唐炉亮1, 严水桥1, 齐恒1, 施泓羽1, 谭清华1, 杨红1, 杨必胜1, 李清泉1,2

1. 武汉大学测绘遥感信息工程全国重点实验室, 湖北 武汉 430079

2. 深圳大学建筑与城市规划学院, 广东 深圳 518060

基金项目：国家重点研发计划(2024YFB3908603)

关键词：低空经济, 低空航路地图, 风险量化, 航路规划, 低空导航, 低空经济应用

引文格式：唐炉亮, 严水桥, 齐恒, 等. 测绘地理信息如何支撑低空经济: 风险量化、航路规划、飞行导航与低空应用. 测绘通报，2026(4)：1-10. DOI: 10.13474/j.cnki.11-2246.2026.0401.

摘要

摘要 ：无人机技术进步促进了低空经济新质生产力的发展,推动了对低空开发与利用的迫切需求。低空地理信息技术是实现低空资源开发与利用的基础,为高密度、高动态、高精度低空飞行提供了安全保障与信息底座。然而,目前低空经济仍处于起步阶段,测绘地理信息如何由地面向低空拓展,进而支撑低空经济发展,成为关键科学问题。本文系统分析了低空飞行风险来源,明确了测绘地理信息在低空飞行的风险量化、航路规划、飞行导航、低空应用等方面提供的关键技术支撑。首先,对国内外风险量化技术体系与方法进行归纳与总结,梳理了地物要素、三维建筑、人群流动等动静数据驱动下的风险量化方法;其次,在低空航路规划层面,提出了“单机航迹规划—多机航网优化—低空航路地图”的创新发展阶段,阐述了局部路径规划、航路网络构建与航路地图生成的关键技术;然后,在高精度飞行导航层面,介绍了“北斗+低空”的新型导航系统,为低空飞行提供路径导航与定位服务;最后,在应用层面,分析了测绘地理信息在低空测绘、低空交通、低空应急等领域的产业化应用。因此,测绘地理信息可为低空经济规模化、智能化发展提供低空公共数字基础设施。

2023年12月,  中央经济工作会议将低空经济提级为战略新兴产业；2024年作为新质生产力纳入《政府工作报告》，并与生物制造、航空航天一起作为新增长引擎。2025年《政府工作报告》明确提出，开展新技术、新产品、新场景大规模应用示范行动，推动商业航天、低空经济等新兴产业安全健康发展，将低空经济列为“新增长引擎”[1-3]。低空经济正成为国家科技和产业发展的新兴领域，有着巨大的潜力和广泛的应用前景。

目前，低空经济仍处于起步阶段，测绘地理信息如何支撑低空经济发展，成为关键科学问题。低空飞行安全面临6大挑战，包括飞行器的自身性能、复杂的气象条件、频繁的通信干扰、城市建筑的遮挡、动态人群的聚集、规模化飞行的碰撞，这使得传统的飞行管理模式面临严峻考验。

本文将系统分析低空飞行风险来源，明确测绘地理信息在低空飞行的风险量化、航路规划、飞行导航、低空应用等方面提供的关键技术支撑。首先，对国内外风险量化技术体系与方法进行归纳与总结，梳理地物要素、三维建筑、人群流动等动静数据驱动下的风险量化方法；其次，在低空航路规划层面，提出“单机航迹规划—多机航网优化—低空航路地图”的创新发展阶段，阐述局部路径规划、航路网络构建与航路地图生成的关键技术；然后，在高精度飞行导航层面，介绍“北斗(BDS)+低空”的新型导航系统，为低空飞行提供路径导航与定位服务；最后，在应用层面，分析测绘地理信息在低空测绘、低空交通、低空应急等领域的产业化应用。因此，测绘地理信息可为低空经济规模化、智能化发展提供低空公共数字基础设施。

如何有效地进行低空风险量化、合理规划飞行航路，并提供精准的飞行导航支持，是当前亟需解决的关键问题。而测绘地理信息技术在低空经济中发挥着重要作用。基础地理信息支撑下的静态碍航物(三维建筑)、禁飞体(土地利用)、动态活动(人群聚集)为低空飞行提供了数据支撑，在飞行安全、飞行路径规划及风险评估等方面发挥着不可或缺的作用。本文旨在系统梳理测绘地理信息技术在低空经济中的应用现状与发展趋势，并针对当前面临的挑战提出可能的技术路径和解决方案，为低空经济的可持续发展提供理论支持与实践指导。

