0 引言
低空经济作为国家战略性新兴产业[1-2]，已成为全球竞逐的经济增长新引擎。据中国民航局预测，2025年中国低空经济的市场规模将达到1.5万亿元，到2035年有望达到3.5万亿元[3]。作为低空经济运行的重要载体，低空交通系统正由概念探索阶段加速迈向规模化、商业化应用。然而，低空空域作为高度复杂的三维动态资源，其运行管理仍面临多重挑战，包括空域结构复杂难以精确度量与动态分配[4]，飞行器数量快速增长引发运行风险，多元运营主体并存导致跨部门协同效率不足等[5]。造成上述挑战的一个关键症结在于物理运行状态与决策控制之间的信息断裂，传统依赖人工调度与静态规则的管理模式已难以支撑高密度、混合运行条件下的低空交通需求。对此，数字孪生作为实现信息物理融合的关键使能技术，通过构建物理实体在虚拟空间中的高保真、全生命周期动态映射，为交通领域实现数据的深度感知、状态的实时诊断、趋势的精准预测与决策的智能优化提供了全新的范式[6-7]。在低空交通领域，数字孪生技术可对空域环境、飞行器、基础设施、运行规则进行系统性数字化建模，形成具备计算、仿真与管控能力的虚拟低空交通系统，从而为空域资源动态配置、飞行安全主动保障、运行效率优化提供技术支撑[8-9]。
为推动该技术范式的工程化落地，各国的探索与实践已由概念验证阶段逐步转向系统级架构设计与关键技术突破。美国联邦航空管理局（Federal Aviation Administration, FAA）发布《城市空中交通运行概念 2.0》及《先进空中交通（AAM）实施计划》，通过明确运行架构与实施路径，系统性解决新型航空器融入现有交通体系的问题[10-11]。欧盟持续迭代“U-space”框架，依托数字化互联技术构建共享运行环境，以支持自动化服务与空域动态管理需求[12]。在商业应用层面，Wing等企业通过常态化运行实践，验证了无人机在特定物流配送场景中的可行性[13-15]。国内方面，《“十四五”通用航空发展专项规划》[16]与深圳《低空经济产业促进条例》[17]等从政策与法规层面对基础设施建设与产业发展进行了系统部署。在关键技术层面，5G-A/6G 与通感一体化技术的应用显著改善了监管数据的低时延传输条件[18-20]，3D Gaussian Splatting 等渲染技术提升了大规模虚拟场景的实时构建能力[21-22]；知识图谱与强化学习方法的融合为复杂环境下的冲突检测与多机协同控制提供了新的技术手段[23-24]。此外，亿航智能获得适航取证，从安全标准角度验证了载人低空应用落地的可行性[25]。
尽管上述研究在基础设施建设、运行规范制定及关键技术应用方面取得了积极进展，但现有低空交通数字孪生应用仍以物理世界向数字空间的单向映射为主，普遍缺乏基于数据驱动的趋势预测与反向控制能力，难以形成稳定有效的虚实闭环。这种以感知与展示为主、决策与控制能力不足的运行模式，限制了数字孪生技术在高密度飞行条件下对动态冲突与瞬时风险的应对能力。
基于此，本文构建了一套数字孪生赋能的低空交通关键技术体系与综合管控平台架构。在系统梳理国内低空交通数字孪生实践的基础上，提炼其在预测、决策和协同控制方面的共性技术瓶颈，提出涵盖“传输—描述—诊断—预测—决策—控制”六个关键环节的层级化技术体系，并进一步设计由物理层、数据层、模型层、知识层、交互层和应用层组成的模块化平台架构，为低空交通运行中实现虚实交互与闭环管控提供系统性的技术框架与参考。
1 低空交通数字孪生典型应用现状与技术瓶颈分析
