---
name: low-altitude-guardian
description: "Low-altitude unmanned device emergency crisis response system. Provides real-time situation awareness, crisis classification, optimal minimum-loss avoidance decision-making (human safety > public property > device safety), solution matching from knowledge base, and incident reporting with continuous self-iteration capability. Designed for UAVs, drones, and autonomous devices operating in low-altitude economy scenarios."
---

本技能包为低空经济场景下的无人设备（无人机、eVTOL、无人配送车等）提供突发危机应急响应能力。

**v0.2.0 新增企业级能力**：除了设备端的实时危机响应（Phase 1-7），新增企业级数据采集、知识库管理、应急预案自动生成等能力（Phase 8-10），帮助运营企业从历史事件中持续学习，构建自己的应急响应体系。

- **设备端**（Phase 1-7）：感知 → 记录 → 分析 → 匹配 → 决策 → 执行 → 复盘
- **企业端**（Phase 8-10）：数据采集 → 知识库构建 → 预案生成 → 机队分析 → 合规输出

**⚠️ ALPHA 阶段** — 本技能包处于概念验证阶段，不可用于真实飞行控制。仅作为危机决策辅助分析工具使用。

---

## 核心理念：损失优先级金字塔

所有决策必须严格遵守以下不可逆转的损失优先级排序：

```
┌─────────────────┐
│  P0: 人员安全    │ ← 绝对最高优先级，不可妥协
├─────────────────┤
│  P1: 公共安全    │ ← 公共设施、建筑、交通
├─────────────────┤
│  P2: 第三方财产  │ ← 他人车辆、农作物等
├─────────────────┤
│  P3: 本机安全    │ ← 设备自身完整性
├─────────────────┤
│  P4: 任务完成    │ ← 原定任务目标
└─────────────────┘
```

**关键原则**：任何时候高优先级目标受威胁时，必须无条件牺牲低优先级目标。例如：为了人员安全（P0），可以主动坠毁设备（P3）。

---

## Phase 1: 态势感知与情况记录

当接收到突发情况报告时，首先执行全面态势感知：

### 1.1 突发情况输入源

接受以下任意形式的突发情况输入：

- **传感器数据报告**：设备自身传感器检测到的异常（电量骤降、GPS 丢失、机械故障等）
- **环境突变报告**：天气变化、气流异常、禁飞区突然生效
- **碰撞预警**：与其他飞行物、建筑物、人群的碰撞风险
- **通信异常**：与地面站失联、信号干扰
- **人工触发**：操作员手动触发的紧急情况
- **第三方通知**：空管系统下发的紧急指令

### 1.2 情况快照记录

接收到突发情况后，**立即**生成结构化情况快照：

```bash
python3 scripts/situation_awareness.py --snapshot
```

记录以下关键字段：

| 字段 | 说明 | 示例 |
|------|------|------|
| `timestamp` | 事件发生时间（UTC） | 2026-03-10T14:23:01Z |
| `device_id` | 设备唯一标识 | UAV-SH-00142 |
| `device_type` | 设备类型 | 多旋翼无人机 / eVTOL / 无人配送车 |
| `location` | 当前位置（WGS84） | 31.2304°N, 121.4737°E, ALT:120m |
| `velocity` | 速度矢量 | 水平15m/s 北偏东30°, 垂直-2m/s |
| `heading` | 航向 | 030° |
| `battery_level` | 剩余电量 | 34% |
| `flight_phase` | 飞行阶段 | 巡航 / 起飞 / 降落 / 悬停 |
| `payload` | 载荷信息 | 3.2kg 快递包裹 |
| `nearby_threats` | 周围威胁 | 200m 内有建筑群，地面有行人 |
| `weather` | 气象条件 | 风速12m/s 阵风18m/s，阴天 |
| `comms_status` | 通信状态 | 4G正常 / 遥控器信号弱 |
| `crisis_trigger` | 触发原因 | 左前电机异常振动 |

