在国家 “低空经济高质量发展” 战略部署下，管理学院聚焦低空经济核心应用场景，组建跨学科研究团队持续攻关，以上海理工大学为第一完成单位或第一通讯单位，发表了系列研究工作，致力于突破低空技术在复杂真实场景中应用的瓶颈，构建低空经济产教融合的全要素版图。
赵来军教授团队以“韧性导向的城市群应急协同响应网络的p鲁棒选址-分配模型研究”（ A p-Robust Location-Allocation model for Resilience-Oriented collaborative emergency response network in urban agglomerations）和“基于分布鲁棒优化的地震灾后道路受阻情境下母-子无人机协同药品配送调度优化研究”（ Distributionally robust scheduling optimization for pharmaceutical delivery Using coordinated mother-end drones under post-earthquake road disruptions）为题发表于《交通运输研究E辑：物流与运输评论》（Transportation Research Part E: Logistics and Transportation Review）。
盖玲副教授团队联合北京工业大学等单位以“基于两阶段贪心拍卖算法的大规模无人机蜂群协同目标分配问题”（Collaborative target assignment problem for large-scale UAV swarm based on two-stage greedy auction algorithm）为题发表于《航空航天科学与技术》（Aerospace Science and Technology）。
蒋盛川副教授团队以“基于无人机的道路病害检测轻量化剪枝模型”（ Lightweight pruning model for road distress detection using unmanned aerial vehicles）为题发表于《建筑自动化》（Automation in Construction）。
陈理老师和博士生党烁以“灾后协同观测与配送调度问题”（ The scheduling problem with delivery and observation in collaboration after the disaster）和“河网水质监测中的双目标车机协同路径规划问题研究”（ A bi-objective routing problem for cooperated trucks and drones in river water quality monitoring）为题发表于《群体与进化计算》（Swarm and Evolutionary Computation）。
系统规划创新：构建韧性应急网络与可靠物流体系
在宏观系统规划层面，赵来军教授团队连续取得突破。针对城市群灾害应急响应中，面对地面道路受损、跨城距离远、医疗资源配送不均等难题，提出了韧性导向的协同应急设施选址-分配模型，创新将直升机跨区域转运机制融入网络设计，构建了“空地协同”救援新模式。以长三角示范区为案例的仿真表明，应急响应时间可缩短1.26小时，网络韧性提升19.51%，跨区域协同救援对提升“黄金救治时间”保障能力有显著价值。
考虑直升机转运的跨区域应急协同响应
伤员转移和救灾物资配送
面对无人机应急物流中的灾后环境高度不确定性挑战，创造性的构建了“母-子无人机”协同的药品配送调度模式，并建立可同时优化临时仓库选址、母无人机调度、子无人机路径规划的分布鲁棒优化模型，有效平衡了经济性与抗风险能力，为无人机物流在极端场景下的可靠运行提供了决策支持。
灾后应急响应中母机-终端无人机协同调度概念图
协同调度突破：实现动态场景与大规模集群的智能控制
在系统规划的指导下，面对更为复杂的动态环境实时调度方面，也研究取得了关键技术进展。陈理老师针对灾后灾害点动态新增、需求信息不确定、天气异常难观测的挑战，提出了无人机-车辆协同调度模型。通过混合整数规划与滚动时域优化，实现观测与配送的实时联动，有效提升了救援配送效率与人员安全性。
无人机-车辆协同调度问题的可视化分析
盖玲副教授团队联合北京工业大学等单位，聚焦于对无人机集群调度的实时响应与大规模任适配的核心需求，提出了基于两阶段贪心拍卖算法的大规模无人机蜂群协同目标分配方法。该算法创新性的将无人机与目标间的距离优势、角度优势、导弹拦截率及目标识别率等多维指标纳入统一评估框架，实现打击效能的精准量化。并精确建模飞行轨迹，解决了传统模型忽略飞行物理特性导致的分配偏差问题。涵盖数千架平台的大规模仿真中，随着无人机与目标数量倍增，分配时间未出现指数级攀升，且重新分配使目标函数值平均提升 60.72%，展现出卓越的实时性与任务效能，为军民领域的无人机集群应用提供了高效解决方案。
现代海战无人机群饱和攻击场景与飞行轨迹精确建模
技术融合应用：驱动基础设施巡检与生态监测模式革新
在垂直行业的深度融合应用方面，团队致力于解决技术落地的核心瓶颈。蒋盛川副教授团队针对无人机道路巡检中检测模型计算负载高、难以实时部署的难题，聚焦 “精度与效率平衡” 核心目标，系统探索了损失函数、注意力机制的优化组合，同时创新引入模型剪枝与知识蒸馏技术，构建了兼顾检测性能与部署灵活性的轻量化解决方案，检测帧率提升 17.6%，可直接部署于嵌入式设备，为基础设施的无人机智能巡检提供了高效的芯片级解决方案。
无人机巡检的模型剪枝与知识蒸馏技术
博士生党烁的研究直面无人机单机作业的续航与载重限制，构建了面向河网水质监测的“车机协同”系统。通过创新双目标路径规划与协同调度模型，并集成车辆移动基站与无人机硬件平台，实现了无人机的不间断循环作业，为构建高效、经济的城市生态监测网络开辟了新路径。
车-无人机协同河网水质采样系统流程图
该系列研究成果标志着我校管理学院在“低空经济”与“智能应急”前沿交叉领域形成了从顶层设计、协同调度到场景应用的完整闭环，相关结论为政府部门与企业构建现代化应急管理体系、推动低空技术落地公共服务提供了重要参考。未来学院各研究团队将深化研究，推动技术向更多行业场景延伸，为低空经济高质量发展提供更多原创性解决方案
论文链接：
[1] https://doi.org/10.1016/j.tre.2026.104698
[2] https://doi.org/10.1016/j.tre.2025.104481
[3] https://doi.org/10.1016/j.ast.2024.109146
[4] https://doi.org/10.1016/j.autcon.2024.105789
[5] https://doi.org/10.1016/j.swevo.2025.102047
[6] https://doi.org/10.1016/j.swevo.2025.102148