1  低空风险量化——“哪能飞”

空域安全是低空经济发展的基础性问题，然而城市低空环境复杂多变，风险来源复杂且高度动态，对无人机安全高效运行构成重大挑战。低空风险量化旨在科学计算由静态地物分布与动态人口活动耦合的安全飞行概率，解决“哪能飞”的关键科学问题。本章系统梳理低空风险量化的相关进展，并指出现有体系方法存在的问题，最后提出可能的解决方案，并对未来发展趋势进行展望。

1.1  低空风险量化研究进展

为评估无人机运行安全性，无人系统规则制定联合体(Joint  Authorities for Rulemaking of Unmanned  Systems，JARUS)首次提出并明确了风险的概念，将其定义为事件发生概率与其相关严重程度的组合，进而提出特定运行风险评估(specific  operations risk assessment，SORA)方法[4](如图 1所示)，用于评估无人机运行涉及的空中与地面风险。空中风险指无人机飞行过程中受周边环境、其他无人机或有人航空器影响所产生的危害；地面风险则涵盖无人机异常坠毁时对地面人员与财产造成的潜在伤害，其伤害程度由无人机质量、速度、地面环境及缓解措施(如人员疏散、地面风险缓冲区设置)等参数决定[4]。然而，SORA方法主要采用定性分析，难以精准评估无人机飞行风险，需进一步构建风险量化模型。

图  1 SORA语义模型

国内外针对低空无人机运行的地面与空中风险量化，大致经历了从简单指标到第三方伤亡概率模型，再到空间显式的风险地图和多源动态风险评估的演进过程。

伤亡概率模型以预期伤亡人数作为核心安全指标，对无人机运行中的第三方风险进行定量刻画。相关方法通过综合无人机质量与尺寸、飞行高度、失效率、飞行过程特性、人口密度及遮挡情况等因素，建立地面撞击和空中碰撞风险模型[5-6]。在此基础上，进一步引入风场不确定性、机体参数变化等因素，使风险评估从静态走向动态[7]。同时，风险模型可扩展至大规模无人机物流场景，实现对预期伤亡数、个体风险和社会风险的系统评估[8]。

风险地图将人口密度、遮挡程度、建筑高度和禁飞区叠加分析，以表达城市无人机运行的第三方风险[9-10]。不同机型和高度层划分为多个风险区，生成高度分层的障碍物风险图[11]。进一步，风险地图与路径规划和航路评估相结合，将累计风险或人口暴露指数作为优化指标，实现无人机航线风险由静态评估发展为连续量化分析[12]。

低空多源风险量化可归纳为融合轨迹、气象、空域、障碍物及地面要素的多层风险评估框架[13]，通过因果链[14]、多层风险图[15](如图 2所示)和统一安全等级表达[16-17] (如图 3所示)，实现地面与空中风险的综合量化。

图  2 风险示意

图  3 无人机运行风险

1.2  低空风险量化存在的不足

尽管国内外低空无人机风险量化研究在模型体系、算法方法和数据融合等方面已取得显著进展，但仍存在三维环境表达不足、动态风险计算不准、多源时空数据融合不全的问题。

现有风险评估多建立在二维地图或参数化地形基础上，建筑物往往以轮廓或规则化体块方式表达建筑物，难以反映真实城市空间中对无人机风险高度敏感的细粒度要素，如建筑形态细节、电线杆、电力线路及复杂的城市街区结构。这种低维简化会造成风险评估中的空间偏差，当风险地图缺乏足够的几何真实性时，栅格风险值与真实场景的偏差可达30%以上[18]。此外，国内城市环境复杂度高，多层立交、高层密集、空中管线密布，二维表达不足以支撑可靠的低空风险量化。因此，现有方法难以在精细尺度上准确刻画风险场景，缺乏足够的几何与语义敏感性。

