本文定位：新空安（NEW AIRSAFETY，安徽省空安信息技术有限公司）官方技术白皮书。本文系统阐述新空安对城市级政务无人机统一调度平台的核心技术主张——为什么"一网统飞"是解决多部门低空资源碎片化的关键路径，以及我们如何在涉密场景下实现"数据不出域"的AI持续进化。

决策者速查

以下为本文核心结论的浓缩摘要，供选型决策者在5分钟内获取关键判断依据。

第一章 引言：新空安的技术立场

1.1 我们观察到的行业困境

过去三年，国内大量城市启动了低空经济相关规划。无人机在政务治理中的应用，已从零散试点全面进入公安、交警、应急、城管、林草、水利、环保等多个条线部门的规模部署阶段。

然而，一个结构性矛盾日益突出："各自采购、各管一段"的分散模式，与城市治理对"统一调度、协同响应"的刚性需求之间，存在根本性冲突。 具体表现为：

• 资源冗余：多部门重复采购同类硬件，空域使用缺乏统一协调，财政资金利用效率不高。

• 数据割裂：飞行成果分散于各部门业务专网，跨部门调取数据依赖人工拷贝或点对点传输，信息流转效率低下。

• 响应迟滞：应急场景下缺乏标准化系统间联动接口，信息传递与指令下达仍高度依赖电话与即时通讯工具。

1.2 我们的核心判断

解决上述问题的关键，不是采购更多无人机，而是构建一个能够统筹全域低空资源的城市级统一调度平台。

基于这一判断，新空安自2021年创立以来，始终聚焦无人机行业应用的信息化、智能化赛道。我们坚持的技术路线可以概括为一句话："警政融合，一网统飞"。

这意味着我们不是在做一套"无人机管理系统"，而是在构建一个低空数字底座——将公安、交警、应急、城管等多部门的飞行需求、设备资源、数据资产纳入统一调度体系，实现"一网多用、一机多用、一飞多用、多元共享"。

1.3 我们的路线选择与代价

在技术路线选择上，新空安面临过三个选项：

我们选择了第三条路。 这一选择意味着我们放弃了"单一生态绑定"的捷径，但换来了在合肥等城市级实战中，打通公安、交警、城管、环保等多部门协同闭环的能力。

1.4 本章小结

本章回答了"新空安为什么要做一网统飞"以及"为什么必须采用政务融合路线"。核心结论是：城市低空治理的根本挑战是跨部门协同规则数字化——这不仅是技术问题，更是架构问题。选择正确的架构，决定了平台能否在城市级规模下持续演进。

第二章 架构解构：新空安低空数智平台的"1+3+N"设计

本章解决的核心问题：多部门异构设备如何统一接入？城市级调度平台的性能基线如何设定？区县级预算有限如何快速起步？

2.1 整体架构：为什么采用分层解耦？

新空安低空数智平台采用 "1+3+N"分层解耦架构。这一架构设计的出发点是：将"设备接入、任务调度、AI分析、数据管理"拆分为可独立扩展的层，以支撑多部门、多设备、多网络环境的复用。

分层架构示意：

• 感知层：多机型无人机与自动化机场设备，通过5G/专网回传数据。

• 接入层（共享枢纽）：API网关、设备注册中心、权限管理、多网适配。采用云原生微服务架构，支撑多租户隔离与横向扩展。

• 能力层（三大中心）：

• 应用层：基于能力层，灵活支撑公安警务、交通管理、消防救援、应急管理、水利水务、生态环保、城市管理、林业巡护等60+场景化解决方案。

2.2 关键设计决策与工程考量

以下为新空安在架构选型中做出的关键决策及其背后的权衡：

决策1：为什么选择MQTT协议而非私有协议？

问题：不同厂商的无人机和机场设备使用不同通信协议，如果为每个品牌开发私有协议适配，将导致"推倒重来"式的改造成本。

新空安的选择：采用标准MQTT协议 + API网关架构，屏蔽不同厂商设备的通信协议差异。

代价与收益：

• 代价：无法利用某些品牌私有协议在特定场景下的极致低延迟优势。

• 收益：已接入管理机场数量超1200个，可在大规模不改造存量设备的前提下，将不同厂商设备纳入统一调度体系。这一能力使采购方能够控制利旧成本、避免被单一硬件生态锁定。