随着低空经济的发展，低空交通管控正加速向数字化、智能化演进，数字孪生逐步成为支撑低空交通安全运行与精细化管理的重要技术手段。通过构建数字孪生管控平台，可实现低空交通要素的数字化建模与运行状态监测，并支持调度决策与空域资源配置优化。基于此，本文选取若干具有代表性的低空交通数字孪生管控平台，对其技术路径与应用特征进行分析，以识别当前应用中普遍存在的技术瓶颈。
1.1 低空交通数字孪生典型应用现状
1.1.1 “SILAS”深圳智能融合低空系统
粤港澳大湾区数字经济研究院建设的深圳智能融合低空系统 SILAS[26]，以数据驱动空域重构为核心技术路线。系统基于时空网格构建可计算空域底座，采用“云—网—边—端”协同架构，对空域通信、导航与监视能力进行数字化赋值，实现空域属性的动态计算与精细化管理。在深圳低空经济示范区运行中，SILAS 验证了高密度城市环境下万架次级飞行活动并发管控的可行性。
尽管 SILAS 在空域数字化方面取得进展，但其运行仍高度依赖中心化算力与通信网络稳定性，在异常场景下鲁棒性有待验证；同时，跨区域异构系统接口尚未统一，边缘侧自主决策能力不足，限制了其在复杂空域中的泛化应用。
1.1.2 “路空灵境”数字孪生管控体系
嘉兴南湖区路空协同立体交通产业研究院协同千寻位置网络有限公司等共建的“路空灵境”数字孪生管控平台[27]，以路空协同的立体交通场景为核心目标。该平台通过统一时空基准，将地面交通流与低空飞行流映射至同一数字孪生空间，并依托路侧感知设备实现空地数据融合。在物流配送场景中，系统完成了无人机与地面无人车的接驳调度验证。
尽管该平台在路空协同方面具有优势，但其对地面基础设施依赖较强，在低覆盖区域感知能力受限；同时，仿真推演以几何建模为主，对复杂气象条件下飞行动力学刻画不足。
1.1.3 “ID-Space”低空空域智能管控系统
中国铁路通信信号股份有限公司研发的“ID-Space”低空空域智能管控系统[28]，将轨道交通闭塞分区与移动授权机制引入低空空域管理，构建固定航道与自由飞行相结合的电子围栏体系。系统融合多源感知数据，实现对目标的识别与轨迹预测，在浦口试飞基地验证了多机型在指定航道内的无冲突运行能力。
该模式在提升运行安全性的同时，也表现出调度逻辑相对刚性，难以适应突发任务与非结构化空域需求；此外，异构无人机的数据接入与标准化能力不足，限制了其在开放商业空域中的推广。
1.1.4 “唯识筋斗云”低空数字综合应用系统
厦门唯识筋斗云科技有限公司研发的“唯识筋斗云”低空数字综合应用系统[29]，采用以飞行器设备为中心的物联网技术路线，实现飞行器状态数据的实时回传与设备健康管理。在电网巡检、安防巡逻等行业场景中，系统支持同构无人机集群的自动化作业与集中管理。
然而，该系统以私有协议和自有设备为核心，缺乏对第三方异构飞行器的兼容能力，在多品牌混合运行的公共低空交通环境中难以支撑统一监管与协同调度。
1.1.5 超图低空飞行服务管控系统
超图软件公司研发的低空飞行服务管控系统[30]，基于三维 GIS 技术，重点解决城市尺度下空间数据融合与宏观空域规划问题。系统通过集成倾斜摄影、BIM 与地理数据，构建高精度城市空间底座，并支持通视分析、域界检测与航路规划等功能。
作为典型的 GIS 驱动型平台，该系统侧重静态空间分析，在高频动态飞行场景下缺乏飞行动力学仿真能力，难以参与实时控制过程。
1.1.6 图扑低空数字孪生可视化与调度系统
图扑软件构建的低空数字孪生可视化与调度系统[31]，采用基于 WebGL 的轻量化渲染技术，实现跨平台部署与大规模三维场景的实时展示，为管理人员提供直观的态势感知界面。
