建设内容

1、 空地一体化指挥调度

低空指挥调度主要面向指挥中心，提供整体低空业务态势感知、无人机远程飞行控制、任务规划、实时视频监控、飞行成果管理等多种功能。实现态势感知一张图、 指挥调度一张图、视频融合一张网。

1.1低空态势感知

基于GIS三维地图地图融合实时展示无人机/机库实时位置、运行状态、禁飞区、限飞区、全景图、正射图、三维模型等低空整体业务态势， 低空整体业务态势一目了然。

1.2远程指挥调度

这个模块可以根据需要预设无人机的飞行路线、任务点和执行任务的具体参数，比如拍摄照片的分辨率、录像的时间长度等。

1.3视频融合监控

基于RTMP/RTSP/GB28181等标准通讯协议，可实现无人机、摄像头、布控球、执法记录仪等物联网设备图传画面接入，实现空地一体化联动感知监控。

1.4飞行成果管理

集中管理低空相关航拍图、视频、全景图、正射图、三维模型等全部飞行成果。

1.5平台管理中心

统一管理平台涉及部门组织、低空设备、系统账号、角色权限、系统日志等平台基础数据。

2、 低空城市智能巡查

低空智能巡查主要基于无人值守机场，通过航线规划、飞行计划设定、飞行成果查询、AI预警中心实现各职能部门低空常态化巡检相关场景应用。 基于空地协同智能控制调度算法，利用人工智能视频分析技术，引入无人机巡检手段，辅助视频识别，打造“天上看、地上查”空地联动一体指挥调度系统。 系统建设将自动机场根据可飞行范围划分若网格区域，一旦网格内识别异常，即刻推送预警信息，同步保留报警图像信息并在系统平台端报警显示， 第一时间回传现场实时情况给指挥中心各相关人员核实。实现了安全预警实时衔接、高效协同和快速处置，为组织安全抢险、事件处置等提供了有力支撑。 多台自动机场同步作业，回传的实时巡检问题及多路预警信息均支持同步传输至对应文件夹内存储，用于问题记录及回溯。

2.1GIS一张图

基于GIS地理信息系统，对河道详细信息以卫星地图形式展现，将城市重点区域内的巡检无人机、问题、预警等等进行定位标注，

2.2智能航线绘制

基于GIS三维地图及建筑物白模，通过虚拟键盘实现“所见及所得”方式的低空三维航线规划设定。

2.3智能飞行计划

系统支持多台机场同步自动化全流程巡检作业，取代人工现场地面徒步巡查，极大提高巡检效率。支持系统端远程派发定时巡检任务， 24小时无间断作业还可远程手动操控， 对可疑目标区域进行手动操控飞行。支持按月/按周/按天、单次/循环、起飞时间等飞行策略灵活设定，满足各职能部门灵活飞行场景应用。

2.4低空AI预警中心

借助AI算法及三维地图，实时查看当前AI预警事件位置、处理状态，实现“AI事件预警-现场处理-融合归档-报告生成”全业务路径打通。

2.5智能巡查报告

通过打造无人机空中端数据采集，对采集数据进行分析处理、存储、利用，方便对日常的问题进行定位和处置；平台内巡检过程可实现数据可视化， 最终实现巡检范围、巡检模式、巡检图片及视频、智能识别结果、任务完成时间等数据的可视化统计分析。系统可内置多种智能巡查报告模板，支持模板定制化开发。

3、 低空智能AI算法仓

低空智能AI算法仓是低空城市智能决策体系大脑，它通过以下几个关键组成部分实现其功能：

1) 低空算法中心：算法中心是AI中台的创新核心，负责开发和优化用于低空治理的算法。这些算法能够处理复杂的数据集，识别模式 ，预测趋势，并为决策提供科学依据。 算法中心不断迭代更新，以适应不断变化的管理需求和技术进步。

2) 低空算力中心：为了支持算法中心的高性能计算需求，算力中心提供了强大的计算资源。 低空算力中心集成最新的硬件和软件，能够快速处理大量数据，执行复杂的机器学习模型，确保AI中台的高效运行。

3) 低空AI能力训练中心：AI能力训练中心负责对AI系统进行训练和学习。通过大量的模拟数据和真实场景的训练，AI系统能够不断提升其识别、 分析和决策的能力， 以更好地适应低空治理的各种挑战。

4) 低空AI能力专题库：专题库是AI训练的重要资源库，它收集了大量的问题和案例，用于测试和提升AI系统的应对能力。通过不断的挑战和学习， AI系统能够在各种情况下做出更加准确和有效的响应。 综合上述组成部分，低空AI算法仓系统能够为低空城市管理智能决策提供强大的智能支持。从算法的开发到计算资源的提供，从红外大模型应用到、 AI能力的培训与测试到AI能力专题库的生成，低空AI算法仓系统的使用提高了治理的效率和精确度，也为未来可能出现的新模式、新场景、新挑战做好了准备。 算法仓管理平台实现基于异构算力资源，统一调度管理不同场景、不同方法、不同功能、不同输入输出格式的算法。该系统平台通过统一的封装及基础服务， 将算法与算力解耦，可以大幅提高算力设备对接、算法研发以及运维管理的效率。对于算力设备提供方，系统可针对算法提供清晰的运行环境及资源需求， 为尽可能多的算法提供运行支持。对于算法开发方，在模型本身开发并训练完成后，支持管理调度系统以极少的边界工作量将算法接入系统中， 通过自动化的校验及验证后就能适配系统中的算力设备，并支持后续的模型优化与更新。 同时，针对如何封装服务、与业务系统对接等问题，系统平台也结合算法仓架构设计研发了一系列辅助模型移植和量化的SDK，帮助算法研发者以最小成本完成模型的移植和量化， 更好的开放算法应用生态。

3.1算法入仓/出仓

上传算法时需要携带算法标识、算法名称、算法类型、算法版本、算法简介、算法大小(MB)、输入参数描述、输出参数描述、文件位置、模型默认任务容量、硬件类型、 硬件型号等管理信息和技术信息，并按照数字视网膜标准协议进行算法封装，算法仓对算法包进行校验及验证，若成功则自动入仓。同时，支持将已入仓的算法删除并移出算法仓；

产品图片