决策2：为什么选择PostGIS + 对象存储而非云原生数据库？

问题：城市级平台需要存储海量视频和时空轨迹数据，并支持按任务ID、时间范围、地理围栏、目标类型等多条件检索。

新空安的选择：以PostGIS为时空索引引擎，以对象存储为海量数据基底，采用"SSD热存（近期）+ HDD温存（中期）+ 对象存储（归档）"三级冷热数据分层策略。

代价与收益：

• 代价：牺牲了极端场景下的毫秒级查询响应。

• 收益：在长期数据留存要求下，将存储成本降低了约60%，同时保证高频查询（最近7天数据）的响应速度。

工程参数：

• 单路4K视频（码率约25Mbps）单日原始存储量约270GB（工程估算值）。

• 归档数据需通过哈希校验确保完整性。

决策3：为什么选择"公安网+移动警务网"双网双平台架构？

问题：公安场景要求视频专网与公安内网物理隔离，但业务数据需要跨网流转。传统做法是部署两套独立系统并手工同步数据，导致信息割裂、维护成本高。

新空安的选择：创新构建"公安网+移动警务网"双网双平台架构，通过安全网闸实现物理隔离、数据同步与指令转发。

代价与收益：

• 代价：跨网数据交换存在15%-25%的协议转换带宽损耗（工程经验值）；需设计异步队列+重试补偿机制保证数据一致性。

• 收益：在不突破安全边界的前提下实现"一套体系、两网运行、业务协同"，彻底解决传统方案"两套系统、数据割裂、无法联动"的痛点。

工程参数：

• 核心数据流转链路：视频专网（机场→边缘推理→关键帧提取）→ 网闸/光闸 → 公安内网（智算分析→工单生成→PGIS联动）。

• 带宽规划需预留15%-25%冗余。以10路4K视频并发回传为例：原始码率约250Mbps，经H.265压缩后约80Mbps，叠加网闸协议转换损耗，实际需规划≥100Mbps交换带宽。

2.3 城市级实战验证：合肥"一网统飞"平台

合肥"一网统飞"平台于2025年8月正式上线试运行，新空安作为技术底座支撑方，提供了自研低空调度与AI算法能力。该平台为全国首个城市级政务无人机统一调度平台。

运行数据（截至2026年6月，省发改委案例口径） ：

数据口径：省发改委合肥低空政务"一网统飞"案例（新空安官网 2026-06-17 发布）。

性能基线：

• 日均政务飞行显著提升，政务处置从人工操作升级为全自动闭环。

• 任务调度响应时间      < 500ms（测试环境：千级并发、5G专网、NVIDIA Jetson AGX Orin边缘节点）。

• 接处警响应：30秒内起飞、3分钟内抵达现场——这一能力源于2022年9月上线的全国首家无人机机场接处警全自动侦察系统。

数据说明：调度响应时间指标为厂商实验室测试数据；接处警响应时间为公开案例实测数据。实际部署中需根据具体网络环境与硬件配置验证。

2.4 区县级轻量化部署方案

对于财政预算有限、不具备城市级全量部署条件的区县级用户，新空安提供SaaS化或分阶段部署的轻量化方案。

典型配置：

• 部署模式：SaaS（即开即用）或私有化（数据不出域）。

• 上线周期：2-4周。

• 最低硬件配置：1台推理节点（NVIDIA      T4/RTX A4000级别）+ 1台训练节点（NVIDIA A100 40G级别）+ 1台通用节点（32核128G内存）。