### 1.3 周边环境扫描

对设备当前位置周边进行环境风险扫描：

- **下方区域分析**：正下方是否有人群、道路、建筑、水域、空旷地
- **可达范围评估**：以当前电量和飞行状态，可飞行的最大范围（安全包络线）
- **备降点搜索**：最近的安全降落区域（空旷地、停机坪、应急着陆点）
- **禁飞区检测**：附近禁飞区、限飞区边界
- **其他飞行器**：周边空中交通态势

---

## Phase 2: 危机分级与分类

### 2.1 危机等级自动判定

运行危机分级引擎：

```bash
python3 scripts/crisis_engine.py --classify --input <snapshot_file>
```

根据情况快照，自动判定危机等级：

| 等级 | 名称 | 定义 | 响应时限 | 示例场景 |
|------|------|------|---------|---------|
| **L5-CRITICAL** | 灾难性 | 即刻威胁人员生命安全 | < 3秒 | 失控坠向人群 |
| **L4-SEVERE** | 严重 | 高概率造成人员伤害或重大财产损失 | < 10秒 | 全部动力丧失 |
| **L3-MAJOR** | 重大 | 设备功能严重降级，可能危及安全 | < 30秒 | 单电机失效、GPS全丢 |
| **L2-MINOR** | 一般 | 设备功能部分降级，可控范围 | < 2分钟 | 电量低于阈值、轻微传感器故障 |
| **L1-CAUTION** | 注意 | 潜在风险因素，暂无直接威胁 | < 5分钟 | 风速接近限制、信号质量下降 |

### 2.2 危机类型分类

参考 `references/crisis_taxonomy.md` 将危机分类到以下类别树：

```
危机类型
├── 动力系统故障
│   ├── 电机故障（单/多电机）
│   ├── 电池故障（鼓包、过热、骤降）
│   ├── 螺旋桨损坏
│   └── ESC 故障
├── 导航与定位故障
│   ├── GPS 丢失/欺骗
│   ├── 气压计漂移
│   ├── IMU 故障
│   └── 视觉定位失效
├── 通信故障
│   ├── 遥控器失联
│   ├── 数据链中断
│   ├── 4G/5G 断连
│   └── 信号干扰/欺骗
├── 环境威胁
│   ├── 极端天气（大风、雷雨、冰雹）
│   ├── 气流异常（风切变、湍流）
│   ├── 鸟击风险
│   └── 临时禁飞区激活
├── 碰撞风险
│   ├── 与其他飞行器冲突
│   ├── 与建筑物/障碍物
│   ├── 与地面人员/车辆
│   └── 与输电线/通信塔
└── 复合故障
    ├── 多系统同时失效
    └── 级联故障（一个故障引发其他故障）
```

### 2.3 态势演化预测

基于当前危机状态，预测未来 30秒/60秒/180秒 的态势演化：

- 当前危机是否在恶化？（如电池温度在持续上升）
- 是否可能触发级联故障？（如电机故障导致电池过放）
- 可用决策时间窗口还有多大？

---

## Phase 3: 方案匹配与最优决策

### 3.1 知识库匹配

检索已有解决方案知识库：

```bash
python3 scripts/decision_manager.py --match --crisis-type <type> --level <level>
```

知识库结构（`assets/solution_templates/` 目录）：

```
solution_templates/
├── power_failure/
│   ├── single_motor_loss.json      # 单电机失效应对
│   ├── total_power_loss.json       # 全动力丧失应对
│   ├── battery_critical.json       # 电池临界应对
│   └── battery_thermal.json        # 电池热失控应对
├── navigation_failure/
│   ├── gps_loss.json               # GPS丢失应对
│   ├── imu_drift.json              # IMU漂移应对
│   └── multi_sensor_failure.json   # 多传感器失效
├── collision_avoidance/
│   ├── air_traffic_conflict.json   # 空中交通冲突
│   ├── obstacle_proximity.json     # 障碍物近距
│   └── ground_crowd.json           # 地面人群规避
├── communication_failure/
│   ├── link_lost.json              # 通信链路断开
│   └── signal_jamming.json         # 信号干扰
└── environment_threat/
    ├── severe_weather.json         # 极端天气
    ├── wind_shear.json             # 风切变
    └── temp_restriction.json       # 临时限制空域
```