大量研究仍依赖静态人口密度与经验加权值，缺乏城市中随时间变化的动态风险因素建模。事实上，城市人口、活动热度、事件集聚均具有显著的时段性周期，静态人口模型会导致风险估计在高峰期出现系统性低估，偏差可超过50%[19]。对于空中冲突风险，空域流量具有明显的时变特征，未考虑动态变化会导致空中相遇概率估算偏差扩大[9]。因此，动态风险因素计算不准确导致现有风险评估易出现静态化、均值化问题，从而无法真实反映城市中动态风险暴露水平。

尽管部分研究能够整合地形、建筑或人口密度数据，但面向真实城市场景所需的多源异构、高时空分辨率的数据集成能力依然薄弱。现有风险评估基于单一或双数据源，如仅使用建筑物与人口密度，难以反映城市运行中不断变化的交通拥堵、临时施工、动态障碍等风险要素[15]。因此，如何实现人群、事件、气象、通信等多图层、多模态数据融合，是测绘地理信息亟待解决的关键问题。

1.3  实景三维赋能低空风险量化

实景三维是测绘地理信息三维化、实体化和精细化的延伸，为低空经济带来了高精度、可感知的三维空间表达能力，支撑了低空空域风险量化、航线规划、运行监控与安全管理等关键应用，解决了三维环境表达、动态风险计算与多源时空数据融合3方面的不足。新一代“实景三维中国”建设及城市数字孪生[20]实践，为构建高保真、强时空、多要素耦合的低空风险评估体系提供了重要信息底座。自然资源部提出的“实景三维中国”总体框架，已在全国近300个地级以上城市完成建筑物三维模型生产，形成以倾斜摄影[21-22]、激光点云[23]、建筑信息模型[24](building information modeling，BIM)为基础的高精度、实体化三维空间底板，为城市规划、应急管理和精细化治理提供了基础支撑。在此基础上，文献[25]进一步提出实景三维赋能低空经济的总体思路(如图 4所示)，强调通过低空要素数字化、构建低空数据空间与三维空间研判体系、支撑低空“天路”建设、三维导航和低空国土空间规划等关键任务，为发展低空经济提供统一的空间数据底座和运行环境认知能力。

图  4 低空三维数据空间

实景三维相较于传统二维地图或简化三维体块，具备几何表达能力强、语义属性信息丰富、动态更新能力突出的优势。其中，基于倾斜摄影与激光雷达获取的数据，可构建更高层级的三维城市模型，精细刻画建筑外形、屋顶结构、廊桥、电力塔杆等细粒度要素，为航迹—障碍物的三维拓扑关系判断提供坚实基础[25]；实景三维常与地籍、规划、BIM、地下管线等数据联动，实现建筑功能、道路类型、敏感目标等多语义要素的一体化表达，为构建几何—语义融合的风险指标体系提供条件[25]。深圳、福州等地已将实景三维与实时传感数据结合，实现分钟级动态更新，用于城市防涝调度与应急管理，为低空风险模型叠加实时数据提供了基础[25]。

将测绘地理信息支撑下的实景三维引入低空风险量化，可为上述挑战提供解决方案。在环境表达上，实景三维以高细节层次(level  of  detail，LOD)几何与多语义要素提高空间表达精度；在动态刻画上，可叠加人口、交通、气象、通信等动态图层；在多源融合上，实景三维本身即体现点云、影像、BIM的多模态融合能力；在工程落地上，已有城市级实景三维与数字孪生系统[26]为风险模型的计算、验证与示范提供信息基础。

2  低空航路规划——“如何飞”

测绘地理信息为低空航路规划提供可飞行区域划定依据，包括地理围栏(禁飞区)、碍航物(建筑物、地形起伏)、空域风险(多机碰撞)、动态气象(风速、风向)等因素。低空航路规划的目标是构建类似地面道路的“空中道路”，实现规模化无人机的有序、安全和高效运行。本章归纳现有的低空航路研究现状，并提出不足与挑战，最后提出低空航路地图，为现有航路规划问题提供可能的解决路径。