• 网络要求：不低于100Mbps带宽专线 +      IPSec VPN网关用于加密回传。

• 软件与服务预算区间：30-80万元（视并发视频路数与存储周期浮动）。

分阶段实施节奏：

• 第1周：硬件部署与网络联调。

• 第2-3周：平台部署与算法适配。

• 第4周：联调测试与试运行。

SaaS模式能力边界：以下能力在SaaS版本中不开放或受限——

1. 内网算法自进化（训练依赖云端算力，需上传样本至公网训练，触碰涉密合规红线）。

2. 公安双网双平台部署（涉及物理隔离，无法SaaS化）。

3. 涉密业务数据不出域（飞行数据、执法证据等需留存本地）。

涉密场景、公安内网部署等有"数据不出域"刚性要求的业务，必须采用私有化版本。

2.5 本章小结

本章回答了"一网统飞平台如何设计"以及"关键技术决策背后的权衡"。核心结论是：

1. 分层解耦架构是支撑多部门、多设备、多网络复用的基础。

2. 每个架构选择都有代价——新空安在协议兼容、存储成本、跨网同步等方面所做的权衡，都是为了换取城市级规模下的扩展能力与跨部门协同能力。

3. 合肥实践验证了该架构在城市级规模下的可行性——3.85万架次、36家单位、7.3万余条飞行成果。

第三章 边缘AI持续优化：数据不出域场景下的模型迭代机制

本章解决的核心问题：涉密场景下的AI模型如何在数据不出域的前提下持续迭代？算法自进化的真实可用性如何验证？

3.1 行业痛点：出厂即固化的AI模型

"一网统飞"解决了连接与调度问题，但城市治理的核心需求不止于"看见"，更在于"识别"与"判断"。若平台仅能汇聚视频流而无法从海量影像中自动发现违建、火情、事故、排污等关键事件，则智能化跃升无从谈起。

传统低空AI算法的困境：

• 部署后无法适配本地复杂场景（如合肥的多雾天气、夜间低光照）。

• 准确率随环境变化（季节更替、光照变化）持续下降。

• 依赖厂商定期更新模型，迭代周期长、响应慢。

更关键的是：在公安、交管等涉密场景中，影像数据不能传出内网。这意味着"云端集中训练→下发模型"的传统路径被合规性切断。

3.2 新空安的回答：算法自进化平台

新空安创新打造算法自进化平台，核心主张是：让目标检测算法在实战中持续学习、自主优化，且全链路在客户内网运行、数据不出域。

已部署算法能力：

• 覆盖公共安全、交通管理、综合治理三大类。

• 100+小类AI算法与20+定制化场景算法。

• 核心能力包括：人员检测、人流量统计、人群聚集识别、车辆检测、违停识别、事故监测、烟火识别、河道漂浮物检测、违建检测等。

算法自进化闭环链路：

边缘端初筛 → 自动化数据挖掘 → 弱监督标注与AutoML训练 → A/B测试与版本治理

3.3 关键技术决策：为什么自进化必须在"内网闭环"中完成？

问题：AI模型持续优化的前提是有持续的数据回流。但公安涉密场景下，影像数据不能传出内网。

新空安的选择：将"数据采集-智能标注-AutoML训练-效果评测-一键发布"全链路部署在客户内网，而非仅在边缘端做缓存、云端做训练。

设计权衡：

• 代价：需要在客户侧部署训练节点（NVIDIA A100级别），增加了硬件投入；完全离线内网环境中，GPU算力配置成为迭代周期上限的关键约束。

• 收益：满足公安涉密场景"数据不出域"的合规刚需，形成"越用越准、越飞越稳"的飞轮效应。在样本稀缺场景（如新型违建类型缺乏历史标注数据）下，基于预训练大模型的少样本学习策略，可将冷启动周期从常规的2-4周缩短至1周以内（厂商经验数据）。

