2.2.1 无人机飞行控制.........................................................................40 2.2.2 AI 算法集成................................................................................42 3. 系统设计...... ...................................90 5.2 算法开发.............................................................................................93 5.2.1 图像识别算法............................................ .................................95 5.2.2 数据处理算法.............................................................................99 6. 系统集成...............................................................

向等气象参数，采用高精度传感器确保数据准确性，并支持动态调整采样频率以适应不同 天气条件。 数据处理与分析模块 服务应用模块 集成边缘计算与云计算能力，对采集的原始数据进行清洗、校准和融合处理，结合机器学 习算法预测短时气象变化趋势，生成可视化报告供决策参考。 提供 API 接口和用户交互界面，支持农业、航空、城市管理等行业定制化需求，如无人机 航线规划、灾害预警推送等，实现低空气象数据的商业化应用。 上 传至云端数据中心，确保数据链路的低延迟（ <500ms ）和高可靠性（ 99.9% 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。 节点，与地面雷达组网形成立体探 测体系，数据更新频率达 10 秒 / 次，完整覆盖城市低空交通走 廊。 数据采集传输方案 边缘计算节点 在各观测站点部署 AI 边缘计算网关，内置 LSTM 时序预测算法，实现原始数据的本地质 量控制和特征提取，将传输数据量压缩至原始值的 15% ，同时保证关键信息完整度 ≥ 99% 。 5G+ 北斗双通道传输 时空数据库架构 采用 5G URLLC （超

如何解决以上问题， 已经成 为市场规模发展的瓶颈， 电信核心能力可精准匹配市场需求 。 能力二： 监管能力 低空感知设备和监管平台维护低空秩序 能力三： 飞服能力 飞服平台和 AI 算法赋能千行百 业 能力一： 云网能力 5G 网络替代私有化链路 市场分析 - 电信核心能力助力低空经济规模化发 展 痛点 2 痛点 1 痛点 3 飞行服务 通航运输 空域侦测 多品牌无人机接入 产品特色 • 覆盖政务需求的场景应用及算法 • 100% 自研且在省内有成熟案例 • 平台支持私有化部署、 SAAS 化接入 巡线 巡检 违建、市 容巡察 水利日常 巡检 应急 救援 道路交通 治理 农林 植保 • AI 算法： 自研“扶摇 ”平台依托省内四级算力， 统一 AI 算法 调用， 纳管集团、省内及生态 AI 能力赋能行业客户。 同时集成了图像识别的 AI 能力，可用于各种场景。 飞服能力 - 自研平台和算法赋能百种场 景 100+ 实战细分场景 AI 大模型能力 助力四大领域应用 天翼“星云”飞行服务平台 可根据作业场景挂载各类载荷 应急通信专项产品 产品应用场景 产品功能体系 硬件设施 AI 算法 高速 油气化工 光伏面板 煤矿 消 防通道 堵塞 拉横幅告示 登高面违停 … 航空运动

......................................74 6.2 数据分析工具与算法...........................................................................77 6.2.1 实时分析算法......................................................  实时监测：及时获取环境数据，及时反映环境状况，维护社会 公共安全。  数据整合：将不同来源的数据整合，形成全面的环境监测数据 库，以支持后续分析。  智能预警：基于大数据分析和智能算法，对可能的环境威胁进 行提前预警，提高响应效率。  公众参与：通过开放数据平台，鼓励公众参与环境监测，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 4G/5G、LoRa、NB-IoT 等，以保证数据传输的即时性和稳定性。 数据处理平台通过对采集到的数据进行分析、存储与可视化， 提供环境状态的预警与评估机制。该平台可以利用大数据分析与人 工智能算法，自动识别环境异常变化，并生成相应的报告，供政府 部门和公众查询。 针对用户需求，终端系统可以提供多种交互窗口，包括 Web 应用程序、移动应用和第三方信息接口。通过这些接口，用户能够 方便

