从飞行效率到公共接受度：AI 如何重设低空经济指标

从飞行效率到公共接受度：AI 如何重设低空经济指标

飞得多、送得快，不能完整说明低空经济的价值。公众会同时感受噪声、隐私、安全与服务分配，单纯效率指标可能鼓励错误扩张。

联合收集成功任务、能耗、近失、扰动、投诉、服务价格与覆盖，纳入地面非用户的体验。系统应保留数据形成时的上下文，尤其是业务变化、维护、异常和人工修正。孤立数字看起来正常，组合起来却可能属于不同情境。把这些差异清楚标记，模型才能提出值得核实的问题，而不会把本来合理的变化制造成虚假的异常。

模型帮助发现指标冲突，建立安全、环境、服务与公众反馈的多维评价，公开重要取舍。指标可按安全、环境、服务、公平和反馈并列呈现，分析效率改善是否让某些人承担额外负担。模型帮助找冲突和比较方案，负责机构与公众讨论取舍。满意度、投诉和近失分别解释，特别要纳入非用户，不能用多数人的便利覆盖少数人的基本权益。

公平分析需要同时观察服务收益与额外负担。历史数据来自既有制度与使用行为，并非天然中立；模型可能放大过去的数据空白和选择偏差。可以结合分层评估、适当抽样与反事实检查发现问题，再由业务与治理人员讨论必要差异及可消除的障碍。

假设配送时效改善，却让某社区承担持续高频飞越，应调整航线与运营安排，而不是只优化投诉话术。这一假设案例中，模型的作用是把问题说明白并提示验证，不是凭一段解释替代事实。其他情境可能得出不同结论。

公共接受度应作为持续反馈，而不是扩张前的一次通行证明。服务改变、架次增加或人群变化后，需要重新观察影响。指标也应支持实际调整：减少某时段飞行、改变点位或改用地面配送。AI 帮助识别问题和比较方案，公众与负责机构则保留讨论和监督的空间。

更有价值的方向，是让系统知道哪些事情可以自动核对、哪些需要进一步测量、哪些必须交由专业人员决定。边界清楚之后，自动化才可能稳定减少负担，而不是将风险藏进流畅回答。

接受度不能由点赞或一次问卷替代，公共安全和合法权益也不能被多数满意度覆盖。不能只用一个总体准确率或满意度代表所有人。应单独记录误报、等待、补证、价格与纠错成本，并为缺少数据的群体主动补充信息。模型建议影响重要权益时，需要可理解的理由和实际可用的人工复核。

跟踪长期体验、合理投诉解决、服务公平与环境证据，避免用综合分数掩盖局部损害。落地时可保留一份改进记录，说明每项建议改变了什么、依据是什么、结果怎样。没有被执行的建议，不宜直接计入收益；无法区分外部变化的部分，应说明归因局限。持续复盘错误与例外，比反复展示理想案例更能支持可靠扩展。

低空经济的成功，应体现为社会能够持续接受的有效服务。

参考资料（背景核对，检索截至2026年10月26日）：

中国民航局：民用无人驾驶航空器运行安全管理规则

https://app.caac.gov.cn/XXGK/XXGK/MHGZ/202401/t20240103_222566.html