每个方案模板包含：
- `preconditions`：适用前提条件
- `actions`：分步操作序列
- `expected_outcome`：预期结果
- `fallback`：如本方案无效时的降级方案
- `historical_success_rate`：历史成功率
- `risk_assessment`：残余风险评估

### 3.2 最优规避方案计算

当知识库有匹配方案时，进行多方案比较决策：

**决策评分公式**：

```
Score = Σ(Wi × Si)

其中：
- W0 = 0.40  人员安全得分权重
- W1 = 0.25  公共安全得分权重
- W2 = 0.15  第三方财产得分权重
- W3 = 0.12  本机安全得分权重
- W4 = 0.08  任务完成得分权重

Si = 该方案在第i项上的安全得分 (0-100)
```

**注意**：当 S0（人员安全）低于 80 分的方案，无论总分多高，一律淘汰。

### 3.3 无匹配方案时的应急推理

如果知识库中没有匹配的现有方案（新型故障或罕见组合），启动应急推理：

1. **分解问题**：将复杂危机分解为已知子问题
2. **组合策略**：从已有方案中组合出应对措施
3. **第一性原理**：回归物理约束进行推理
   - 设备剩余可控能力有哪些？
   - 最低限度需要什么能力才能安全降落？
   - 如果无法安全降落，如何选择损失最小的坠落区域？
4. **保守原则**：无先例可循时，选择最保守的方案

### 3.4 决策输出格式

每个决策方案输出以下结构：

```json
{
  "decision_id": "DEC-20260310-142301-001",
  "crisis_level": "L3-MAJOR",
  "crisis_type": "power_failure.single_motor_loss",
  "selected_plan": {
    "name": "三电机降级返航",
    "source": "knowledge_base | emergency_reasoning",
    "confidence": 0.87,
    "steps": [
      {"action": "切换至三电机飞行模式", "timeout_ms": 500},
      {"action": "降低飞行高度至安全包络内", "timeout_ms": 5000},
      {"action": "计算最近备降点航线", "timeout_ms": 1000},
      {"action": "以降级模式飞往备降点", "timeout_ms": null},
      {"action": "执行应急着陆程序", "timeout_ms": 30000}
    ],
    "estimated_loss": {
      "human_safety_risk": "none",
      "public_property_risk": "none",
      "device_damage": "minor - 降落时可能轻微触地损伤",
      "mission_impact": "任务中止，载荷完好"
    }
  },
  "alternative_plans": [...],
  "escalation_needed": false
}
```

---

## Phase 4: 执行监控与动态调整

### 4.1 方案执行监控

决策方案下发后，持续监控执行效果：

```bash
python3 scripts/crisis_engine.py --monitor --decision-id <id>
```

监控要素：
- 各步骤是否按预期执行
- 设备状态是否按预期变化
- 是否出现新的异常

### 4.2 动态方案调整

如果执行过程中态势发生变化：

- **态势好转**：可放宽约束，考虑恢复任务
- **态势恶化**：立即升级危机等级，启动降级方案
- **新故障出现**：重新执行 Phase 2-3，生成新决策

调整触发条件：
- 实际状态偏离预期超过阈值
- 出现新的威胁源
- 可用资源（电量、通信等）低于方案要求
- 环境条件发生显著变化

### 4.3 人在回路 (Human-in-the-Loop)

根据危机等级决定人工介入模式：

| 等级 | 人工介入模式 | 说明 |
|------|------------|------|
| L5 | 自主执行，事后通知 | 没有时间等待人工确认 |
| L4 | 自主执行，同步通知 | 执行的同时通知操作员 |
| L3 | 推荐方案，等待5秒确认 | 超时自动执行 |
| L2 | 推荐方案，等待确认 | 等待操作员确认后执行 |
| L1 | 仅提醒，由操作员决策 | 提供建议但不自动执行 |

---

## Phase 5: 事件记录与上报

### 5.1 完整事件日志

每次危机响应生成完整事件记录：

```bash
python3 scripts/incident_reporter.py --generate-report --incident-id <id>
```

