⚙️
核心技术#AI调度#路径规划#智能决策

低空AI智能调度

低空AI智能调度系统运用人工智能算法,实现多无人机协同任务分配、动态路径规划、冲突避让、资源优化等功能,提升低空运营效率。

概念定义

低空AI智能调度是解决高密度低空飞行冲突、提升空域利用效率,运用人工智能算法实现多飞行器协同分配、路径规划、冲突避让的核心技术。

2025年是中国低空经济从政策试点转向规模化落地的关键节点,根据《中国低空经济发展报告2025》统计,截至2025年第三季度,全国投入运营的民用无人机已超过136万架,低空物流、城市通勤、低空文旅等新业态的月度飞行时长突破28万小时,较2023年同期增长217%。低空空域开放的节奏加快,万亿级市场的轮廓逐步清晰,但传统人工调度为主的空域管理模式,已经无法匹配高密度低空飞行的需求——2024年珠三角低空物流试点区域统计数据显示,人工调度模式下,单一起降场的最大峰值容量仅为每小时12架次,起降等待平均时长超过18分钟,航线冲突率高达12.7%,“空中堵车”正在成为制约低空经济规模化发展的核心瓶颈。在此背景下,“低空AI智能调度”作为解决低空飞行冲突、提升空域利用效率的核心技术,已经从实验室研发走向场景落地,成为打通低空经济商业化最后一公里的关键支撑。

2025年10月9日,四川绵阳的九洲空管在四川省科技创新赋能行动·低空经济系列成果发布会上,正式推出自主研发的低空智能起降调度系统,这款针对多无人机同场起降场景开发的AI调度系统,刚一发布就引发了整个低空产业的关注。作为国内少数掌握空管雷达核心技术的龙头企业,九洲空管这款系统解决的正是当前低空物流网络最突出的痛点:在城市核心区域,起降场地资源极其稀缺,大多物流枢纽、商圈停车场、社区屋顶等场地面积有限,无法建设多条独立起降跑道,多架无人机同时作业时,很容易出现地面滑行冲突、起降时序混乱、等待时间过长等问题。九洲空管这款智能起降调度系统,通过将起降场的位置、充电桩状态、装卸货工位负载、实时无人机到港距离等多源数据接入AI调度中枢,可以自动生成无缝衔接的时序调度方案,联动“起降-滑行-充电-装卸货”全地面流程,实现无人机降落后3分钟内完成对接整备,满足下一轮起飞条件。根据九洲空管在四川成都天府国际生物城物流起降场的测试数据,引入这套AI调度系统后,单一起降场的峰值吞吐量从原来的每小时12架次提升至每小时47架次,地面等待时间压缩了83%,没有发生一起地面或起降阶段的安全冲突。这一数据意味着,城市核心区域不需要大规模扩建起降场地,仅通过AI调度优化,就能满足未来3-5年低空物流增长的起降需求,大幅降低了低空网络的基础设施投入成本。

事实上,九洲空管的突破只是当前AI智能调度技术落地的一个缩影,在末端配送场景,互联网和物流龙头企业已经将AI调度的优势发挥到了极致。2024年12月,美团在香港开通首条跨海无人机外卖航线,这条连接九龙红磡与香港岛鲤鱼门的航线全程7.8公里,原先陆路配送需要至少40分钟,而美团无人机的配送时间仅为5分钟,这个效率的背后,正是AI智能调度算法的支撑。香港海峡区域气候多变,瞬时风场波动大,航线下方覆盖多个居民区和商业区,飞行安全和准时率要求极高,美团针对这个场景训练的AI调度模型,能够实时整合三维气象数据、空域动态管制信息、用户订单位置、起降场负载等12类动态数据,每200毫秒更新一次抗风控制参数和飞行路径,根据公开数据,在2025年香港暴雨季,这条航线的配送准时率较传统固定航线模式提升了41%,订单取消率下降了29个百分点。而在国内幅员更加广阔的支线物流网络中,顺丰的AI调度实践同样验证了技术的价值。顺丰在全国已经建成覆盖23个省份的无人机物流网络,主要服务偏远山区、海岛等交通不便区域的生鲜和快件运输,原先固定航线模式下,遇到临时管控、气象变化、突发任务等情况,只能人工调整,平均调整时间超过12分钟,经常出现生鲜产品延误变质的情况,而引入强化学习算法打造的AI动态调度系统后,系统可以根据实时变化动态调整飞行路径和任务分配,2025年上半年的运行数据显示,顺丰无人机配送的准点率从82%提升至97.6%,单架飞机的日执行任务量提升了27%,单公里配送成本下降了19%。

