陳志杰，湯錦輝，王沖，程季锃，曹珊，邵欣

國家空域技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100085

進(jìn)入新時(shí)代，中國社會(huì)轉(zhuǎn)向安全、高質(zhì)發(fā)展階段，航空需求呈現(xiàn)服務(wù)個(gè)性化、作業(yè)無人化的發(fā)展趨勢(shì)。軍事航空、公共運(yùn)輸航空、通用航空和無人機(jī)等各類航空用戶正呈現(xiàn)前所未有的多元化井噴式發(fā)展，未來空域系統(tǒng)發(fā)展趨勢(shì)呈現(xiàn)出空天地一體化運(yùn)行、多航空用戶混合運(yùn)行、多利益主體協(xié)同運(yùn)行等特點(diǎn)，航空需求空前旺盛，提升空域資源利用率需求迫切，空域精細(xì)化管理勢(shì)在必行。

分層治理作為支撐航空發(fā)展、緩解空域矛盾的有效舉措，對(duì)促進(jìn)超低空作業(yè)、城市交通、區(qū)域航空、樞紐運(yùn)輸和亞軌道飛行等空域活動(dòng)具有重要意義。因此統(tǒng)籌考慮各類飛行活動(dòng)的空域需求以及相互關(guān)系，采用空域分層治理的方式，基于數(shù)據(jù)探索的研究范式，應(yīng)用深度學(xué)習(xí)、知識(shí)圖譜、強(qiáng)化學(xué)習(xí)等人工智能方法，充分利用海量數(shù)據(jù)，借助云端算力，從空域運(yùn)行大數(shù)據(jù)中發(fā)掘更多有價(jià)值的信息和知識(shí)，賦能空域系統(tǒng)，提高各類航空用戶飛行效率，實(shí)現(xiàn)國家空域資源最大化利用。

本文從超低空、城市、區(qū)域、樞紐、亞軌道等5個(gè)層次化的場(chǎng)景梳理我國空域系統(tǒng)的發(fā)展趨勢(shì)；提煉得出空域運(yùn)行面臨的核心難點(diǎn)與關(guān)鍵科學(xué)問題；給出基于數(shù)據(jù)驅(qū)動(dòng)的人工智能方法求解空域運(yùn)行科學(xué)問題的研究框架；基于此框架給出每個(gè)子問題的研究內(nèi)容，以及應(yīng)關(guān)注的關(guān)鍵技術(shù)；從城市空中交通供需精確預(yù)測(cè)、大型城市群聯(lián)合終端區(qū)交通流相關(guān)性分析以及高密度超低空交通智能飛行調(diào)配等方面簡要介紹了人工智能的具體應(yīng)用案例，最后對(duì)人在空域運(yùn)行中的作用提出了新的思考。

1 層次化的空域運(yùn)行發(fā)展趨勢(shì)

未來，我國交通體系發(fā)展機(jī)遇與挑戰(zhàn)并存，空中交通管理系統(tǒng)對(duì)于促進(jìn)矛盾化解、開辟發(fā)展新格局具有獨(dú)特貢獻(xiàn)。本文認(rèn)為，未來空域系統(tǒng)將呈現(xiàn)分層治理的趨勢(shì)(如圖1所示)，從低至高依次是超低空交通、城市空中交通、區(qū)域空中交通、樞紐空中交通和亞軌道空中交通。

1.1 超低空交通

超低空空域是航空作業(yè)和大眾消費(fèi)活動(dòng)的重要空間，超低空交通包括航拍攝影、農(nóng)林植保、森林防護(hù)、電力巡線、管道巡查、交通監(jiān)管、環(huán)境保護(hù)、反恐維穩(wěn)、應(yīng)急救援等領(lǐng)域的超低空航空活動(dòng)。未來超低空交通的飛行主體主要是輕小型無人機(jī)，該類無人機(jī)應(yīng)具備自主飛行、自動(dòng)駕駛、智能感知、可信互聯(lián)的能力，基于無人機(jī)的超低空應(yīng)用將超越交通的應(yīng)用范式?？梢劳?G、北斗等泛在高速的信息基礎(chǔ)設(shè)施，提升超低空交通運(yùn)行監(jiān)管與服務(wù)能力。最終將支撐智能感知、安全可信、泛在互聯(lián)、透明監(jiān)管的超低空經(jīng)濟(jì)發(fā)展新形態(tài)，充分發(fā)揮超低空空域的經(jīng)濟(jì)價(jià)值。

