导语： 一只飞鸟闯入跑道区，可能意味着航班复飞、延误甚至事故；一辆误入禁区的车辆、一名翻越围界的人员，同样牵动飞行区安全。奥腾科技为某大型国际机场实施探识驱一体化平台系统升级，以 GIS 态势一张图承载人、车、鸟多源目标，以按机位定制的 AI 算法大脑压低误报，以告警-处置-留证闭环贯通"探、识、驱"全流程，为飞行区安全装上"数据眼睛"。

一、项目背景

鸟击防范是民航运行安全的重点课题，机场飞行区同时面临车辆侵限、人员闯入等安防压力。该机场此前已建成视频监控、驱鸟装备等信息化基础，但各系统相对独立：监控画面分散在不同屏幕上，驱鸟人员与车辆靠对讲调度，鸟情研判依赖人工盯屏经验，告警处置与效果确认缺乏闭环——"看得见"与"管得住"之间存在明显断层。

为此，机场启动探识驱一体化平台系统升级项目，围绕前端 GIS 深度接入、AI 智能算法、设备接入与管控、告警处置闭环四大方向重构平台能力，将飞行区"探测、识别、驱离"三个环节贯通为一张数据网络。

二、核心痛点

业务痛点

1. 多源目标态势割裂。 视频监控、人员/车辆定位、驱鸟装备各自独立运行，人、车、鸟目标无法在一张图上统一呈现；告警处置依赖人工盯屏、对讲调度，响应链条长。

2. 通用算法误报高。 跑道大面积草坪、远端反光建筑、围界防护网等背景噪声导致通用识别算法误报频繁，"狼来了"效应使值班人员逐渐麻木，真实高危鸟情反而容易被忽视。

3. 处置不闭环。 告警 → 喊话/击发 → 效果确认的链路断裂：驱鸟煤气炮的气量、电量状态不可见，击发是否执行无从确认，处置过程与结果缺少留证手段。

IT 痛点

1. 多源异构接入复杂。 视频流（GB/T 28181、RTSP）、GPS 定位、物联网反制装备、第三方巡检机器人 API，数据形态各异，接入与统一管控成本高。

2. "一套模型打全场"效果差。 各机位背景环境差异大，未做定制训练的模型在日夜交替、阴雨大雾、强光直射等极限场景下识别率不稳定。

3. 数据留存与审计薄弱。 告警抓拍图、视频切片、操作日志缺少统一归档与清理策略，历史回溯难，反制装备操作等核心行为缺少审计留证。

三、解决方案

1. 前端 GIS 深度接入：一张图承载全场态势

构建基于 WebGIS 的高精度机场电子沙盘，支持全平面底图无缝加载与多层级缩放；多图层可视化控制面板让值班人员一键开关视频监控、防区、资产装备等空间图层；相机视场角动态覆盖可视化直观呈现全域感知盲区。核心是多源目标态势渲染引擎——实时接收解算后的空间坐标，在 GIS 地图上实时绘制人、车、鸟移动图标，以不同颜色与动态特效区分，真正实现"一张图看全场"。

2. 多源设备统一接入与反向管控

- 视频监控： 通过国标协议（GB/T 28181、RTSP 等）接入跑道、滑行道、停机坪、围界高并发视频流；

- 人员车辆定位： 接入飞行区现场驱鸟人员/车辆的 GPS 定位信息，处置资源位置实时可见；

- 智能反制装备： 反向适配管控外场煤气炮与全向喊话器，支持状态遥测（气量、电量）与一键手动/自动击发闭环；

- 第三方装备： 通过标准 API 对接巡检机器人及道面检测设备，统一接收空间坐标、电量与故障日志，纳入设备管理菜单集中管控。

3. 告警-处置-留证：核心功能体系闭环

- 告警与布防： 高危鸟情、人车入侵触发最高级别常驻置顶弹窗，含实时抓拍图与切片一键调阅；支持在监控画面拉线绘制防区、ROI 区域与电子围栏；

- 行为识别： 车辆违停、压线、侵限、超速、逆行识别（车牌从道闸系统同步）；人员禁区闯入、翻越围界识别；鸟类集群、低空掠过、跑道/滑行道停留、重点鸟情高发区预警，输出鸟类密度、飞行方向与风险等级；