2.1  低空航路规划

低空航路发展尚属起步阶段，本文将该过程归纳为3个阶段，由现有端到端的单机航路规划，到多目标的多机航路网，再到低空公共航路网(如图 5所示)。

图  5 单机航路—多机航路网—低空公共航路网

单机规划旨在在复杂三维低空环境中生成满足安全约束和飞行性能要求的可行航迹，用于支撑无人机单次任务执行与自主飞行决策，其规划方法包括图搜索、采样规划和智能优化。其中，图搜索算法通过在离散空间搜索最优路径，实现对障碍和约束条件的显式刻画，具有路径可控性强、结果确定性高的优势[27-28]，但仍存在搜索空间膨胀、计算效率受限等问题。在采样规划方法中，RRT*(rapidly-exploring random trees star)被广泛使用。相关研究在RRT*中加入改进人工势场、双向扩展和目标偏置，从而在复杂环境中实现无人机路径更短、转角更小、节点更少[29-31]。智能优化方法则多采用遗传算法[31]和粒子群算法[32]，通过增强全局搜索能力并协同局部避障机制，提升无人机在复杂三维地理环境下的规划效果。

多机协同航路规划是指在共享空域内，为多架无人机同时生成满足安全间隔、机动能力和通信约束的协同飞行路径，其核心目标是在避免机间冲突的前提下提升整体运行效率。相关研究通过构建包含路径、机动、碰撞和通信等约束的统一模型[33]，引入多子群或混合粒子群优化等方法[34]，在兼顾全局搜索与局部收敛性能的同时，实现多无人机三维空间中的协同航路规划。

低空公共航路网规划则面向规模化和常态化运行需求，旨在构建可复用、可管理的低空航路基础设施，为无人机集群运行提供统一的空间组织形式。现有研究主要采用基于网格划分[35]、迭代优化[12]和多层网络构建[36]的方法，将城市地理信息、障碍物和空域约束离散化或网络化表达，通过对航段的迭代增删，以及对可达性、安全性和拥堵水平的评估，不断优化航路网结构，并通过分层设计区分枢纽与配送功能，以提升网络运行效率、降低冲突风险。

2.2  低空航路规划存在的不足

尽管近年来低空航路规划在单机路径规划、多机协同规划、航路网络构建等方面取得了一定进展，但现有研究仍停留在局部场景试验或概念性航路网络构建层面，与未来大规模、规范化、可监管的低空运行体系之间仍存在显著差距。总体而言，当前研究的主要不足可以从规划方法、多机协同、航路网络3个方面加以归纳。

在航路规划方法层面，当前单机与多机路径规划大多借鉴机器人路径规划算法(A*、RRT*、PSO、强化学习等)，虽然在提高搜索效率、路径平滑性和实时性方面取得了一定改进，但其规划结果未能与真实空域管理体系相结合。例如，航迹未体现空域等级、航路走廊、禁飞区规则；未考虑实际运行中需满足的航迹间隔、速度约束、优先级机制；缺乏适配无人机交通管理系统(unmanned  aircraft system traffic  management，UTM)或空管系统的标准化航路属性。因此，规划算法难以直接用于监管和运营，存在与空域治理需求脱节的问题。

在多机协同层面，多无人机协同规划方法在仿真中可生成冲突较少的协同路径，但计算复杂度会随无人机数量急剧上升，难以实时更新；多机之间依赖实时避障，缺乏结构化协同机制；未与统一空域秩序、航路优先级和流量管理体系结合；难以在高密度城市低空交通中保证可预测性和运行稳定性。这些问题使得多机协同规划仍处于可模拟但不可规模运行的阶段。

在航路网络层面，尽管已有基于网格、迭代优化或双层结构的航路网络研究，但普遍存在以下不足：基于几何结构或静态地理约束，缺乏运行属性；未系统纳入航段容量、网络冲突率、通信覆盖、气象条件等关键指标；缺乏航路等级体系和运行规则的标准化定义。现有航路网络更多的是示意性路网，尚不具备支撑城市级规模化低空运行的能力。

2.3  低空航路地图支撑规模化低空经济

当前低空航路规划研究在算法层面取得了显著进展，但仍无法满足城市级、规模化、百万级低空飞行的安全性、规范性及可监管需求。传统路径规划方法仅能生成可行路径，难以构建可运营空域；现有航路网络方法多依赖局部地理特征或人工规则，无法实现广域覆盖与动态更新。测绘地理信息如何指导低空航路由规划迈向制图，从低空航路地图的角度实现航路图的广域覆盖与动态更新，是当前低空经济发展中急需解决的问题。