1.2 城市空中交通

城市交通是城市社會(huì)經(jīng)濟(jì)活動(dòng)的重要支撐，是智慧城市建設(shè)發(fā)展的關(guān)鍵所在。隨著城市化進(jìn)程的加快，城市陸地交通空間日趨飽和，城市交通擁堵問題日益嚴(yán)重，迫切需要合理利用城市空中空間，發(fā)展城市空中交通，以此來緩解城市交通壓力，滿足城市化發(fā)展新要求。

破解難題的一個(gè)重要突破口，是開發(fā)低空空域資源，普及城市空中交通工具，將交通空間從地面向空中延伸，建立與地面交通無縫銜接的立體空中交通網(wǎng)絡(luò)，完善城市空中交通監(jiān)管體系，提供切實(shí)可行的城市空中交通服務(wù)解決方案，提升乘客用戶的飛行出行體驗(yàn)，最終實(shí)現(xiàn)城市空中交通動(dòng)態(tài)靈活高效的管理。

1.3 區(qū)域空中交通

目前，京津冀、長三角、粵港澳大灣區(qū)、成渝等世界級(jí)城市群迅速崛起，區(qū)域交通面臨著城市群交通一體化、城鄉(xiāng)客運(yùn)服務(wù)一體化、城鄉(xiāng)雙向流通等多重任務(wù)。通過精細(xì)化使用中低空空域資源，建立與城市群布局相匹配的多層空中交通網(wǎng)絡(luò)，可以緩解交通用地壓力、促進(jìn)城鄉(xiāng)公共服務(wù)均等化、加速新業(yè)態(tài)發(fā)展，更有效地滿足綠色發(fā)展需要。

1.4 樞紐空中交通

在與城市空中交通、區(qū)域空中交通協(xié)調(diào)發(fā)展的基礎(chǔ)上，構(gòu)筑連接航空樞紐的空中交通專用通道，實(shí)現(xiàn)大容量、高效率區(qū)際快速交通，提升主要通道旅客運(yùn)輸能力和航空物流效率，使中高空空域資源使用效益最大化。從最初為全飛行階段提供可靠、實(shí)時(shí)、高效的數(shù)字化運(yùn)行管制服務(wù)，到考慮飛行效率、可預(yù)測(cè)性、容量和環(huán)境等，建設(shè)協(xié)同的、無縫的和以網(wǎng)絡(luò)為中心的高性能空中交通管理系統(tǒng)。

1.5 亞軌道空中交通

亞軌道通常是指距地球表面20～100 km之間的區(qū)域，是傳統(tǒng)航空空間和航天空間的接合部，是特殊空間環(huán)境區(qū)域，人類至今尚無對(duì)亞軌道真正意義上的開發(fā)使用。它具有高邊疆、無國界的特點(diǎn)，與航空空間相比能提供更加廣闊的視野、更持久的信息，與航天空間相比能提供更具有實(shí)時(shí)性的信息、更快的通信速度和更高的時(shí)空分辨率，因而具有廣闊的開發(fā)價(jià)值，是未來航空航天發(fā)展的關(guān)鍵資源。通過將系統(tǒng)能力向上伸展，提前布局亞軌道交通，有助于建立亞軌道活動(dòng)新秩序，為和平利用亞軌道、增進(jìn)人類共同福祉創(chuàng)造更好條件。

2 空域運(yùn)行的核心難點(diǎn)與關(guān)鍵科學(xué)問題

2.1 核心難點(diǎn)

上述5層共同構(gòu)成了空域系統(tǒng)的運(yùn)行主體，空域系統(tǒng)是一個(gè)開放的復(fù)雜巨系統(tǒng)，空域運(yùn)行關(guān)注的核心難點(diǎn)問題是在此復(fù)雜巨系統(tǒng)中，研究人、飛行器、空域、環(huán)境、事件等要素之間的內(nèi)在聯(lián)系及其演化規(guī)律，發(fā)現(xiàn)其中蘊(yùn)含的科學(xué)規(guī)律并形成知識(shí)，依據(jù)知識(shí)進(jìn)行預(yù)測(cè)、調(diào)配、決策，解決不同尺度條件下空域資源時(shí)空配置面臨的安全與效率矛盾。概括地，就是從時(shí)間和空間維度安全高效配置空域資源。