尽管系统在可视化与交互方面表现突出，但其功能主要停留在数据展示层面，缺乏智能决策与反向控制能力，难以满足高密度飞行条件下的闭环管控需求。
1.2 典型案例技术局限性分析
从核心技术路径、感知与数据来源、决策与控制机制、应用局限等维度对典型低空交通数字孪生管控平台技术特性进行了对比，详见表1。
表1 典型低空交通数字孪生管控平台技术特性对比 |
| 平台名称 | 核心技术路径 | 感知与数据来源 | 决策与控制机制 | 应用局限 |
|---|---|---|---|---|
| SILAS | 时空网格+可计算空域 | 多源融合 | 中心化算力调度， 全域动态规划 | 边缘侧智能不足， 对通信带宽要求极高 |
| 路空灵境 | 北斗高精度定位+ 空地一体化 | 路侧感知设备+ 车路协同 | 路空协同调度， 侧重物流接驳 | 依赖地面基建， 复杂气象仿真能力弱 |
| ID-Space | 轨道交通逻辑+电子围栏 | 专用雷达+频谱探测 | 基于航道的规则控制 | 调度逻辑刚性， 难以适应大规模自由飞行 |
| 唯识筋斗云 | 物联网+设备健康管理 | 私有协议回传+机载传感 | 设备级自动化指令， 集群协同 | 生态封闭， 异构机型兼容性差 |
| 超图软件 | 三维GIS+空间计算 | 外部数据接口导入 | 侧重宏观规划与空间分析 | 缺乏动力学仿真， 实时控制能力弱 |
| 图扑软件 | WebGL+轻量化渲染 | 外部数据接口导入 | 侧重可视化展示 | 只看不控， 缺乏反向控制回路 |
上述案例表明，当前低空交通数字孪生应用虽在局部场景和单项功能层面取得了一定技术进展，但在面向大规模、高密度、异构混飞的复杂运行条件时，仍存在较为突出的共性技术瓶颈。
其一，闭环控制能力不足。现有平台多以物理实体向数字空间的单向映射为主，重点实现态势感知与可视化表达，尚未建立稳定有效的数字空间向物理系统反馈的控制链路，难以支撑毫秒级指令下发与运行状态的实时调整。
其二，预测能力与体系协同不足。在预测层面，现有模型多停留在几何层面的可视化推演，缺乏数据驱动与物理机理相结合的动态预测能力，难以有效应对瞬时冲突与突发风险；在体系架构层面，感知、决策与执行环节之间缺乏统一的技术逻辑与协同机制，制约了跨区域、跨系统的互操作性。
综上，现有单一技术路径难以突破感知、预测与控制之间的结构性割裂，缺少一套贯通感知、预测与控制全链路的通用技术体系，以支撑低空交通数字孪生在复杂运行环境下的系统化应用。
2 面向虚实闭环的低空交通数字孪生关键技术体系构建
针对感知与控制断裂、预测能力不足等问题，本文从控制论视角出发，构建了一套面向全流程闭环的低空交通数字孪生应用技术体系（见图1）。该体系以贯通物理世界与数字空间的信息回路为目标，通过多层级技术协同，实现低空交通运行状态的感知、预测、决策与控制闭环。
2.1 体系构建逻辑与运行机理
体系由“传输—描述—诊断—预测—决策—控制”六个关键环节构成，形成自下而上的数据驱动链路与自上而下的控制反馈回路。该体系关注的不仅是单项技术能力，更是围绕低空交通管控中的核心问题构建统一的运行逻辑：通过传输与描述环节解决信息获取与表达问题，通过诊断与预测环节提升运行态势认知与前瞻能力，最终通过决策与控制环节实现对复杂运行过程的有效干预。
在该体系中，多源数据依次经历采集、传输、建模、诊断、预测、决策与控制等环节，形成从信息输入到控制反馈的闭环流程。飞行器、地面感知设备及气象节点产生的数据经空天地一体化通信网络完成实时传输，在描述层实现空域环境的数字化建模；经诊断与预测处理后，系统形成对运行状态与风险演化的判定；决策结果则通过虚实协同机制作用于物理实体，实现运行状态的动态调整。