- 联动处置： 双向语音对讲与网络喊话器一键呼叫控制（集成麦克风状态、音量调节、快捷语音广播库），煤气炮远程击发与自动化联动预案一键开关；

- 事件中心： 告警按鸟、人、车三类管理，短视频切片自动生成，未处理事件红色角标常驻；GIS 地图告警点闪烁联动实时画面小窗；告警统计按类型、风险等级、处置状态多维呈现；支持历史告警事件检索回溯与视频图片回放。

4. AI 智能算法大脑：按机位定制训练，全天候降误报

- 专属背景建模： 针对每个摄像头特有的静态/动态背景（跑道草坪、远端反光建筑、周界防护网等），进行**单路专属背景噪声特征提取与静态建模**，生成滤波屏蔽层，从源头抑制误报；

- 定制化微调： 收集各机位全天候环境样本（日夜交替、阴雨大雾、强光直射），对模型进行二次微调训练（Fine-tuning），保障极限场景下的识别率；

- 核心识别算法： 鸟类 AI 识别与集群运动分析（多鸟目标同时框选、危险系数预判定）、人员禁区闯入与围界翻越行为分析、车辆跑道侵限识别，以及**多目标动态跟踪与跨相机轨迹预测**——在视场交叠区域进行跨相机特征关联、延续目标全局 ID 并做中短期轨迹预测。

5. 数据底座与系统安全保障（Ottomi 产品落点）

平台以 Ottomi-Nexus 多模态 AI 数据中台作为数据底座：视频流、结构化目标流、物联网遥测、GPS 轨迹、告警事件等多模态数据统一归集与治理，支撑告警统计、趋势分析与历史回溯；以 Ottomi-Ops 智能运维平台保障运行安全——集中监控全场传感器、相机、反制装备、AI 分析盒的主备状态、实时心跳、网络丢包率与固件版本，故障一键报障；系统级容灾备份（配置文件、算法模型底座、业务数据定时/手动双模式备份）与历史音视频、切片、日志的归档清理策略；全量操作审计对登录、反制装备控制（煤气炮击发、网络喊话）、告警处置、白名单变更等核心业务操作全生命周期留证。

6. 系统管理：权限精细化、运行可配置

支持机场多级组织架构与账号管理；自定义角色（超级管理员、值班长、操作员、审计员）实现菜单级、功能级、地图操作按钮级细粒度权限交叉配置；系统基础字典与告警策略阈值参数集中管理。

四、落地成效

- 误报显著下降： 按机位背景建模与定制化微调后，整体告警误报率下降约 60%，值班人员对告警的响应信任度明显提升，真实高危鸟情无遗漏；

- 处置闭环成型： 高危告警置顶弹窗实现秒级响应，喊话、煤气炮击发状态遥测回传，告警处置闭环率显著提升，处置全程可留证、可审计；

- 态势一屏掌握： 人、车、鸟多源目标在 GIS 一张图上统一呈现，值守从"多屏盯防"转向"单屏联动"，重点鸟情高发区与感知盲区一目了然；

- 装备可知可控： 全场反制装备与第三方设备在线状态、气量电量、故障日志集中监控，装备故障发现由人工巡检转为自动上报，发现时效由小时级提升至分钟级；

- 运行稳定： 平台与配套运维保障上线以来稳定运行，系统可用性保持在 99.9% 以上。

五、客户价值

本案例是奥腾多模态平台在机场飞行区安全场景的深度落地：探识驱一体化平台的升级，不只是功能的叠加，而是将飞行区安全管控模式从"人盯眼防 + 事后翻查"升级为"数据感知 + 智能研判 + 闭环处置"。按机位定制的 AI 算法训练方法，沉淀了机场特有的环境样本与模型资产，每一次告警数据都在反哺模型迭代；人、车、鸟一体化态势能力，让平台具备从鸟防向全域飞行区安防平滑扩展的架构基础。这一"GIS 一张图 + AI 算法大脑 + 设备反向管控"的组合模式，可复制到其他机场及园区安防、场站监控等同类场景。