按照對(duì)事物的認(rèn)知規(guī)律，將此核心問題解構(gòu)為“態(tài)勢(shì)感知-規(guī)律認(rèn)知-規(guī)劃決策”3個(gè)子問題。態(tài)勢(shì)感知是在不同時(shí)空尺度下，實(shí)現(xiàn)對(duì)各空域單元內(nèi)的飛行動(dòng)態(tài)進(jìn)行統(tǒng)計(jì)與預(yù)測(cè)；規(guī)律認(rèn)知?jiǎng)t是發(fā)現(xiàn)空域時(shí)空特征，進(jìn)而分析時(shí)空特征之間彼此的關(guān)聯(lián)關(guān)系與演化規(guī)律，從而得到空域運(yùn)行的知識(shí)；規(guī)劃調(diào)配則是根據(jù)優(yōu)化目標(biāo)，消除各類的空域使用矛盾，建立或者恢復(fù)空域的運(yùn)行秩序。

目前所有類型飛行都是基于計(jì)劃的飛行，在理想情況下可以保證各個(gè)層次的空域運(yùn)行系統(tǒng)穩(wěn)定運(yùn)行，但是系統(tǒng)單點(diǎn)面臨惡劣天氣等突發(fā)事件出現(xiàn)延誤時(shí)，由于“蝴蝶效應(yīng)”導(dǎo)致延誤呈指數(shù)傳遞放大，無法做出快速有效應(yīng)對(duì)，系統(tǒng)脆弱且魯棒性不足。調(diào)配方案無法應(yīng)對(duì)復(fù)雜多變的空域系統(tǒng)，問題看似出在“規(guī)劃決策”階段，實(shí)則缺失對(duì)空域系統(tǒng)“規(guī)律認(rèn)知”層面的研究，對(duì)空域系統(tǒng)運(yùn)行規(guī)律的理解深度，決定了規(guī)劃調(diào)配求解的深度。

因此，應(yīng)關(guān)注發(fā)現(xiàn)空域系統(tǒng)的時(shí)空運(yùn)行規(guī)律，應(yīng)用時(shí)空運(yùn)行規(guī)律指導(dǎo)“態(tài)勢(shì)感知”與“規(guī)劃決策”，并在態(tài)勢(shì)感知與規(guī)劃決策階段不斷豐富空域運(yùn)行規(guī)律的知識(shí)，進(jìn)而更準(zhǔn)確指導(dǎo)感知與調(diào)配，形成正向研究循環(huán)。

2.2 關(guān)鍵科學(xué)問題

空域系統(tǒng)屬于典型的開放復(fù)雜系統(tǒng)，如何刻畫和研究空域系統(tǒng)的時(shí)空規(guī)律，理解其內(nèi)在運(yùn)行機(jī)理，預(yù)測(cè)未來行為，指導(dǎo)規(guī)劃決策是研究的關(guān)鍵。無論是非線性動(dòng)力學(xué)解析方法、仿真模擬，或是數(shù)據(jù)驅(qū)動(dòng)，只是研究方法的不同，都是需要解決以下科學(xué)問題：

空域系統(tǒng)內(nèi)在復(fù)雜時(shí)空機(jī)理的發(fā)現(xiàn)、理解與運(yùn)用。

飛行態(tài)勢(shì)就是各類飛行需求在既有空域結(jié)構(gòu)下遵循當(dāng)前空域運(yùn)行規(guī)則的具體表現(xiàn)，它是空域運(yùn)行時(shí)空機(jī)理與時(shí)空噪音共同作用的結(jié)果。針對(duì)空域系統(tǒng)這個(gè)復(fù)雜系統(tǒng)，其時(shí)空機(jī)理應(yīng)包括空域結(jié)構(gòu)、運(yùn)行規(guī)則、實(shí)體關(guān)系以及上述3方面的演化規(guī)律。為此，時(shí)空機(jī)理應(yīng)能夠可表示、可計(jì)算、可解釋、可泛化。具體地，時(shí)空機(jī)理發(fā)現(xiàn)主要包括關(guān)鍵時(shí)空特征的高效識(shí)別與表示、時(shí)空特征間復(fù)雜關(guān)聯(lián)關(guān)系發(fā)現(xiàn)、復(fù)雜關(guān)聯(lián)關(guān)系動(dòng)態(tài)演化規(guī)律研究，在此基礎(chǔ)上發(fā)現(xiàn)關(guān)鍵時(shí)空模式，分析各類空域使用需求與空域結(jié)構(gòu)之間存在的相互關(guān)系；時(shí)空機(jī)理理解需要對(duì)發(fā)現(xiàn)的結(jié)構(gòu)、關(guān)系和演化規(guī)律從空域運(yùn)行角度進(jìn)行語義層面的解釋；時(shí)空機(jī)理運(yùn)用是在發(fā)現(xiàn)和理解基礎(chǔ)上應(yīng)用形成的時(shí)空知識(shí)進(jìn)行預(yù)測(cè)、規(guī)劃和決策。