事件报告包含：
- **事件摘要**：时间、地点、设备、危机类型、等级
- **时间线**：从触发到解除的完整时序记录（精确到毫秒）
- **决策过程**：选择了什么方案、为什么、还考虑过哪些备选
- **执行效果**：方案执行是否达到预期
- **损失评估**：实际造成的损失（人员/财产/设备/任务）
- **经验教训**：可改进的环节
- **附件**：飞行日志、传感器数据、相关快照

### 5.2 分级上报机制

根据事件严重程度和结果，自动触发分级上报：

| 等级 | 上报对象 | 上报方式 | 时效要求 |
|------|---------|---------|---------|
| L5 | 监管机构 + 运营方高管 + AI模型层 | 即时推送 + 正式报告 | 即时 |
| L4 | 运营方管理层 + AI模型层 | 即时推送 + 详细报告 | 1小时内 |
| L3 | 运营方运维团队 + AI模型层 | 自动报告 | 4小时内 |
| L2 | 运维日志 + AI模型层 | 自动记录 | 24小时内 |
| L1 | 设备日志 + AI模型层 | 批量汇总 | 周报汇总 |

### 5.3 向 AI 模型层的结构化反馈

每次事件都会生成标准化的模型学习数据包：

```json
{
  "feedback_type": "crisis_response_outcome",
  "incident_id": "INC-20260310-142301",
  "crisis_signature": {
    "type": "power_failure.single_motor_loss",
    "level": "L3",
    "conditions": {"wind_speed": 12, "battery": 34, "altitude": 120}
  },
  "decision_made": "three_motor_degraded_rtl",
  "outcome": {
    "success": true,
    "actual_loss": "minor_device_damage",
    "response_time_ms": 2340,
    "deviation_from_plan": 0.12
  },
  "lessons": [
    "三电机模式下风速>10m/s时降速更大，需更早触发返航",
    "备降点A距离过远，应优先选择备降点B"
  ],
  "suggested_kb_update": {
    "template": "single_motor_loss.json",
    "field": "preconditions.max_wind_speed",
    "old_value": 15,
    "suggested_value": 12,
    "reason": "实测风速12m/s时三电机模式稳定性已显著下降"
  }
}
```

---

## Phase 6: 自迭代学习系统

### 6.1 知识库自动更新

基于事件反馈自动更新知识库：

```bash
python3 scripts/crisis_engine.py --learn --feedback <feedback_file>
```

更新机制：
- **成功方案强化**：提高匹配度和置信度权重
- **失败方案降权**：降低权重，标记失败条件
- **新方案入库**：应急推理产生的有效新方案纳入知识库
- **参数修正**：根据实际结果修正方案中的阈值参数
- **条件细化**：细化方案的适用条件边界

### 6.2 模式识别与预防

长期积累数据后，识别危机模式：

- **高频故障模式**：哪些设备型号容易出现哪类故障
- **环境关联**：特定天气/地形条件下的危机发生率
- **时间规律**：故障与飞行时长、电池循环次数的关系
- **级联规律**：哪些小故障容易演变为大危机

### 6.3 预防性建议生成

基于积累的知识主动生成预防建议：

- **飞行前检查增强**：根据历史故障为特定设备型号增加检查项
- **航线风险评估**：标注航线上的高风险区段
- **维护建议**：基于故障模式推荐预防性维护计划
- **运营策略**：建议调整运营参数（飞行限制、电量阈值等）

---

## Phase 7: 特殊场景处理

### 7.1 完全失控场景

当设备完全不可控时（所有通信断开、所有控制失效）：

1. 预设的机载自主应急程序应当激活
2. 事后通过飞行记录仪（黑匣子）数据恢复分析
3. 将「完全失控」事件作为最高优先级知识库更新案例

### 7.2 多设备协同危机

多架设备同时或连锁出现危机时：

- 评估整体态势，而非单机视角
- 协调多设备避让，避免二次碰撞
- 优先级排序：载人 > 载荷贵重 > 空载
- 必要时牺牲低优先级设备为高优先级设备让出安全空间