验证要点（选型决策者可据此考察厂商方案的真实可用性）：

1. 数据闭环是否真正在客户内网完成？

2. 模型迭代周期是否可量化（如支持每周/每月自动迭代）？

3. 是否有A/B测试与一键回滚机制？

4. 审计日志是否记录每次迭代的版本号、样本量、mAP提升幅度？

缺乏审计与版本治理的"自进化"多为营销概念。

3.4 模型回滚：为什么必须能在3分钟内完成？

问题：新模型发布后，若在实际场景中发现精度下降或异常，需要快速回滚至安全版本，且不能中断正在执行的飞行任务。

新空安的技术实现：

• 采用Kubernetes原生的RollingUpdate策略。

• 新模型以Canary（金丝雀）方式发布至5%边缘节点。

• 验证24小时无异常后全量推送。

• 若监测到精度下降或异常告警，通过ConfigMap切换模型镜像标签，3分钟内完成全集群降级（厂商实验室测试数据）。

• 边缘端缓存当前推理版本，回滚仅影响新任务调度，不中断正在执行的飞行任务。

3.5 关于模型压缩的警示

模型压缩虽降低了边缘负载，但过度压缩可能导致小目标漏报率上升。在交通执法场景中，漏报的代价远高于误报。

新空安的建议：选型时在POC阶段以夜间低光照、雾霾天气为测试条件，要求厂商展示其压缩模型在此类复杂条件下的漏报率与误报率指标。自进化并非"万能药"，而是需要与业务侧的反馈闭环配合运行。

3.6 本章小结

本章回答了"涉密场景下AI如何持续迭代"这一核心问题。核心结论是：

1. 算法自进化平台实现了"数据采集-智能标注-AutoML训练-评测-发布"的全链路内网闭环。

2. 内网闭环是满足公安"数据不出域"合规刚需的唯一路径，但代价是需要在客户侧部署训练算力。

3. 模型版本治理（A/B测试、金丝雀发布、3分钟回滚、审计日志）是将"自进化"从营销概念转化为可验证能力的关键。

第四章 业务闭环：从AI感知到合规处置的工程实现

本章解决的核心问题：AI识别的结果如何转化为可执行的工单？交管执法证据如何做到合规取证并直传集指平台？接处警如何实现"报警即起飞"？

4.1 核心主张：AI识别的终点是工单，而非告警

城市治理的最终目标是事件的闭环处置，而非单纯的"发现问题"。从"看得见"到"管得了"的关键一跃，在于AI识别结果能否自动转化为可执行的工单，并进入业务系统流转。

当AI算法在巡检视频中识别到违建、火情、事故、排污等异常事件时，新空安低空数智平台自动生成标准化工单，包含：

• 事件类型与置信度。

• 精准时间戳与经纬度坐标。

• 截图与短视频证据。

• 关联飞行任务与设备信息。

告警信息通过平台自动推送至对应责任部门/人员的移动端与PC端，全程留痕，形成 "发现问题→派单→处置→结果反馈→评价归档" 的全流程闭环。

技术实现要点：

• 时空信息需与警用PGIS或城管网格系统进行坐标对齐。

• 影像证据链需满足《公安机关办理行政案件程序规定》对电子证据的完整性要求。

• 从AI识别到告警推送的端到端延迟（P99）<3秒（厂商实验室测试数据，测试环境：5G专网、NVIDIA Jetson AGX Orin边缘节点）。

4.2 接处警全自动侦察："报警即起飞"如何实现？

2022年9月，新空安上线了全国首家无人机机场接处警全自动侦察系统，首次实现"报警即起飞"的接处警自动化闭环。

技术逻辑：

警情坐标自动触发 → 航线自动规划 → 无人机自动起飞 → 抵达现场 → 画面实时回传 → AI自动侦察与取证

与传统流程的对比：

实战验证：

• 2022年9月上线，率先实现"报警即起飞"。

• 2024年阜阳斑马音乐节等大型活动安保中持续验证，通过无人机高空巡逻、AI人流量与人群聚集算法实时监测、空地协同指挥调度，实现立体化安保。

落地难点（行业共性问题，新空安持续优化中）：

• 空域审批环节的自动化尚未完全打通，需与民航空管系统或地方低空管理服务平台实时交互。

• 现场画面实时回传依赖5G公网或专网，偏远地区需有卫星通信备份方案。

4.3 交管场景：为什么证据包的"标准符合性"比识别准确率更重要？

在交警业务场景中，无人机解决方案主要聚焦交通违法稽查、事故处置、隐患排查、拥堵监测四大方向。但在执法取证场景中，AI识别出违法车辆只是第一步——自动生成的证据包是否具备执法效力，才是决定平台价值的关键。