3 空域運(yùn)行智能化的研究框架

注意到空管系統(tǒng)沉淀了飛行航跡、飛行計(jì)劃、氣象、航行情報(bào)等海量、多源、異構(gòu)的空域運(yùn)行數(shù)據(jù)，這些數(shù)據(jù)種類繁多，數(shù)據(jù)量大，規(guī)則復(fù)雜，具有明顯的時(shí)空特征。本文將空域運(yùn)行的關(guān)鍵科學(xué)問題解構(gòu)為“態(tài)勢(shì)感知-規(guī)律認(rèn)知-規(guī)劃決策”3個(gè)子問題，運(yùn)用數(shù)據(jù)驅(qū)動(dòng)的方法分析挖掘空管數(shù)據(jù)，力圖精確感知并預(yù)測(cè)空域態(tài)勢(shì)，揭示空域特征的時(shí)空狀態(tài)分布、關(guān)聯(lián)關(guān)系以及演變趨勢(shì)等規(guī)律，基于挖掘得到的知識(shí)科學(xué)指導(dǎo)規(guī)劃決策，從而解決安全高效配置空域資源這個(gè)核心難點(diǎn)。

3.1 態(tài)勢(shì)感知

隨著航空用戶多元化協(xié)同發(fā)展，以及數(shù)據(jù)采集手段日益豐富，大體量、多維度、高時(shí)效的空管數(shù)據(jù)急劇增加，如何基于時(shí)空數(shù)據(jù)感知態(tài)勢(shì)，是空域運(yùn)行智能化的一個(gè)重要研究方向。借助卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)、遷移學(xué)習(xí)等機(jī)器學(xué)習(xí)技術(shù)從海量歷史數(shù)據(jù)中發(fā)現(xiàn)空域運(yùn)行趨勢(shì)[1-2]，實(shí)現(xiàn)不同時(shí)空尺度的空域態(tài)勢(shì)預(yù)測(cè)，為決策部門提供精確態(tài)勢(shì)依據(jù)，其核心應(yīng)用可涵蓋城市空中交通OD預(yù)測(cè)、樞紐空中交通飛行流量預(yù)測(cè)等方面[3]。

3.2 規(guī)律認(rèn)知

運(yùn)用復(fù)雜網(wǎng)絡(luò)和網(wǎng)絡(luò)動(dòng)力學(xué)、模式識(shí)別及數(shù)據(jù)挖掘等技術(shù)，針對(duì)積累的空管歷史數(shù)據(jù)，從宏觀、微觀等不同視角，提取空域運(yùn)行的時(shí)空特征，發(fā)現(xiàn)時(shí)空特征之間的關(guān)聯(lián)關(guān)系，挖掘特征、關(guān)聯(lián)關(guān)系的時(shí)空演化趨勢(shì)，進(jìn)而揭示空域運(yùn)行規(guī)律，基于以上分析得出的時(shí)空知識(shí)，開展航空交通網(wǎng)絡(luò)結(jié)構(gòu)分析[4]、空域運(yùn)行特征識(shí)別[5]、航空交通流復(fù)雜性分析等研究[6]，為規(guī)劃決策提供參考。

3.3 規(guī)劃決策

基于空域運(yùn)行的時(shí)空特征、關(guān)聯(lián)關(guān)系以及演化趨勢(shì)等規(guī)律，采用群體智能、強(qiáng)化學(xué)習(xí)、演化算法等方法對(duì)具體規(guī)劃決策問題進(jìn)行求解[7-8]，替代傳統(tǒng)決策中的主觀經(jīng)驗(yàn)認(rèn)知，為空域運(yùn)行中的飛行調(diào)配、進(jìn)離場(chǎng)排序、沖突解脫等提供快速、精確的決策建議，輔助空管部門制定科學(xué)的管理手段[9-11]。