### 7.3 法规合规记录

所有危机响应行为需符合以下合规要求：

- 记录完整决策链路，确保事后可审计
- 时间戳不可篡改（签名校验）
- 保留最低30天的完整事件数据
- 涉及人员安全的事件数据永久保留
- 遵循所在国/地区的无人机运营法规

---

## 设备类型适配

本技能包支持但不限于以下设备类型：

| 设备类型 | 特有危机场景 | 特殊考虑 |
|---------|------------|---------|
| 多旋翼无人机 | 电机失效、螺旋桨折断 | 可悬停，降落选项多 |
| 固定翼无人机 | 失速、发动机停车 | 不可悬停，需要滑翔降落 |
| eVTOL | 过渡飞行段故障 | 载人，P0优先级最高 |
| 无人配送车 | 路障、行人冲突 | 低速场景，停车为首选 |
| 无人船 | 碰撞、进水 | 水域环境特殊 |
| 巡检机器人 | 高空坠落、卡死 | 封闭环境操作 |

设备特性配置存放于 `assets/device_profiles/` 目录。

---

## 错误处理

- 传感器数据不可信 → 多源交叉验证，标记可信度，使用最保守估计
- 知识库无匹配 → 启动应急推理，事后将新方案入库
- 决策冲突 → 遵循损失优先级金字塔裁决
- 上报通道故障 → 本地缓存日志，通信恢复后自动补传
- 多故障同时发生 → 优先处理最高等级危机，并评估故障关联性

---

## 安全原则

- **宁可误报不可漏报**：宁可过度反应也不低估风险
- **保守决策**：在信息不完整时，假设最坏情况
- **可解释性**：每个决策必须有清晰的推理链路
- **不可逆操作谨慎**：不可逆操作（如主动坠落）需更高置信度
- **人命无价**：任何涉及人员安全的场景，零容忍风险

---

# 企业级能力（v0.2.0）

> 以下 Phase 8-10 面向运营企业，帮助企业从设备端采集的事件数据中构建自己的应急响应知识体系，持续迭代和完善危机处理能力。

---

## Phase 8: 企业知识库构建与管理

### 8.1 多源数据采集

企业可从多个渠道向知识库注入数据：

```bash
python3 scripts/enterprise_kb_manager.py --ingest --source <source_type> --input <data>
```

支持的数据源：

| 数据源 | 说明 | 格式 |
|--------|------|------|
| 设备事件日志 | 本系统 Phase 5 生成的事件报告 | `.guardian/incidents/*.json` |
| 历史事故报告 | 企业历史积累的事故/险情记录 | CSV / JSON / 纯文本 |
| 行业案例 | 公开的无人机事故调查报告 | PDF / 文本 |
| 厂商公告 | 设备厂商发布的安全通告/召回通知 | 文本 |
| 法规更新 | 监管机构发布的新规/修订 | 文本 |
| 人工经验 | 飞手/运维人员的操作经验和教训 | 交互式录入 |

### 8.2 知识库结构

企业知识库采用分层结构存储于 `.guardian/enterprise_kb/`：

```
enterprise_kb/
├── incidents/                 # 标准化事件库
│   ├── by_type/              # 按危机类型索引
│   ├── by_device/            # 按设备型号索引
│   ├── by_region/            # 按运营区域索引
│   └── by_severity/          # 按严重等级索引
├── solutions/                 # 企业自定义解决方案
│   ├── validated/            # 已验证方案（经实战检验）
│   ├── draft/                # 草案方案（待验证）
│   └── deprecated/           # 已废弃方案
├── rules/                     # 企业自定义决策规则
│   ├── thresholds.json       # 自定义告警阈值
│   ├── escalation.json       # 自定义上报规则
│   └── priority_override.json # 优先级调整（如载人场景）
├── fleet/                     # 机队数据
│   ├── device_registry.json  # 设备注册台账
│   ├── maintenance_log.json  # 维护记录
│   └── flight_history.json   # 飞行历史统计
└── compliance/                # 合规资料
    ├── regulations.json      # 适用法规清单
    └── audit_trail/          # 审计日志
```