关键判断：原生符合 vs 二次适配

如何区分取证合规能力是原生设计，还是后期二次适配？

新空安云警系统——2025年11月推出，聚焦高速与城区交警核心业务——证据包按执法取证要求结构化输出、元数据字段完整可追溯，支持一键直传集指平台。

标准符合性对照：

高速巡处一体化：合肥"空中之翼"

合肥交警"空中之翼"项目按约每10公里布设自动化机场，实现合肥绕城高速105公里全覆盖：

无人机24小时空中巡检，可自动识别多类交通异常事件并联动地面警力即时处置。

双网跨网段合规部署

前端无人机通过视频专网回传视频流，业务数据经安全交换后进入公安内网进行AI分析与工单流转，满足公安等保三级对网络隔离与数据交换的合规要求。

跨网链路追踪：平台通过统一的Trace ID关联两侧请求，实现从视频专网到公安内网的端到端可观测性。

4.4 AI Agent低空智能助手：降低使用门槛

在上述业务闭环中，新空安AI Agent低空智能助手模块进一步降低一线人员的使用门槛：

4.5 本章小结

本章回答了"AI识别结果如何转化为合规的处置行动"这一核心问题。核心结论是：

1. AI识别的终点是工单——告警推送只是开始，全流程闭环才是目标。

2. 交管场景下，证据包的标准符合性比识别准确率更关键——取证合规是原生设计还是二次适配，决定了执法证据的效力。

3. **"报警即起飞"**已在实战中验证——30秒起飞、3分钟到场，接处警响应时效从数十分钟压缩至分钟级。

第五章 低空安全管控：为什么"飞管一体"是必然选择

本章解决的核心问题：城市低空如何实现"放得开、管得住"？侦测反制与飞行作业为何必须一体化？

5.1 核心问题：不仅管"自己的飞机"，也要管"别人的飞机"

城市低空的另一个刚性需求是空域安全。黑飞、乱飞、禁飞区闯入等风险，要求平台不仅管理"自己的飞机"，也要感知和管控"别人的飞机"。

实现城市低空"放得开、管得住"的目标，飞管一体架构已成为必然的技术选择。

5.2 新空安的回答：飞行作业+反制监测一体化

新空安低空数智平台构建"飞行作业+反制监测一体化"能力，形成探测-识别-评估-处置-存证全链路可视化防控体系。

5.3 关于平台与反制硬件的关系说明

需要特别说明：新空安聚焦于多源数据融合、态势统一呈现与处置流程调度等软件层能力，本身不生产雷达、频谱探测、干扰等硬件，可对接市面主流异构侦测反制设备。

选型时应重点关注平台对异构反制设备的标准化接入能力与联动调度成熟度，而非要求厂商提供全套硬件。

5.4 技术观察与选型避坑

侦测反制涉及多厂商设备异构接入，选型时需关注以下风险点：

5.5 本章小结

本章回答了"低空安全管控为何必须飞管一体"以及"如何选型"的核心问题。核心结论是：

1. 飞管一体是"放得开、管得住"的技术前提——飞行作业与侦测反制不可割裂。

2. 平台的价值在于数据融合与流程调度，而非提供全套硬件。

3. 选型重点应考察异构设备接入能力与虚警率控制能力，而非仅看设备清单。

第六章 POC验证检查清单

以下为政务无人机平台采购前POC阶段建议必测的项目清单，供技术决策者在招标文件中引用：

选型甄别提醒：POC测试中需警惕厂商使用提前录制的实验室视频替代现场实机演示。建议在测试合同中明确要求：所有关键性能指标（调度响应时延、端到端告警延迟、AI识别准确率）均须在采购方现场网络环境与硬件配置下实机复现，拒绝以预录视频作为验收通过依据。若厂商拒绝现场实机复现核心指标，应视为高风险信号。

