摘要
由于复杂的三维空间障碍、持续的通信干扰，以及自动相关监视广播（ADS-B）信号异常等信息层威胁的严重影响，城市低空无人机物流网络在运行过程中面临着诸多瓶颈。为了解决这些相互关联的问题，本文提出了一种基于事件驱动的云边协同数字孪生框架，以确保持续的多链路通信和飞行安全。该架构采用“教师-学生”双层模式运作。在安全环境下，云端数字孪生体充当高性能的“教师”，利用基于密度的带噪声空间聚类算法对不同的用户拓扑结构进行划分。随后，它通过能量引导的随机扩散采样方法优化初始的宏观路由规划，通过系统地减少非视距观测带来的影响及运动约束成本，从而生成精确且无中断的全局路径。为应对信号异常，一个分布式的到达时间差定位锚点网络会持续验证无人机的坐标完整性。一旦超出阈值，控制权会立即转移到无人机的边缘数字孪生体上。这个资源受限的边缘层依靠通过逐步蒸馏训练得到的本地“学生”网络。通过将计算量较大的迭代扩散过程简化为快速的单步推理模型，无人机能够自主生成安全且短距离的应急路径，同时严格满足最低通信要求。一旦干扰消除，云端会无缝接管控制，继续完成物流任务。实验结果表明，与传统的启发式路由方法相比，所提出的方案在基于云端的场景中具有显著优势。此外，基于边缘的蒸馏机制还大幅提升了信号异常情况下路径的存活率，从而确保物流操作的稳定性和连续性。