綜上所述，遵循“感知-認(rèn)知-決策”的一般規(guī)律，國內(nèi)外空中交通學(xué)術(shù)界越來越多的采用智能化方法對(duì)空域運(yùn)行涉及的諸多問題進(jìn)行研究。隨著數(shù)據(jù)不斷積累，研究重點(diǎn)逐漸由靜態(tài)仿真，轉(zhuǎn)向基于運(yùn)行數(shù)據(jù)驅(qū)動(dòng)的人工智能方法發(fā)現(xiàn)空域運(yùn)行規(guī)律。

4 空域運(yùn)行智能化的關(guān)鍵技術(shù)

基于數(shù)據(jù)驅(qū)動(dòng)的人工智能方法精確感知預(yù)測(cè)空域態(tài)勢(shì)、認(rèn)知空域運(yùn)行時(shí)空規(guī)律、實(shí)時(shí)計(jì)算求解調(diào)配方案，應(yīng)對(duì)未來日益復(fù)雜多元、動(dòng)態(tài)靈活的空域使用需求的問題，屬于應(yīng)用“第四范式”-即數(shù)據(jù)探索型科研發(fā)現(xiàn)范式[12]指導(dǎo)空中交通研究。與其他3種范式不同的是(見表1)，時(shí)空數(shù)據(jù)驅(qū)動(dòng)的空域感知、認(rèn)知與決策就是基于空域運(yùn)行數(shù)據(jù)，運(yùn)用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等人工智能方法溯源時(shí)空過程與機(jī)理，發(fā)現(xiàn)復(fù)雜的空域運(yùn)行系統(tǒng)隱含的模式、知識(shí)和規(guī)律。在研究過程中需要關(guān)注以下2方面的關(guān)鍵技術(shù)問題。

表1 4類研究范式對(duì)比表Table 1 Comparison of four research paradigms

4.1 空域運(yùn)行時(shí)空大數(shù)據(jù)表示與建模

航跡、計(jì)劃、氣象等空管時(shí)空數(shù)據(jù)，具有海量、多源、異構(gòu)、多尺度、非結(jié)構(gòu)化等特征，并且都是對(duì)空域內(nèi)飛行器某一個(gè)或幾個(gè)維度的映射。如何針對(duì)空域感知、認(rèn)知與決策等具體問題，高效組織空管數(shù)據(jù)，選擇合理的時(shí)空大數(shù)據(jù)表示方法，解決建模中面臨的稀疏、高維、不確定問題，準(zhǔn)確量化描述實(shí)體間的復(fù)雜關(guān)聯(lián)關(guān)系，準(zhǔn)確反映關(guān)聯(lián)關(guān)系的時(shí)空演化規(guī)律，是需要首先解決的關(guān)鍵科學(xué)問題。對(duì)時(shí)空數(shù)據(jù)的表示與建模方法決定了分析與計(jì)算的方向。

4.2 空域運(yùn)行時(shí)空大數(shù)據(jù)分析與計(jì)算

結(jié)合構(gòu)造的模型，針對(duì)空域運(yùn)行面臨的感知、認(rèn)知和決策問題，探索以時(shí)空大數(shù)據(jù)為基礎(chǔ)的統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘理論，構(gòu)造一種數(shù)據(jù)驅(qū)動(dòng)的空域運(yùn)行力時(shí)空認(rèn)知分析學(xué)習(xí)框架，一方面能夠準(zhǔn)確發(fā)現(xiàn)空域系統(tǒng)中蘊(yùn)含的時(shí)空模式、關(guān)聯(lián)關(guān)系與動(dòng)力學(xué)特征，指導(dǎo)決策分析；另一方面能夠在分析挖掘的過程中充分利用海量時(shí)空數(shù)據(jù)不斷補(bǔ)充完善時(shí)空認(rèn)知模型，提升模型的泛化能力，進(jìn)一步指導(dǎo)如何從海量、多維、異構(gòu)的空管時(shí)空數(shù)據(jù)中獲得知識(shí)，支撐決策。