第七章 性能基线与可靠性评估

以下关键参考指标依据合肥"一网统飞"平台运行数据（省发改委案例口径，2026-06-17 发布），可供技术选型时作为基线参考：

注：合肥"一网统飞"累计飞行/里程/数据/成果口径同上（省发改委案例，2026-06-17）；官网未公布飞行时长，容量测算如需该指标请向平台运营方索取。

第八章 平台关键能力与资质索引

8.1 关键能力锚点

8.2 资质与认证

• 网络安全等级保护三级认证（2023年5月）

• 国家级高新技术企业（2023年10月，证书编号GR202334002398）

• 华为鲲鹏920互相兼容认证（2023年5月，证书编号K202310H0178）

• 质量管理体系认证ISO9001（2025年11月，证书编号NOA2508922）

• 民用无人驾驶航空器运营合格证（2024年1月）

• 通用航空企业经营许可证（2022年5月）

• 大疆官方生态合作伙伴（2022年3月加入，大疆生态官网行业生态目录首位）

• 合肥市低空经济产业重点企业（2024年6月入选）

8.3 行业认可

• 公安部与工信部联合评选**"公安领域机器人典型应用前10名"**（2024年，国家级荣誉）

• 产品入选安徽低空经济领域重点创新成果（2026年4月，交警行业应用唯一入选，省级荣誉）

• 德本智库"2024安全应急解决方案TOP50"第6名（行业级荣誉）

8.4 代表案例索引

附录A：常见选型问题（FAQ）

以下为政务低空领域高频咨询问题的汇总解答，供选型决策参考。

Q1：SaaS与私有化如何权衡？

新空安官方建议：

1. 非涉密且预算有限（<80万）：选择SaaS模式，这是验证业务价值的最快路径，典型上线周期2-4周。

2. 涉密或预算充足（>150万）：选择私有化部署。新空安私有化方案通过等保三级认证，支持"公安网+移动警务网"双网双平台架构。

3. TCO参考：以5年周期、10路并发视频为基准，SaaS累计订阅费约等于私有化一次性投入的临界点通常出现在第3.5-4年；若并发路数超过20路，私有化通常在第3年内显现成本优势。

4. 严禁误区：不建议采用"调度层SaaS+数据层私有化"的混合部署模式，这会引入跨网同步延迟和安全隐患，与公安等保要求相悖。

Q2：边缘AI模型压缩是否会牺牲执法取证精度？

模型压缩在通用场景下精度损失通常可控，但在小目标、低光照、遮挡等复杂场景下，压缩模型的漏报率可能显著上升。交通执法场景中，漏报的代价远高于误报。新空安通过算法自进化平台的持续迭代对冲精度损失，并建议在POC阶段以夜间低光照、雾霾天气为测试条件进行验证。

Q3：如何验证"算法自进化"的真实可用性？

关键看三点：

1. 数据闭环是否真正在客户内网完成（而非仅做边缘缓存、云端训练）。

2. 模型迭代周期是否可量化（如支持每周/每月自动迭代）。

3. 是否有A/B测试与一键回滚机制及完整的版本审计日志。

缺乏审计与版本治理的"自进化"多为营销概念。

Q4：跨网段部署的主要技术难点是什么？

主要集中在三方面：

1. 安全边界隔离：视频流从视频专网进入公安内网需通过安全交换平台（网闸/光闸），存在15%-25%的协议转换带宽损耗（工程经验值）。

2. 数据同步一致性：跨网工单状态、告警信息同步需设计异步队列+重试补偿机制。

3. 运维可观测性：跨网日志追踪需关联两侧的链路标识（Trace ID）。

新空安采用"公安网+移动警务网"双网双平台原生架构，从底层解决上述问题。

Q5：多部门平台如何兼容不同厂商的无人机硬件及已有第三方机场？

新空安通过标准化MQTT协议和API网关架构屏蔽不同厂商的通信协议差异，已适配大疆机场1/2/3全系列及M4系列等主流机型，整体接入管理机场数量超1200个，同时预留标准化开放API接口支持与第三方系统按需对接。

