灭火弹投放装置 时，建立快速响应机制，确保在紧急情况下能够迅速获得飞行许 可。 为系统化地管理上述风险，项目团队可以建立风险矩阵，对各 类风险的发生概率和影响程度进行评估，并制定相应的应对策略。 以下是一个示例风险矩阵： 风险类型 发生 概率 影响 程度 应对策略 技术风险 高 高 建立冗余系统，定期测试和优化算法 环境风险 中 高 选择高防护设备，建立实时环境监测系统 操作风险 中 中 制定操作规程，加强培训，建立应急预案库 作人员的表现进行评估。评估指标可包括操作失误次数、任务完成 率、应急响应时间等。根据评估结果，对操作人员进行分级管理， 对表现不佳的人员进行再培训或调岗处理。以下是一个简单的风险 评估模型示例： 评估指标 权重 评分标准（1-5 分） 备注 操作失误次数 30% 1-5 分 失误次数越少，评分越高 任务完成率 30% 1-5 分 完成率越高，评分越高 应急响应时间 20% 1-5

报告。 5. 演练评估的结果应用 o 针对评估中发现的不足之处，开展针对性培训，优化应 急预案。 o 更新应急处理手册，确保所有参与人员随时能够查阅最 新方案。 以下是演练评估结果的示例表格： 评估项目 评分标准 实际得分 备注 响应时间 < 5 分钟 4 分钟 符合预期 协作效率 > 80% 75% 有协调不足的情况 决策有效性 > 90% 85% 部分信息滞后 演练完成度 通过上述功能、性能及安全性测试的全面实施，我们将确保所 有系统功能得到验证，性能符合设计标准，且安全性能够应对各种 挑战。为了有效地记录和分析测试结果，可以设置一个专门的数据 记录及报告系统。以下是预定的测试记录格式示例： 测试项目 测试日期 测试结果 备注 单元测试 YYYY-MM- DD 通过/不通过 详细描述发现问题 集成测试 YYYY-MM- DD 通过/不通过 详细描述发现问题 性能压力测试 备份和回退策略的制定，确保升级过程中的数据安全及系统可 用性。 为了有效管理维护与运维的各项工作，可建立运维管理数据 库，记录所有维护和故障处理的详细信息，包括时间、处理人员、 处理措施、结果等。以下是管理数据库的示例结构： 记录 ID 维护/故障 时间 处理人员 处理措施 结果 001 故障 2023-01-01 张三 更换电源模块 修复完成 002 维护 2023-01-15 李四 月度检查 一切正常

2024 2025E 2026E w 累计建成低空起降点（个） 15 中标公司 招采地区 承接项目示例（括号内为项目金额， 未标注表示未公开） 深城交 广东省 市级： 深圳市低空智能融合基础设施建设项目 一期工程（ 5.18 亿元）、深圳市低空航空器起降设施布局规划采购项目（ 242 万元）、深圳市 同时具备前瞻性低空运行理 念与成熟整体解决方案的公司更能把握住低空空管市场的机遇。 民航空中交通管制系统示意图 低空空管与民航空管技术同源，低空飞行量抬升对系统承载力提出更高要求 低空空管系统示例：珠海市低空飞行管理服务 系统 低空经济发展将推动飞行量成倍 抬升 资料来源： 莱斯信息招股说明书， 莱斯信息公众号，平安证券研究所 21 公司在传统民航空管领域具备深厚经验 。 莱斯信息背靠电科

广州中海达天恒科技有限公司 图 138 无人机系统代号组成 示例 1：XX 公司生产的农业植保无人机系统，多轴无人机，续航时间 45Min，能源方式为电池，最 大起飞重量为 3.1kg，企业代号 ABC，企业自定义号 50，表示为：AG-UAV-M-C-E-M-ABC-50。 示例 2：XX 公司生产的警用无人机系统，固定翼，续航时间 5 小时，能源方式燃油，最大起飞重量