5 智能空域運(yùn)行應(yīng)用案例

結(jié)合超低空交通、城市空中交通和樞紐空中交通的層次化空域運(yùn)行場(chǎng)景，本文分別從飛行態(tài)勢(shì)感知預(yù)測(cè)、空域運(yùn)行規(guī)律認(rèn)知、飛行調(diào)配決策3個(gè)不同方面，簡要介紹人工智能賦能空域運(yùn)行的具體應(yīng)用案例。

5.1 基于卷積神經(jīng)網(wǎng)絡(luò)的城市空中交通態(tài)勢(shì)預(yù)測(cè)

如1.2節(jié)所述，城市空中交通與地面交通類似，主要解決城市環(huán)境下安全高效運(yùn)送人員和貨物的問題。精確感知預(yù)測(cè)出行需求，是城市空中交通精準(zhǔn)化運(yùn)行的前提和基礎(chǔ)，不同于航空交通運(yùn)輸，城市空中交通按需出行將更加分散與隨機(jī)，影響出行的因素也更加復(fù)雜，例如惡劣天氣、突發(fā)事件等，傳統(tǒng)依靠飛行計(jì)劃進(jìn)行預(yù)測(cè)的方法并不適用，需要針對(duì)城市空中交通出行場(chǎng)景，探索新的出行需求預(yù)測(cè)方法[13]。

注意到卷積神經(jīng)網(wǎng)絡(luò)在捕獲大量、復(fù)雜的隱含空間特征方面的優(yōu)勢(shì)，構(gòu)建基于卷積神經(jīng)網(wǎng)絡(luò)的飛行態(tài)勢(shì)預(yù)測(cè)架構(gòu)[14]，如圖2所示，基于歷史城市空中交通航跡數(shù)據(jù)構(gòu)建熱力快照?qǐng)D像集合，選擇不同時(shí)刻的快照獲取臨近性、周期性和趨勢(shì)性的時(shí)間上特征，作為卷積輸入，通過特征提取的方式獲得天氣、突發(fā)事件等外部特征，之后將時(shí)間、空間、外部特征進(jìn)行融合，對(duì)模型進(jìn)行訓(xùn)練?；诖?，根據(jù)當(dāng)前的飛行態(tài)勢(shì)、氣象等情況實(shí)現(xiàn)對(duì)未來一段時(shí)間內(nèi)的城市空中交通出行需求進(jìn)行預(yù)測(cè)。

圖2 基于卷積神經(jīng)網(wǎng)絡(luò)的城市空中交通態(tài)勢(shì)預(yù)測(cè)示意圖Fig.2 Urban air traffic situation prediction based on convolution neural network

5.2 航跡數(shù)據(jù)驅(qū)動(dòng)的樞紐空中交通飛行流相關(guān)性分析

終端區(qū)空域是樞紐空中交通的重要組成部分，是空域擁堵、事故易發(fā)、導(dǎo)致航班延誤的空中交通管制區(qū)域，是整個(gè)空中交通網(wǎng)絡(luò)的潛在瓶頸[15]。

終端區(qū)空域運(yùn)行過程中積累了海量、多維、異構(gòu)的數(shù)據(jù)。研究人員已經(jīng)意識(shí)到，如何快速定量的從空管數(shù)據(jù)中挖掘有用的特征和發(fā)現(xiàn)過程性知識(shí)，已經(jīng)成為認(rèn)知空域規(guī)律的核心關(guān)鍵問題。飛行流模式之間的相關(guān)性是認(rèn)知終端區(qū)運(yùn)行的重要特征[16]。如圖3所示，針對(duì)原始航跡數(shù)據(jù)，進(jìn)行航跡剪裁與清洗、航跡聚類、航跡分類、飛行流模式生成，得到終端區(qū)內(nèi)的飛行流模式，通過構(gòu)建時(shí)空異步相關(guān)函數(shù)，對(duì)飛行流模式之間的相關(guān)性進(jìn)行量化計(jì)算，發(fā)現(xiàn)終端區(qū)內(nèi)進(jìn)離場(chǎng)飛行流模式之間潛在的正向或負(fù)向關(guān)聯(lián)關(guān)系，以及關(guān)聯(lián)關(guān)系隨時(shí)間的變化趨勢(shì)，作為后續(xù)飛行調(diào)配的重要參考。