该体系支持在复杂空域环境下的空域资源动态分配、飞行任务调度与风险主动防控，推动低空交通管理由静态监管向虚实融合的智能管控模式转变。
2.2 六个关键环节的技术实现路径
围绕上述运行机理，本文进一步从工程实现角度，对数字孪生闭环中的六个关键环节进行拆解与细化。各环节在功能上相互独立，在数据与控制逻辑上紧密耦合，共同构成支撑低空交通虚实闭环运行的核心技术链路。
2.2.1 数据传输与实时响应机制
低空交通数字孪生运行以高时效数据流为起点。飞行器、地面传感器、气象设备及通信基站产生的多源数据需在毫秒级延迟下完成采集与传输，以支撑运行监控与调度决策的实时性。为此，本文构建基于 5G-A/6G 通信与低轨卫星网络的空天地一体化传输机制，实现飞行状态、气象要素与空域环境信息在多节点间的持续同步。
数据进入体系后，首先在边缘节点进行预处理。边缘计算设备承担滤波、去噪与特征提取任务，利用卡尔曼滤波与时序差分算法剔除异常信号，在压缩数据体量的同时保留关键特征，实现端侧的快速响应。随后，经智能路由模块对数据进行动态分配：高时效控制指令通过 URLLC 通道传输，高清视频与环境监测数据经 eMBB 通道同步上传。
为缓解链路拥塞，系统引入链路预测与自适应调度方法，通过历史流量与信道质量建模实现动态路由优化。通过空天地融合的多级通信体系与边缘协同处理机制，形成贯通物理空间与虚拟空间的高速数据通道，为后续仿真建模与智能控制提供实时、可靠的数据输入。
2.2.2 空域建模与场景重构技术
在完成数据传输后，系统进入空域建模与场景重构阶段。为将多源异构数据转化为可计算、可交互的虚拟空间，本文构建基于多源融合的空域数字建模体系，综合利用倾斜摄影、激光雷达、BIM 结构建模与遥感影像，实现从地形地貌、建筑设施到气象要素的全要素空间映射。
在静态建模层面，采用多传感器数据对齐与特征匹配算法实现高精度三维重建；在动态建模层面，引入基于物理机理的气动仿真模型，对飞行器姿态、速度与轨迹变化进行建模。渲染层采用 3D Gaussian Splatting 与层次化细节控制技术，在保证渲染效率的同时维持较高的空间保真度，实现城市级低空场景的实时可视化。
为保障虚实同步，系统设计动态更新机制：针对高频变化的气象与飞行状态数据，采用增量式更新策略对局部场景进行刷新；针对地形与基础设施等低频变化数据，定期执行全量重构。通过多源融合建模与动态渲染，实现由静态环境描述向动态场景仿真的转变，为航线设计与风险分析提供可靠的虚拟实验环境。
2.2.3 状态识别与多源融合感知
完成空域建模后，数据流进入状态识别与融合感知阶段。低空交通系统数据来源多样、结构复杂，既包含飞行器姿态、电量与位置等时序数据，也包括气象、电磁环境与空域结构等非结构化信息。本文构建基于时空网格化表达的统一感知框架，将空域划分为多层立体网格单元，作为多源数据融合与分析的基本单元。
融合过程中采用分层处理策略：底层通过卡尔曼滤波与贝叶斯估计完成传感器级精度校正；中层基于 D-S 证据理论实现多源特征融合；顶层结合知识图谱与语义推理技术形成决策级认知，从而实现对航线偏离、电量衰减与通信异常等状态的自动识别。
为增强数据可靠性，系统引入区块链溯源机制记录数据采集、处理与传输过程，确保数据来源可追溯与安全可信。融合后的感知结果既支撑实时监控，也为预测模型提供高质量输入，为后续趋势推演与决策优化奠定了稳定的数据基础。