理无人机信息安全依赖关系的过程等；  整机信息安全基本要求：包括遵循无人机信息安全管理体系要求、供应 13 商安全风险管理、风险评估与管理、专用环境、信息安全措施有效性测 试、攻击威胁漏洞监测及数据取证能力、密码算法与密码模块、默认安 全设置、数据安全要求等；  信息安全技术要求：包括无人机的外部连接安全要求、通信安全要求、 软件升级安全要求、数据安全要求等。其中外部连接安全要求包括远程 控制、外部接 问题，开源 软件漏洞、无线通信易受攻击等威胁突出。网侧存在通信制式多样、网络协议不 统一，数据链路开放易被干扰，无法互联互通等状况。云侧的监控服务管理平台 则面临黑飞等异常情况难以管控，AI 算法存在不可解释性等难题。同时，复杂 环境中的随机干扰和人为蓄意攻击，如障碍物遮蔽、电离层活动、电磁干扰、网 电攻击、样本攻击等，严重威胁低空智联网安全，可能导致无人机飞行失控、数 据泄露等后果。 运行效率。 图 8 典型无人机飞控系统组成示意图 在应用层面，无人机安装多个版本的飞行控制软件和任务执行软件。这些软 件在功能上等价，但在代码实现、算法逻辑和数据结构等方面存在差异。例如， 不同版本的飞行控制软件可能采用不同的路径规划算法、姿态控制算法和避障算 法。在无人机运行期间，一旦侦测到飞控软件的某个版本存在漏洞或遭受攻击， 24 系统能够实时切换至另一版本的飞行控制软件，确保飞行安全。

全域监测与空域管理依托北斗三号卫星导航系统的高精度定位（厘米 级）与 5G-A 通感一体化基站，构建覆盖全国的低空感知"天网"。通过卫 星雷达、气象监测卫星实时采集气象数据、地形地貌信息，结合 AI 算法 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 、飞行计划 3 智能审批、空情动态预警等功能，消除信息孤岛，提升协同效率。 指挥网：智能决策与安全保障网络 AI 中枢与敏捷响应搭载智能决策 AI 中枢平台，集成灾害预警模型、 多资源调度算法、动态路径规划系统。当灾害发生时，系统可在 10 秒内 自动生成多套救援方案，通过算力优选匹配最优路径，指令响应时延低于 100ms，实现从监测预警到资源投送的全流程自动化。 区块链赋能安全协 响应层：智能调度与精准处置 人机协同装备体系 AI 算法根据灾情等级与环境条件，动态匹配有人 直升机（用于复杂环境救援）、无人机（物资投送）、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

10-20 平方公 里（复杂地形）至 50-100 平方公里（平原），数据采集效 率较人工巡查提升 20 倍以上，且支持厘米级定位精度，为 高精度监管提供硬件基础。 2.软件智能升级 AI 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 违法事件，避免土地硬化、生态破坏等不可逆损失。 2.资产利用与技术迭代价值突出 专业低空监管设备支持多载荷模块化升级（如从 可见光拍摄扩展至红外热成像、激光雷达测绘），配套数字 化平台预留 AI 算法迭代接口，可适应未来 5-8 年监管需求 变化，避免重复建设导致的资源浪费。从长期看，体系化建 自然资源 xxx 项目建设方案 17 自然资源 xxx 项目建设方案 设的综合成本仅为传统模式的 倍以上。 配套设备同步完善，智能充电箱支持多电池循环 充电，保障无人机集群作业的连续性；自动化起降平台可在 无人值守场景下实现 “即飞即停”，解决偏远地区设备运输难 题。 2.软件算法与数据处理能力成熟 AI 目标检测算法在自然资源场景中的识别准确率 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