圖3 基于航跡數(shù)據(jù)的終端區(qū)飛行流模式相關(guān)性分析Fig.3 Correlationship analysis of flight flow patterns in terminal area based on trajectory data

5.3 面向高密度超低空交通的智能協(xié)同飛行調(diào)配

隨著無人機(jī)技術(shù)不斷成熟和領(lǐng)域應(yīng)用持續(xù)拓展，基于無人機(jī)的超低空交通運(yùn)行在未來將呈現(xiàn)高密度的趨勢(shì)[17]。在超低空空域動(dòng)態(tài)精細(xì)化管理的基礎(chǔ)上，以飛行調(diào)配為主的超低空交通運(yùn)行管理將解決各無人機(jī)在飛行過程中存在的沖突，對(duì)各類無人機(jī)飛行的航線、空域、高度、次序和時(shí)間，進(jìn)行科學(xué)的調(diào)整和安排，在保證飛行安全的前提下，提高超低空空域的時(shí)空利用率。

圖4 基于多智能體強(qiáng)化學(xué)習(xí)的超低空智能飛行調(diào)配示意圖Fig.4 Deployment of intelligent flight in ultra-low altitude based on multiagent reinforcement learning

基于超低空交通“網(wǎng)+云+邊”的體系架構(gòu)，構(gòu)建運(yùn)管平臺(tái)與無人機(jī)2級(jí)智能體，應(yīng)用多智能體強(qiáng)化學(xué)習(xí)的方法求解調(diào)配方案[18-19]。多智能體協(xié)同框架下的強(qiáng)化學(xué)習(xí)是一種“有限集中-分布協(xié)同-自主決策”的智能決策方法[20-21]，無人機(jī)感知周圍狀態(tài)信息，依托空地一體、泛在高速網(wǎng)絡(luò)，回傳狀態(tài)信息，監(jiān)管平臺(tái)依托云端算力根據(jù)匯總的狀態(tài)信息，求解得出當(dāng)前最優(yōu)調(diào)配方案，分發(fā)至各無人機(jī)執(zhí)行，形成調(diào)配閉環(huán)，不斷迭代優(yōu)化。選擇策略梯度上升算法計(jì)算飛行調(diào)配近似最優(yōu)解，通過層次化關(guān)系降低各級(jí)智能體的狀態(tài)空間復(fù)雜度，保證調(diào)配方案的計(jì)算效率。

6 總結(jié)與展望

本文從超低空、城市、區(qū)域、樞紐、亞軌道5個(gè)層次化場(chǎng)景梳理了我國空域系統(tǒng)的發(fā)展趨勢(shì)，進(jìn)而提煉得出空域運(yùn)行面臨的核心難點(diǎn)與關(guān)鍵科學(xué)問題，并給出了數(shù)據(jù)驅(qū)動(dòng)的人工智能方法求解空域運(yùn)行科學(xué)問題的研究框架；基于此框架給出每個(gè)子問題的研究內(nèi)容，以及應(yīng)關(guān)注的關(guān)鍵技術(shù)；針對(duì)層次化的3個(gè)典型應(yīng)用場(chǎng)景，給出了空域運(yùn)行化的具體技術(shù)實(shí)現(xiàn)路徑。

在可預(yù)見的未來，人工智能技術(shù)的快速發(fā)展將持續(xù)為空域系統(tǒng)帶來挑戰(zhàn)與機(jī)遇，一方面飛行平臺(tái)的智能化、無人化、自主化和自組織化趨勢(shì)明顯，智能無人飛行器將滲透到各類飛行活動(dòng)中，使得空域系統(tǒng)的處理規(guī)模和難度急劇上升；另一方面，需要以空管系統(tǒng)智能化為抓手，圍繞海量、多維、異構(gòu)的空管時(shí)空數(shù)據(jù)，從復(fù)雜空域態(tài)勢(shì)感知預(yù)測(cè)、空域運(yùn)行規(guī)律多維度認(rèn)知和高效大規(guī)模規(guī)劃調(diào)配決策等方面發(fā)揮人工智能的優(yōu)勢(shì)?；谝陨戏治觯疚恼J(rèn)為傳統(tǒng)“人在回路”的空域運(yùn)行理念將發(fā)生根本變化，系統(tǒng)的智能化程度將越來越高，最終空域運(yùn)行將呈現(xiàn)安全高效的“無人管理”。