### 8.3 知识库操作

```bash
# 查看知识库概况
python3 scripts/enterprise_kb_manager.py --status

# 导入历史事件
python3 scripts/enterprise_kb_manager.py --ingest --source incident_log --input events.csv

# 导入行业案例
python3 scripts/enterprise_kb_manager.py --ingest --source industry_case --input report.txt

# 录入人工经验
python3 scripts/enterprise_kb_manager.py --ingest --source manual_experience

# 搜索知识库
python3 scripts/enterprise_kb_manager.py --search --query "电机故障 大风"

# 导出知识库
python3 scripts/enterprise_kb_manager.py --export --format json --output kb_export.json
```

### 8.4 知识库健康度评估

定期评估知识库的覆盖度和质量：

```bash
python3 scripts/enterprise_kb_manager.py --health-check
```

输出指标：
- **覆盖度**：危机分类树中哪些类型已有解决方案，哪些为空白
- **时效性**：方案最近更新时间，是否有过时方案
- **验证度**：已验证 vs 未验证方案的比例
- **冲突检测**：是否存在相互矛盾的方案或规则
- **改进建议**：基于事件频率推荐优先补充的空白区域

---

## Phase 9: 企业应急预案自动生成

### 9.1 预案生成引擎

基于企业知识库自动生成定制化应急预案文档：

```bash
python3 scripts/emergency_plan_generator.py --generate \
  --enterprise "XX物流无人机运营部" \
  --scope "城市配送" \
  --device-types "multirotor" \
  --output-format markdown
```

### 9.2 预案内容框架

生成的应急预案包含以下章节：

```
企业应急预案
├── 1. 总则
│   ├── 1.1 编制目的
│   ├── 1.2 适用范围（设备类型、运营区域、业务场景）
│   ├── 1.3 编制依据（法规、标准、企业规定）
│   └── 1.4 预案体系层级
├── 2. 组织架构与职责
│   ├── 2.1 应急指挥部
│   ├── 2.2 各级响应人员职责
│   └── 2.3 外部联络清单（空管/消防/医疗/监管）
├── 3. 风险识别与评估
│   ├── 3.1 本企业历史事件统计分析  ← 从知识库自动生成
│   ├── 3.2 高频风险类型排序
│   ├── 3.3 运营区域风险地图
│   └── 3.4 设备型号脆弱性分析
├── 4. 分级响应程序
│   ├── 4.1 L1-注意 响应流程
│   ├── 4.2 L2-一般 响应流程
│   ├── 4.3 L3-重大 响应流程
│   ├── 4.4 L4-严重 响应流程
│   └── 4.5 L5-灾难性 响应流程
├── 5. 专项应急处置方案          ← 从知识库方案模板自动填充
│   ├── 5.1 动力系统故障处置
│   ├── 5.2 导航定位故障处置
│   ├── 5.3 通信故障处置
│   ├── 5.4 极端天气处置
│   ├── 5.5 碰撞风险处置
│   └── 5.6 复合故障处置
├── 6. 事后处置
│   ├── 6.1 现场保护与取证
│   ├── 6.2 事件调查流程
│   ├── 6.3 损失评估与理赔
│   └── 6.4 整改措施与预防
├── 7. 保障措施
│   ├── 7.1 物资保障（备件/工具/应急设备）
│   ├── 7.2 技术保障（监控系统/通信保障）
│   ├── 7.3 培训与演练计划
│   └── 7.4 经费保障
└── 附录
    ├── A. 应急联络通讯录
    ├── B. 设备型号应急操作速查卡
    ├── C. 应急处置检查清单（Checklist）
    ├── D. 事件报告模板
    └── E. 知识库更新记录
```

### 9.3 预案定制化要素

预案生成时自动结合企业实际情况：

- **设备型号匹配**：只包含企业实际使用的设备型号的处置方案
- **地理区域适配**：根据运营区域的地形、气象、人口密度调整
- **历史数据驱动**：高频故障排在前面，附历史统计图表
- **法规合规**：自动匹配运营地的无人机管理法规要求
- **企业定制规则**：融入企业自定义的阈值、上报链路、审批流程