为突破这些局限，笔者提出低空航路地图，为未来低空飞行提供了一种航路地图基础设施新范式，即通过构建“立体动态、时空稠密、风险-拓扑耦合”的三维低空地图体系，为规模化低空飞行提供统一的空间基底、运行规则与安全保障机制。低空航路地图区别于二维静态的地面道路地图，也不同于结构稀疏的民航航图，其核心在于承载飞行规则、集成风险知识并支撑动态调控，构成未来低空交通体系的空间载体。

武汉市的城市级低空航路地图实践进一步验证了低空航路地图的工程可行性。以100   m为间距构建3套分层航路网络，实现南北、东西方向的交替分层布设，形成低密高疏、立体化的航路结构，能够同时满足物流、应急、巡查等多场景需求。“天路图”平台实现了风险、适飞、航路、规则的多功能融合，体现了低空航路地图在城市运行中的实际操作性与支撑能力(如图 6所示)。总体而言，低空航路地图的提出为解决现有路径规划方法存在的问题提供了完整的理论框架与可行的工程路径，是未来规模化、可监管、可持续的低空交通体系建设的发展方向。

图  6 低空航路地图“天路图”平台

3  低空飞行导航——“飞得准”

通用航空和无人机正在从“能不能飞”走向“飞得好、飞得准、飞得安全”。我国已经形成了以大量无人机企业为主的低空经济早期生态。但我国的通用机场数量不足，低空通信和监视能力不够完善，空域管理较为分散，导致我国低空空域长期处于“看不清、叫不到、管不好”的状态。在此背景下，“北斗+低空”高精度导航系统发挥重要作用，被视为构建低空经济时空安全的时空基准，也是实现“飞得准”的关键环节[37]。

3.1  “北斗+低空”高精度导航

低空飞行高度低、环境复杂、密度高，包括地形起伏剧烈的山区、峡谷，以及高楼林立、遮挡严重的城市；既有各类通用航空器和载人电动垂直起降飞行器(electric  vertical take-off and  landing，eVTOL)，也有大量执行巡检、物流、警用、应急等任务的无人机。与高空航线相比，低空飞行往往需要在几十米级高度精细绕避障碍物和敏感目标，对航迹的控制精度、着陆精度及复杂电磁环境下连续、可信的定位能力提出了更高要求。

国际上，民航和通航导航体系正在经历从地基导航台向星基导航的根本性转变。美国“新一代航空运输系统(NextGen)”和欧盟“单一欧洲天空”计划均将全球卫星导航系统(global  navigation satellite system，GNSS)作为未来低空导航和监视的核心基础设施，目标是构建全球无盲区的星基导航监视体系[38]。北斗三号建成后，我国开始在通用航空和低空经济中系统性推进北斗应用。以北斗为核心构建多星座、多频段的航空导航与监视体系。此外，依托北斗短报文和搜救服务，构建面向低空的全域监视、遇险搜救和事后轨迹追踪体系，被认为是破解低空“看不见、叫不应、管不住”难题的关键路径[37]。

从国家政策层面看，《“十四五”民用航空发展规划》《“十四五”通用航空发展专项规划》《低空飞行服务保障体系建设总体方案》及《低空通导监及气象技术白皮书》明确提出，要构建以北斗为核心、通导监气(通信—导航—监视—气象)一体的低空基础设施体系，将高精度导航、实时监视、气象感知与空域管理深度结合。在这一总体框架下，从高精度飞行导航视角出发的“北斗+低空”新型导航系统，将成为低空经济“飞得准”的关键技术。

3.2  “北斗+低空”高精度导航技术体系

北斗三号正在从传统的定位、导航与授时系统(positioning，navigation and timing system，PNT)演进为面向无人机与低空经济提供全球高精度、高可信导航的综合性基础设施。文献[38]对北斗高精度服务现状与发展方向进行了系统综述，当前PPP-B2b(precise point positioning-B2b signal)能在约14 min内实现分米级服务精度，并在多层架构下，为低空场景构建可全球部署的高精度时空基准(如图 7所示)。同样，在体系架构层面，文献[39]进一步提出北斗高精度高可信服务框架，将PPP-RTK(precise  point positioning-real-time  kinematic)从高精度定位技术拓展为具备完好性监测、多源冗余与统一改正建模的高精度、高可信时空服务体系，使其能够支撑通航与无人机等场景。