2.2.4 仿真预测与趋势推演模型
在融合感知基础上，系统进一步开展面向主动管控的趋势推演，构建多尺度协同的仿真预测体系，实现从微观个体到宏观系统的多层级建模。
在微观层面，采用基于智能体的行为模型模拟飞行器航迹调整与避障行为；在中观层面，利用元胞自动机描述空域流量演化规律；在宏观层面，构建系统动力学模型分析整体运行效率与稳定性。气象扰动与外部不确定因素通过时空图神经网络建模，以学习历史演化模式并预测未来空域状态。
预测结果通过数字孪生仿真引擎进行可视化验证，形成风险热力图与流量分布图，为管控策略制定提供前瞻性依据，使低空交通管理由被动响应向主动预判转变。
2.2.5 智能决策与动态优化机制
预测结果进入决策层，系统在多目标约束条件下生成最优管控方案，包括航线规划、资源分配与应急响应。构建基于强化学习的自适应决策框架，并结合多目标优化算法实现动态决策。
在战略层，利用蒙特卡洛树搜索算法进行全局资源配置；在战术层，通过约束规划算法求解飞行计划与空域分配方案；在操作层，结合深度强化学习模型完成毫秒级实时控制决策。为平衡安全性、效率与能耗等目标，采用 Pareto 最优策略构建动态解空间，并通过知识图谱推理和可视化界面辅助决策理解与评估。构建面向复杂场景的智能决策机制，实现空域资源与飞行任务的实时最优配置，提升系统的自适应能力与运行效率。
2.2.6 协同控制与虚实闭环验证
控制层是虚实闭环体系的关键环节。本文提出“仿真—验证—执行”的协同控制机制，使虚拟空间中的优化决策能安全、准确地作用于物理系统。
所有控制指令在下发前先在孪生空间中进行仿真验证，以评估安全性与可行性；验证通过后，指令经加密通道下发至飞行器与地面设备，并在执行过程中持续监测回传数据。当偏差超过阈值时，系统自动触发反馈修正机制。针对多飞行器协同行动，引入一致性算法实现分布式控制，并通过动态安全包络约束计算飞行器可行安全范围，防止冲突与越界风险，确保低空交通的智能调度与安全运行。
通过贯通空天地一体化传输、融合建模、状态感知、趋势推演、智能决策与协同控制等关键环节，本文构建了面向低空交通的虚实闭环数字孪生技术链路，为综合管控平台架构设计与工程落地提供了统一的技术基础。
3 基于六维技术体系的综合管控平台架构设计
基于“传输—描述—诊断—预测—决策—控制”六环节技术体系，本文提出低空交通虚实闭环的综合管控平台架构。平台采用模块化、层级化设计思路，将六环节技术流映射为物理层、数据层、模型层、知识层、交互层与应用层六大功能层级，使各技术环节在软件架构中具备明确的功能承载与接口支撑。
3.1 总体架构
平台总体架构采用六层分层设计，各层通过标准化接口进行数据交互与功能调用，形成面向低空交通运行的完整闭环系统，如图2所示。该架构实现了从技术体系到工程平台的结构化映射，为低空交通数字孪生系统的集成部署与运行提供统一载体。
物理层作为架构基础，包含无人机、eVTOL 等低空飞行器，以及起降场、通信基站、导航设施等地面基础设施，同时接入雷达、摄像头与气象传感器等感知设备。各类物理实体通过内置传感器与通信模块，实现运行状态采集与控制指令执行。
数据层构建于物理层之上，采用统一数据湖体系对多源异构数据进行集中管理。平台配置实时数据库、时序数据库与关系数据库三类存储结构，分别支撑高频状态数据、时间序列数据与业务管理数据的存储与访问，并通过统一数据模型与数据标准实现多源数据融合。
模型层集成几何模型、物理模型与行为模型三类核心模型。几何模型用于实现物理实体与空域环境的三维可视化表达；物理模型刻画飞行器动力学特性与环境流体力学规律；行为模型描述空域交通流特性与飞行规则逻辑。各模型通过统一接口进行协同计算，构成完整的数字孪生体。