### 9.4 预案版本管理

```bash
# 查看预案历史版本
python3 scripts/emergency_plan_generator.py --versions

# 对比两个版本的差异
python3 scripts/emergency_plan_generator.py --diff --v1 1.0 --v2 2.0

# 标记为正式发布版
python3 scripts/emergency_plan_generator.py --publish --version 2.0
```

每次知识库有重大更新时，自动提示企业更新应急预案。

---

## Phase 10: 机队数据分析与运营洞察

### 10.1 机队事件统计

对企业整个机队的事件数据进行多维度统计分析：

```bash
python3 scripts/fleet_analytics.py --report --period 2026-Q1
```

分析维度：

| 维度 | 分析内容 |
|------|---------|
| **时间趋势** | 月度/季度事件数量变化、同比环比 |
| **类型分布** | 各类危机的发生频次分布 |
| **设备维度** | 哪些设备/型号事件率最高 |
| **区域维度** | 哪些运营区域风险最高 |
| **时段维度** | 高风险时段（季节/天气/时间段） |
| **响应效果** | 平均响应时间、方案成功率 |
| **损失统计** | 累计人员/财产/设备损失 |
| **知识库效能** | 知识库匹配率、应急推理比例 |

### 10.2 风险热力图

基于历史事件生成空间风险热力图：

```bash
python3 scripts/fleet_analytics.py --heatmap --output risk_map.html
```

标注内容：
- 历史事件发生点和密度
- 高风险气象区域
- 障碍物密集区
- 信号盲区
- 推荐和不推荐的航线

### 10.3 设备健康评分

为机队中每台设备计算健康评分：

```bash
python3 scripts/fleet_analytics.py --device-health
```

评分依据：
- 历史故障次数和类型
- 飞行时长和循环次数
- 上次维护距今时间
- 近期是否有异常趋势
- 同型号设备的群体故障率

输出：设备健康排名、维护优先级建议、预计需要维护的时间窗口。

### 10.4 运营优化建议

基于数据分析自动生成运营优化建议：

- **航线优化**：避开高风险区域，推荐更安全的替代航线
- **排班优化**：避免在高风险时段/天气条件下安排非紧急任务
- **维护策略**：从定时维护转向基于状态的预测性维护
- **培训重点**：针对高频故障类型安排专项培训
- **采购建议**：基于故障率数据辅助设备采购决策

### 10.5 监管合规报告

自动生成符合监管要求的定期报告：

```bash
python3 scripts/fleet_analytics.py --compliance-report --standard CAAC --period 2026-Q1
```

支持的报告标准：
- **CAAC（中国民航）**：无人机运营安全报告
- **EASA（欧洲航空安全局）**：UAS 事件报告
- **FAA（美国联邦航空局）**：Part 107 事件报告
- **企业内部**：自定义报告模板

---

## 企业部署架构

```
                    ┌──────────────────────┐
                    │   企业管理平台        │
                    │  (Phase 8-10)        │
                    │                      │
                    │  ┌────────────────┐  │
                    │  │ 知识库管理      │  │
                    │  │ 预案生成        │  │
                    │  │ 机队分析        │  │
                    │  │ 合规报告        │  │
                    │  └───────┬────────┘  │
                    └──────────┼───────────┘
                               │ 事件数据上报 & 知识库同步
                    ┌──────────┼───────────┐
                    │          │           │
              ┌─────▼─────┐ ┌─▼────────┐ ┌▼──────────┐
              │ 设备 A     │ │ 设备 B   │ │ 设备 C    │
              │(Phase 1-7) │ │(Phase1-7)│ │(Phase1-7) │
              │ 实时响应   │ │ 实时响应 │ │ 实时响应  │
              └────────────┘ └──────────┘ └───────────┘
```

设备端与企业端形成双向闭环：
- **上行**：设备端的事件数据、学习反馈上报到企业知识库
- **下行**：企业知识库的更新方案、调整后的阈值下发到设备端