数据传输。导航技术在 GNSS 的基础上，引入了更多的增强系统（如差分 GPS、RTK）和基 于视觉的自主导航系统，进一步提高了飞行器的导航精度。监视技术则逐步融合了雷达、 ADS-B、光学感知和 AI 算法，能够在复杂空域中实现动态实时监控和自动避障。气象技术 也不断进步，便携式气象设备、云平台气象分析系统的广泛应用，使低空空域的气象保障更 加全面。 2.3 主要应用领域 低空通信、导航、 感知的环境数据，无人 机能够实时生成飞行路径，并通过复杂算法计算最优路线。结合 LiDAR、视觉传感器和超声 波传感器等，避障系统能够自动检测障碍物并实时调整飞行路线，确保无人机在低空环境中 的安全飞行。 10、自主导航与控制技术 自主导航和控制技术使无人机能够在预设任务和未知环境中进行自适应飞行。通过 AI 和机器学习算法，无人机可以根据传感器反馈动态调整飞行策略，实现完全自主的飞行控制 对非合作无人机的监测能力依然有 限。 5、阵列摄像技术 阵列摄像技术通过多摄像头组成的摄像阵列，提供广视角、高分辨率的影像数据，适用 于对低空飞行目标的实时监控与取证。通过先进的图像处理算法和计算机视觉技术，摄像阵 列能够自动识别和跟踪无人机的飞行路径、姿态，并记录高清影像。这一技术对于视频取证、 无人机的状态识别、行为分析等方面具有重要作用，尤其在城市环境或人群密集区域中，可 以有效辅助低空监视任务。

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 管制系统，以实现对空域的精细化管理和优化调度，从而有效提高 空域的利用效率和航空安全。具体目标如下： 首先，提升空中交通流量管理能力，确保在高峰时段能够有效 分配空域资源，减少航班延误，保障航空公司和旅客的时间成本。 通过先进的算法和实时数据分析，动态调整航班的起降序列和飞行 路线，减少航班间的冲突和滞留。 其次，加强空中交通安全保障，降低航空事故风险。通过引入 先进的监测与预警技术，及时发现并处理潜在的安全威胁。例如， 此外，系统应具备实时监控和预警功能，通过数据分析发现潜在威 胁，提前采取措施。 其次，高效性是系统设计的重要考虑。通过实时数据处理，优 化航班调度和空域管理，减少航班间隔，提高航班运行效率。如采 用智能算法分析航班运行状态并动态调整航线，以最小化延误和资 源占用。同时，加强与民航及气象部门的协同，确保信息畅通，促 进快速决策。 用户友好性也是不可忽视的因素。系统界面应简洁明了，操作 流程应直观

杂的电磁环境下，如城市建筑物反射和各类电磁干扰，会 严重影响其探测准确性；对静默无人机无法检出。 光电探测技术利用近红外相机、光学摄像机等光学设备的高分辨率光学摄像头捕捉飞行器图像，通过图像处理算法进行 目标识别和定位，从而实现对目标进行实时追踪和监视，非常适合在需要精确目标识别等场景。典型光电探测设备的产品形 态如图3.8所示，其基本性能指标如表3.4所示。 可见光探测的主要优点：分辨 光电探测技术 图3.8 光电探测设备 表3.4 典型光电探测设备性能 基本性能指标 光电探测 工作方式 目标跟踪识别 单站探测距离 分辨率 光电成像 目标坐标获取后，光电设备自有AI算法持续跟踪 1~2km 可见光成像为1920×1080以上 远程识别技术（Remote ID）是一种用于无人机的识别技术，要求无人机在飞行时实时地将自己的身份信息（如飞行器 的唯一标识符、位置 探测系统 图3.16 低空探测管控平台功能示意图 图3.17 低空探测管控平台功能模块间数据、控制流程示意图 安防事件报告，支持多种终端的报告方式； 探测对象识别，包括支持多种识别技术、识别算法； 下达防护/打击指令，支持手动、自主等方式，这项功能还要求低空探测监管平台支持与打击/防护系统的多种接口； 采集/接收探测信息数据，要求低空探测监管平台支持各类探测系统探测数据的接入； 数据