图  7 PPP-B2b服务系统

在工程应用方面，文献[40]基于电力北斗精准位置服务网，证实了PPP-RTK在山区、无公网及稀疏参考站条件下，仍能在约1  min内收敛至厘米级水平，为长航程、广覆盖的低空作业提供了不依赖本地连续运行参考站(continuously operating  reference station，CORS)的解决方案；文献[41]采用北斗多天线PPP-RTK+IMU的组合策略，可在沙漠、戈壁等极端环境中实现3~6 cm的定位精度，并显著改善收敛时间和遮挡环境下的稳定性。

城市低空与复杂环境中GNSS易受遮挡、干扰，仅依赖北斗或多GNSS仍难以保证连续高精度导航，因此北斗在低空中的应用需与多源数据深度融合。文献[42]提出GNSS+INS+LiDAR一体化无人机(unmanned  aerial  vehicle，UAV)导航方案，针对天线故障导长时间GNSS失效的极端案例，引入基于改进LOAM-SLAM的LiDAR里程计，并与GNSS+INS紧耦合融合，成功恢复了UAV的高精度轨迹，相比传统GNSS+INS具有显著优势。这一思路已被广泛借鉴，发展出GNSS+INS+LiDAR紧耦合系统，在复杂城市环境中仍能保持亚米甚至亚分米级精度，被视为未来低空导航的核心技术路线之一。

未来的低空导航正由单一卫星导航迈向空-天-地协同PNT体系。文献[43]提出低空智能交通框架，将低空运行划分为空中、地面与云端3层，强调依托空-天-地一体化通信网络实现群体飞行器的定位、感知与管控(如图 8所示)。而“5G-A/6G+北斗”通感导(通信—感知—导航)一体化技术正在成为这一体系的关键，蜂窝网络不仅承担通信，还通过无源感知与近场定位构成地基增强网络，实现精准定位和精确授时，与北斗形成通导一体的融合格局。

图  8 低空智能交通框架

高精度飞行导航还需精准的空间基底与导航地图支撑。我国过去长期缺乏统一标准的低空导航图，飞行任务多依赖人工规划。而未来的低空航路地图建设提供了地形级、城市级的真实三维空间数据，使航路选取、航线校核、风险评估能够在城市真实三维模型中进行[25]。整体而言，从星基增强、高可信PPP-RTK、多源融合导航，到通感导一体化网络与三维低空导航地图，“北斗+低空”正在形成覆盖时空基准、导航算法、信息网络与空间地图的端到端技术体系，为低空经济和无人机飞行提供可规模化、可靠且可监管的高精度导航能力。

4  低空经济应用——“飞得好”

近年来，无人机技术与产业发展迅速。很多行业因为无人机而改变了原来的工作方式。低空无人机具有易部署、成本低、灵活移动、可悬停的优势，使其在低空测绘、交通和应急等领域得到广泛使用。

4.1  低空测绘

在低空测绘中，测绘地理信息和无人机上的多种传感器结合紧密，在基础设施巡检、农业监测和地质灾害等场景得到广泛应用。

在基础设施测绘方面，相关研究通过融合低空无人机、飞艇、机载激光雷达和影像等多源数据，实现深竖井[44](如图 9所示)、输电走廊[45]和城市建筑[46]等复杂场景的高精度三维建模与病害识别，支撑裂缝检测、结构识别和空间信息提取等应用。在地质灾害监测方面，基于多时相无人机影像和高分辨率DEM的方法可获取厘米级形变信息，实现大范围滑坡的识别与监测，并在灾前测绘和灾后评估中发挥关键支撑作用[47-48]。

图  9 竖井快速病害检测技术

从趋势上看，低空测绘正从二维走向三维，从静态走向多时相动态。高精度DEM、三维实景模型和多时相数据已成为风险评估和工程管理的重要基础。

4.2  低空交通

在低空交通中，测绘地理信息为航路地图提供准确的数字基础，支持低空运输组织、航路网络设计和流量管理。

在无人机物流场景中，可利用城市三维建筑、地形、人口敏感区及物流需求等数据，使用双层或干线-末端相结合的航路规划方法[49]，在构建适飞区域的基础上生成并验证候选航线，为城市管理部门和企业提供可行的物流航线方案与网络容量支撑[36]。