生产与服务活动中产生的废气与废水排放，须符合环境 排放标准。 o 外来人员对生态环境、社会生活造成的压力。 为了定量评估上述影响，需建立环境影响评价模型，并输出相 应的评估指标。以下是主要评估指标的示例： 评估指标 数据来源 预期标准 噪声水平 施工与运营期监测数据 ≤ 55 dB(A) ( 白天) 废水排放量 运营期排污许可证标准 100 m³/day ≤ 大气污染物浓度 定期检测，环境监测数据 通过上述几项税收减免政策，不仅可以降低低空经济企业的财 务压力，还能激励企业加大投资和研发力度，加速科技成果转化。 为了更直观地展示这一政策的实施效果，以下是预计的税收减免对 企业利润的影响示例： 年 份 原企业所 得(万元) 税前利润 (万元) 所得税(正常税 率 25%) 所得税(减半 后) 减免额 (万元) 税后利润 (万元) 1 100 100 25 定期进行需求调查，了解创业者在技术方面的具体需求。 2. 制定年度培训计划，根据需求调整培训课程和内容。 3. 邀请行业内的知名专家和讲师进行授课和咨询。 4. 通过线上和线下相结合的方式，提高培训的覆盖面和参与度。 表格示例： 培训主题 内容概述 培训形式 频次 无人机操作 无人机基本操作技巧 面授/线上课程 每季度一次 飞行安全管理 安全规程与管理措施 面授课程 每半年一次 监管政策解读 相关法律法规分析 线上课程

人员能够直观了解当前任务排程、资源使用情况以及实时数据。同 时，提供预警和异常处理功能，以便在出现突发情况时，调度系统 能够快速分析并调整计划，最大限度地减少影响。 在实施过程中的重要数据结构示例如下： 数据类型 描述 任务 ID 唯一标识每一个任务 任务类型 指定任务（如配送、巡检等） 任务状态 当前任务的执行状态（待执行、执行中、完成、失败） 飞行器 ID 负责执行该任务的飞行器识别码 覆盖不同用户的需求，又能提高服务的灵活性和市场竞争力。 收费标准的制定主要集中在以下几个方面： 1. 按照飞行时间计费：根据实际飞行时间，采取阶梯式收费方 式，时长越长单位时间费用越低。以下为收费标准示例： 飞行时长（小时） 收费标准（每小时） 0-1 500 元 1-3 400 元 3-5 300 元 5 以上 250 元 2. 按照飞行距离计费：根据飞行的实际距离来收费，采用每公里 体系，对员工培训后的知识掌握程度和实际工作能力进行评估。具 体指标可以包括：  培训参与率  培训后知识测试合格率  工作绩效改善幅度  团队协作项目成功率 以下是一个可能的评估指标示例表格： 指标 当前值 目标值 改进幅度 培训参与率 70% 90% 20% 知识测试合格率 75% 85% 10% 工作绩效改善幅 度 N/A 10% N/A 团队项目成功率 60% 80%

不同角度训练模型的特定技能。为了从根本上理解这些强大的模型是如何被构建的，我们可 以将这些预训练任务归为几大类。表 2.2 介绍了一些现有的预训练任务。 表 2.2 预训练任务分类 模态 任务类型 子任务类型 典型模型示例 视觉 掩码式 像素/特征重建、离散词元重 建、视频 Tube 重建 MAE[14], BEiT[123], SimMIM[124], MaskFeat[125], MSN[126], VideoMAE[127] SimCLR[128], MoCo[129], BYOL[130], SwAV[131], DINO[20], DINOv2[21] xxx -122- 模态 任务类型 子任务类型 典型模型示例 生成式 图像自回归/离散生成 iGPT[132], VQGAN[133], MaskGIT[134] 语言 掩码式 掩码语言建模、片段去噪、 空白填充 BERT[24], RoBERTa[25] 效执行特定任务，微调技术就是最为关键的步骤。微调的核心理念是，在模型经过大规模预 训练，具备通用能力后，通过在更小、更专业、更精细的数据集上进行训练，来塑造模型的 特定行为。提供高质量、结构化的领域相关的理想示例数据，是模型微调的关键。 自 2018 年以来，以 BERT 和 GPT 为代表的预训练模型逐渐成为自然语言处理领域的主 流。这使得训练范式也随之改变，形成了“预训练+微调”的新模式。具体来说，首先利用大