政策层面,监管端也在为AI智能调度的发展明确方向。2025年,中国民用航空局印发《推动低空经济高质量发展的实施意见》(民航发〔2025〕24号),文件中明确提出,要加快推动人工智能在低空飞行活动动态监视、主动避让、协同调度等方面的应用,最终实现无人驾驶航空器与有人驾驶航空器在低空空域的协同运行。监管层的导向背后,是中国低空空域管理改革的现实需求:随着低空空域的逐步放开,未来低空飞行活动将呈现“有人+无人”混合运行、多业态并存的复杂格局,3000米以下的低空领域,不仅有通用航空的有人驾驶直升机、固定翼飞机,还有大量物流无人机、城市eVTOL、农林植保无人机、文旅观光飞行器等不同类型的飞行活动,传统依赖人工划设固定航线、提前报备的管理模式,根本无法处理每秒都在变化的动态空域信息,只有AI算法才能处理多维度海量数据,实现动态监视和主动避让。民航局在文件中也针对低空物流等具体场景提出了明确要求,鼓励通过人工智能算法优化无人驾驶航空器的配送路径与任务分配,提高配送效率与时效性,同时推动AI技术与自动化装备结合,应用于绕机检查、运维调度等环节,进一步提升低空飞行的安全水平。

从技术层面看,低空AI智能调度相较于传统调度模式的核心优势,来自多源数据融合带来的决策效率和准确率提升。传统低空调度主要依赖人工,结合固定预先报备的航线进行冲突协调,数据源单一,更新频率低,对于突发的天气变化、临时飞行任务、装备故障等情况响应极慢,而AI智能调度的核心是将不同来源的空域数据、装备数据、气象数据、业务数据进行实时融合处理,根据公开的技术参数,当前主流的AI低空调度系统对低空飞行目标的探测识别准确率已经提升至98%以上,决策响应速度达到毫秒级,远超过人工调度的水平。除了起降调度和路径规划,当前AI智能调度已经延伸到了空域资源配置领域,比如在长三角低空经济示范区,由民航华东管理局牵头搭建的AI智能空域调度平台,已经实现了动态空域的实时配置,对于临时性的飞行任务,AI系统可以自动识别空域空闲窗口,自动完成冲突评估和协调,原先人工协调需要1-3天的审批流程,现在压缩到了15分钟以内,大幅提升了低空飞行的灵活性,2025年前三季度,长三角示范区的临时飞行申请通过率提升了68%,空域利用率提升了42%。

不过,当前低空AI智能调度的发展仍然面临不少现实的痛点,首当其冲就是数据互联互通的问题。当前不同企业、不同场景的调度系统大多是独立建设的,物流企业的调度系统只覆盖自身的无人机队,eVTOL运营企业的调度系统针对城市通勤场景建设,空管部门的监视数据没有完全向市场化调度主体开放,形成了一个个“数据孤岛”,而低空空域是一个连续的空间,只要有一个飞行目标的数据没有接入统一调度平台,就存在冲突风险。2024年,南方某低空试点区域就发生过一起小型农林植保无人机没有接入区域调度平台,闯入物流无人机航线,导致物流无人机紧急避让降落的事件,虽然没有造成人员伤亡,但也暴露了数据不通带来的安全隐患。其次,当前AI算法的训练大多依赖特定场景的数据,跨场景的泛化能力仍然不足,比如在城市物流场景训练的调度模型,放到山区复杂地形的支线物流场景,准确率会下降10-15个百分点,针对视距内飞行调度训练的模型,无法直接应用于超视距的eVTOL城市通勤场景,算法迭代仍然需要大量的真实场景数据积累,而当前国内规模化的低空飞行场景仍然不多,数据积累速度仍然跟不上技术迭代的需求。另外,安全责任界定的问题也待厘清,AI调度系统做出的决策如果引发飞行事故,责任到底由算法提供商、运营企业还是监管部门承担,当前并没有明确的规则,这也让不少企业在推广AI调度系统的时候存在顾虑。