中国各城市也开展了相关应用，深圳在南山区域建立无人机物流航线，使用三维建筑、基础设施和敏感区数据规划航线，建立管理和轨迹监控流程。成都基于三维空间数据、北斗定位和通信设施，建设低空运行管理平台，实现航迹监测和任务审批。

4.3  低空应急

在低空应急中，测绘地理信息和无人机遥感共同构建灾前、灾中和灾后的应急体系，在自然灾害和城市突发事件中发挥重要作用。

无人机的快速成像与灾情制图技术已广泛应用在山体滑坡、洪水、地震和火山等自然灾害中[50]。相关方法多基于高分辨率三维模型，并通过多传感器融合提升灾害识别与时序监测的精度与可靠性[51]。在城市灾害场景中，将无人机影像与数字地表模型相结合，并引入深度学习语义分割方法，可实现淹没范围和受灾要素的自动提取，达到建筑级甚至更高的空间分辨率[52-53]。进一步的，这类高精度空间信息为应急投送和灾后响应提供了关键支撑，使无人机在道路受阻、需求不确定等条件下能够优化物流调度与路径规划，并服务于灾情评估和应急决策[54-55]。

4.4  低空无人机应用面临的挑战

低空无人机技术的发展，为低空测绘、交通和应急等领域提供了更高效、更准确、成本更低的解决方案。但在实际应用中，无人机仍面临一些挑战，如续航不足、飞行安全风险和法规限制等。

无人机的电池续航一直是重大难题，现在的电池技术限制了无人机的作业时长。而实际任务需要长时间飞行，如农业监测、环境监测和灾后搜救，这些任务对续航要求较高。虽然电池技术在进步，出现了太阳能和无线充电等新方式，但这些技术还不够成熟，无法满足大范围、长时间的任务需求。因此，提高续航能力仍然是未来无人机发展的关键方向。

在飞行安全方面，多架无人机并发飞行，或在人群聚集处飞行均面临冲突风险。无人机必须依靠传感器和算法感知周围环境，需要实时规划路径，能够安全避开碍航物。因此，智能化的复杂环境避障技术非常重要，可提高无人机在城市环境中的安全性。随着无人机使用范围不断扩大，智能化避障、高效调度管理技术将成为无人机应用中的基本要求。

在法律监管方面，无人机的普及使相关规定变得尤为重要，对无人机的飞行需更加严格限制。人口多的区域和重要设施附近更需要清晰明确的法规来管理无人机的使用。同时，无人机在拍摄和采集数据时会涉及个人隐私问题。如何在发展低空技术的同时保护公民隐私，是未来必须解决的关键问题。

5  结语

低空经济作为新兴产业，在无人机、通用航空器及相关飞行器的运营领域中展现出巨大的发展潜力。随着技术的不断革新，测绘地理信息技术、遥感、人工智能及通信导航系统等在低空经济中的深度融合，为低空空域的安全管理、飞行路径规划、导航精度提升等方面提供了有效支持。然而，随着低空飞行器的高密度运营，空域安全、飞行路径优化、实时导航等问题依然存在，这些问题不仅影响着低空经济的可持续发展，也对低空空域的治理体系提出了更高的要求。

通过对低空风险量化、低空航路规划和低空飞行导航等领域的系统分析，本文阐述了国内外低空相关技术的发展，并对未来趋势进行了展望。低空经济的未来发展需要在数据融合、智能化优化、动态风险评估等方面进一步突破，推动空域治理体系的完善，并实现低空飞行的安全、精确、高效。进一步加强技术研发与标准化建设，将为低空经济的健康、可持续发展奠定坚实的基础。低空经济的发展是一个涉及技术、政策、市场等多方面的复杂过程，随着各方面技术的不断成熟，低空经济将在更多领域发挥重要作用，并为经济社会发展带来深远影响。未来的研究与实践应注重多学科的协同合作，推动低空经济在安全、效率、智能化等方面的全面进步，推动我国低空经济迈向更高的发展阶段。

作者简介：唐炉亮(1973—),男,博士,教授,主要研究方向为低空经济、时空大数据挖掘。

E-mail:tll@whu.edu.cn

通信作者：齐恒。

E-mail:qiheng@whu.edu.cn