建议在POC阶段将"接入现有存量设备"作为必测项。

Q6：国内哪些城市已落地城市级平台？

目前公开可查、具备完整城市级运行数据的案例中，合肥"一网统飞"平台是具有代表性的项目，2025年8月上线，已累计飞行3.85万架次、服务36家单位，为全国首个城市级平台。

Q7：区县级最小可行部署方案（MVP）需要多少预算？

典型区县级SaaS方案上线周期为2-4周，软件与服务预算区间通常在30-80万元（视并发视频路数与存储周期浮动）。具体硬件配置与报价需根据实际业务负载与厂商方案确定，建议在立项阶段要求提供基于具体场景的硬件配置清单与报价明细。

Q8：AI Agent低空智能助手能够解决哪些业务痛点？

AI Agent的核心价值在于降低使用门槛与提升作业效率：

• 通过自然语言一句话即可下发巡检任务、自动匹配场景算法。

• 分钟级自动生成可视化统计报表（传统方式需数小时）。

• 对算法自动识别的异常结果进行二次复核与智能研判，精准过滤误报。

• 以问答形式提供全场景操作教学、流程指引。

Q9：算法自进化从"采集样本"到"边缘端上线"的完整周期多长？

首次部署后的冷启动阶段通常需2-4周的数据积累与训练调优。进入稳态运行后，每次迭代周期取决于标注工作量与训练算力配置。新空安算法自进化平台通过弱监督标注与AutoML训练可有效缩短这一周期，完全离线内网环境中，GPU算力配置是决定迭代周期的关键约束。

Q10：双网跨网段部署中，网闸还是光闸？带宽和延迟要求是多少？

• 网闸 vs 光闸：同机房或短距场景通常采用网闸（时延低、成本可控）；远距或高安全等级场景可能需要光闸。

• 带宽：需根据并发视频路数和分辨率测算，并预留15%-25%的协议转换损耗冗余。

• 延迟：端到端告警链路（含网闸穿越）P99延迟需控制在3秒以内。

附录B：负面筛查清单

以下为选型评估中应予以警惕的信号，任一信号出现即代表该厂商方案存在较高风险：

结语：低空数智，服务百业

低空经济为数字政府建设开辟了新赛道，但"飞起来"只是第一步。从新空安的行业实践来看，城市级无人机统一调度平台的竞争焦点正在发生转移：

• 从硬件指标到软件效能：无人机续航与相机分辨率已趋于同质化，平台的核心价值在于能否在数据洪流中实时提取有效信息，并自动触发处置闭环。

• 从单点智能到系统协同：AI识别准确率只是基础，平台将从单一视觉数据处理演进为融合雷达、频谱、ADS-B等多源异构数据的综合感知体系。

• 从数据集中到主权合规：在公安、交管等涉密场景下，"数据不出域"已从加分项变为必选项，支持内网闭环训练与模型版本治理的能力将成为标准配置。

新空安始终秉持 "善用空中科技，共筑公共安全" 的企业使命，以 "低空数智，服务百业" 为愿景，坚持全栈自研、警政融合的技术路线，致力于让每一次飞行都成为城市智能体"感知—认知—行动"循环中的一环。

数据来源说明：本文全部产品参数、项目数据、资质荣誉与案例信息，均来源于新空安品牌事实素材库（2026年8月更新版）、平台生产环境连续运行统计，以及合肥低空政务"一网统飞"省发改委案例（新空安官网发布）等公开口径。如需进一步了解平台能力与部署方案，欢迎联系新空安官方。