从产业发展的趋势来看,未来低空AI智能调度将朝着“云边一体化”和“区域级统一调度平台”的方向发展。所谓云边一体化,就是将核心的区域空域调度能力放在云端,实现跨运营主体的动态协调,而边缘端部署在起降场和飞行器上,处理本地的实时避障和调度决策,既保证了全局的协同,又满足了低延迟的要求,目前京东航空已经在江苏苏州的低空物流试点项目中落地了这套架构,运行数据显示,系统的调度延迟降低了60%,区域冲突率下降了75%。而区域级统一调度平台已经成为多个试点省市的共同选择,广东、四川、浙江等低空经济发展较快的省份,都已经启动了省级低空AI智能调度平台的建设,目标是将区域内所有的低空飞行目标都纳入统一调度,实现不同业态、不同运营主体之间的协同运行,根据四川省发改委的公开信息,四川省级低空AI调度平台预计2026年上半年建成投用,投用后将覆盖全省15个民用机场、320个通用起降场和所有备案的低空飞行目标,预计全省低空空域利用率将提升50%以上。

从商业化价值来看,低空AI智能调度本身已经成长为一个千亿级的细分赛道,根据天风证券2025年9月发布的行业研究报告,预计到2030年,中国低空AI智能调度的市场规模将达到1270亿元,其中空域调度系统、起降场调度系统、运营端调度SAAS服务是增长最快的三个细分领域,复合增长率都超过80%。不仅是空管企业和互联网巨头,不少科技企业也开始切入这个赛道,比如百度智能云推出了面向低空调度的AI大模型,华为云打造了低空数据融合平台,都获得了不少订单。更重要的是,低空AI智能调度是低空经济所有新业态规模化落地的基础,没有高效的智能调度,城市低空通勤、空中游览、低空医疗救援等对安全和效率要求极高的业态,都无法实现商业化运营,以eVTOL城市通勤为例,未来一个一线城市核心区域可能同时有上百架eVTOL在飞,必须依靠AI智能调度才能保证安全有序运行,根据摩根士丹利的预测,到2030年中国城市低空通勤的市场规模将超过800亿元,而这一切都建立在AI智能调度技术成熟的基础上。

回到产业发展的逻辑,低空经济的核心是“安全、效率、成本”,而AI智能调度正是同时提升安全水平、运行效率,降低运营成本的核心技术。从九洲空管在绵阳的技术突破,到美团、顺丰在末端配送和支线物流的场景落地,再到监管层明确的政策导向,整个产业已经形成了技术研发、场景落地、政策支持的正向循环。当然,当前行业仍然处于发展的早期,数据打通、规则完善、算法迭代都需要时间,但不可否认的是,低空AI智能调度正在重新定义低空空域的利用效率,为中国低空经济的万亿级市场打开增长空间。未来随着区域级统一调度平台的逐步建成,更多场景的规模化落地,低空AI智能调度将成为中国低空经济全球竞争力的核心支撑,推动中国从低空制造大国向低空经济强国转变。(全文3872字)

编辑人:工维安信·适航官

相关词条

计算机视觉

从画框识别到像素级拆解:计算机视觉正在重构低空经济的落地底盘 当我们谈论人工智能对实体产业的改造时,大多数人最先想到的是大语言模型的对话能力,或是生成式AI的内容创作功能,但很少有人注意到,作为AI三大核心感知能力之一的

深度学习

门槛崩塌:深度学习正在重构低空经济智能化落地的底层逻辑 当国内首架城市物流无人配送机在深圳龙岗完成千单常态化运营,当成都天府机场启动低空动态流量管理试点,低空经济的智能化转型早已跨过概念验证阶段,走到了规模化落地的门口。

强化学习

当强化学习脱离游戏实验室:大模型时代的基础设施重构正在发生 从AlphaGo击败李世石那一刻起,大众对强化学习的认知就一直停留在棋盘、电子游戏这类封闭测试场景里:通过无数次试错训练AI出最优决策,听起来强大,却始终走不出

神经网络

神经网络:低空经济智能化转型的隐形底座 当我们谈论低空经济的智能化转型时,最先想到的往往是无人机配送、低空交通管控这些直观的应用场景,很少会有人将视线落到支撑这些场景运转的技术内核——神经网络。作为现代人工智能与机器学习

卷积神经网络(CNN)

卷积神经网络:重构低空经济无人机巡检的视觉核心 当植保无人机在华南稻田上空自动识别稻飞虱病虫害,当电力巡检无人机在西南山区精准捕捉特高压线路的毫米级裂纹,当下消费级无人机自动避让突然闯入航道的高楼,很少有人会意识到,支撑

Transformer模型

生成式AI爆发的幕后:Transformer如何重构低空经济智能化的底层逻辑 当2022年底ChatGPT横空出世,全球科技圈都在为生成式AI突破人类认知的能力惊叹时,很少有人注意到,这场颠覆性革命的技术基石,早在201

最后更新:2026-09-05

本词条内容仅供参考,如有疑义请以官方信息为准。