知识层在数据层与模型层基础上构建低空交通领域知识体系，主要包括空域规划、飞行规则、风险评估与应急处置等知识库，并通过知识图谱技术实现知识组织与推理，为决策过程提供语义支撑。
交互层提供平台与用户之间的交互能力，集成数据服务接口、模型服务接口与知识服务接口，并通过可视化引擎、仿真推演引擎与控制指令接口支撑多类型应用开发。
应用层面向监管部门与运营主体，提供空域管理、飞行服务、应急处置与规划仿真等业务功能模块，各模块通过调用下层服务实现业务逻辑闭环。
3.2 数据采集与处理
数据采集与处理构成平台运行的基础支撑体系。
数据采集涉及多源协同方式，覆盖设备、环境与管理三类数据。设备数据通过飞行器 SDK 接口采集，无人机与 eVTOL 实时上传位置、速度、电池电量与发动机温度等参数，采样频率不高于 10 Hz。环境数据由气象站、毫米波雷达与卫星遥感获取，气象站采集温度、风速与能见度等要素，采样频率不高于 1 Hz；毫米波雷达对关键空域进行低空目标扫描，频率不高于 10 Hz；卫星遥感数据用于获取大范围地形与植被信息，更新周期不高于 1 d。管理数据包括飞行计划与空域审批信息，通过空管部门与运营企业系统接口实时同步。
数据处理遵循“采集—预处理—存储—整合—应用”流程。采集数据首先在边缘节点进行预处理，利用卡尔曼滤波降低噪声，通过 3σ 原则剔除异常值，并提取关键运行特征。高时效数据直接传输至应用层用于实时监控，其余数据进入数据湖存储。数据湖中的原始数据定期同步至数据仓库，经清洗、转换与时序对齐后形成标准化数据集，为模型更新、知识推理与统计分析提供统一数据基础。同时，通过区块链技术记录数据采集、传输与处理过程，确保数据可追溯性与安全合规。
3.3 数字孪生底座构建
数字孪生底座承担空域描述、状态诊断与控制支撑功能，其构建目标为高精度、高保真与实时性。底座构建包括空域数字化表达、物理实体建模、模型集成与融合以及孪生场景动态更新四个环节。
空域数字化表达采用全球离散网格系统对空域进行立体划分，建立统一时空基准，并集成地理信息、建筑模型与空域结构数据，构建连续一致的数字空域环境，通过三维渲染引擎实现高保真可视化。
物理实体建模针对飞行器构建包含几何特征、物理属性与行为规则的数字模型，并通过系统辨识与数据驱动方法持续校正模型参数；基础设施建模采用 BIM 与 GIS 技术反映空间关系与功能特性。
模型集成通过标准化接口实现不同模型的协同运行，并结合模型版本管理与验证机制，保障数字孪生体与物理实体的长期一致性。
孪生场景动态更新功能用于保障虚实一致性，采用增量更新与全量更新相结合的方式运行。针对气象条件、设备状态等高频变化数据，系统通过实时数据驱动模型参数更新，例如在风速变化时同步调整飞行器气动参数，更新周期不高于5 min；针对地形、建筑等低频变化要素，系统基于新采集数据对模型进行周期性重建，更新周期不高于1个月。同时，通过模型压缩技术对模型拓扑结构与纹理贴图进行优化，降低计算与存储负载。
3.4 低空交通功能
平台应用层围绕安全管控、效率提升与协同运营三大目标，形成基础功能与增益功能两类模块，如图3所示。
基础功能面向核心运行需求，主要包括空域管理、飞行监控与计划管理三个模块。空域管理模块支持永久性禁飞空域与临时性应急空域的动态划定，并通过数字孪生仿真对空域配置方案进行验证，避免资源配置不合理；同时结合交通流量预测结果，动态调整空域使用权限，提高空域资源利用效率。飞行监控模块实时展示飞行器位置、速度、电池状态等运行参数，并对航线偏离、电量不足等异常状态进行自动识别与预警，在虚拟场景中标注异常位置，并将预警信息同步推送至运营企业与空管部门。计划管理模块支持飞行计划在线申报，用户提交飞行时间、航线及设备信息后，系统基于数字孪生仿真验证计划可行性，检测潜在空域冲突与环境风险，经审核通过后生成电子飞行许可，并将飞行计划同步至孪生场景用于过程监控。
增益功能面向运行效率提升与协同优化，主要包括应急处置、统计分析与协同管控三个模块。应急处置模块构建“风险模拟—方案生成—协同执行”的处理流程，当发生飞行器失联或事故事件时，系统快速调用事发区域数字孪生模型，对事件演化过程进行仿真推演，并基于仿真结果生成应急处置方案；同时通过接口联通应急管理、消防与医疗等部门，实现信息共享与协同处置。统计分析模块自动汇集空域利用率、飞行安全率与设备故障率等运行数据，生成日报、月报与年报，并通过数据分析算法挖掘运行规律，为管理决策提供支撑。协同管控模块支持跨部门、跨企业的数据共享与功能协同，空管部门可实时掌握运营企业飞行计划与设备状态，运营企业可获取空域使用情况与气象信息，地面保障团队可接收飞行计划与设备维护需求，形成“空管—运营—保障”的协同运行机制，降低信息壁垒带来的效率损耗。
3.5 可视化交互
可视化交互层，采用“三维场景+数据看板+交互控件”组合设计，实现场景可视化、数据可视化、操作可视化的一体化交互体系，如图4所示。
三维场景基于 WebGL 技术构建，支持城市级低空场景的实时渲染，可综合展示地形、建筑、飞行器与空域标识等要素，渲染帧率保持在30 fps以上。用户可通过鼠标、键盘或触控方式完成场景缩放、旋转与平移操作，缩放范围覆盖1~ 100 km，以满足宏观态势浏览与局部精细查看需求；同时支持图层管理功能，可按需显示或隐藏飞行器、气象、航线等信息图层。在三维场景中，飞行器以真实模型形式呈现，其位置与姿态随运行状态实时更新；空域类型通过颜色编码区分；气象信息采用粒子效果进行可视化表达，直观反映环境变化。
数据看板整合关键运营数据，采用图表形式展示，包括空域利用率、飞行流量、设备状态等图表。数据看板支持实时更新，更新频率不低于1次/min，用户可查看当前及历史数据；同时支持数据钻取，点击图表中的某一数据项，可查看详细信息。
交互控件强调操作便捷性与功能完整性，主要包括功能按钮、搜索框、时间轴与参数调节滑块等组件。平台支持多用户同时在线操作，不同用户可并行查看同一运行场景，各自的操作互不干扰，能满足多角色协同使用需求。
4 结束语
针对低空交通管理中普遍存在的虚实交互不深、闭环控制缺失核心问题，本文引入控制论思想，构建贯通“传输—描述—诊断—预测—决策—控制”六环节的通用技术体系与分层解耦的平台架构。本文打通了从感知诊断到决策执行的信息回路，有效弥补了传统静态监管模式在动态推演与主动干预方面的不足，实现了低空交通管理从被动监视向主动闭环管控的逻辑跨越，为解决高密度异构飞行流管控难题提供了系统的理论支撑与工程参考。
尽管本文在体系架构设计上取得了一定进展，但目前研究仍侧重于理论逻辑推演与局部功能验证，尚未在大规模、高并发的真实高密度飞行场景下进行全链路压力测试，且决策算法在应对极端通信环境与非合作目标博弈时的鲁棒性仍待进一步量化检验。未来的研究工作将重点深化虚实交互机理，结合下一代通感一体化网络技术优化闭环控制时延，并通过广泛的试点示范验证推动跨行业数据标准的统一，进一步提升体系的泛化能力与平台的自适应水平。
