民用飛機智能飛行技術綜述

楊志剛，張炯，李博，曾銳，毛研勛

中國商用飛機有限責任公司北京民用飛機技術研究中心，北京 102211

以人工智能、物聯網、大數據與云計算為代表的新一代信息技術正在全球范圍內引發新一輪科技革命，并將深刻影響未來30年的產業變革。得益于中國政府對于戰略新興產業長期與連貫的政策支持[1-3]，人工智能等新一代信息技術保持了迅猛發展，并逐步與傳統行業滲透交融。在國際航空產業，以波音、空客為代表的領軍企業正積極探索人工智能技術在航空領域的應用，實踐了包括航空數據分析實驗室、智慧天空平臺、AnalytX數據平臺等“人工智能+航空業”融合應用。

從民用飛機主制造商的視角，民機全生命周期的各個環節為新興技術提供了廣闊的應用平臺，例如融合自主決策及人機協同的智能飛行技術、基于數字飛機及知識工程的智能設計技術、利用5G互聯與動態規劃的智能制造技術、依托海量數據與機理模型的智能運維技術等都是“人工智能+”助力民用航空領域高質量發展的典型，而智能飛行技術是其中最具行業特征并可能帶來顛覆性變革的研發方向。

智能飛行技術通過逐步提升航空器的智能/自主能力與內外協同能力，實現飛行駕駛中的職責轉換與功能優化，重構未來飛行的人機交互模式與空域管理架構，與國際航空業發展趨勢一脈相承。NASA承襲20世紀80年代“Free Flight”愿景，在進行下一代空管體系升級的同時，始終將推動航空器實現安全的自主化作為其航空戰略實施重點[4-5]，并對商用飛機單一飛行員駕駛等領域進行了探索研究[6]。歐洲航空安全局(EASA)同樣關注自主/無人飛行器在未來運行場景下的安全應用[7]，其對于人工智能協助下的輔助飛行進行了細致的規劃，并協同科研機構與企業在開展了人工智能適航論證等方面的研究[8]。而包括波音、空客等行業領軍企業也對于未來的智能化飛行寄予厚望：波音公司收購了開發“機器人駕駛員”的極光科學飛行公司，并嘗試推動單一飛行員駕駛貨運飛機的適航方法研究，空客公司在啟動城市飛行器Vahana的同時，推進基于視覺的自主場面運行與起降項目研發。

本文嘗試從智能飛行的內涵與規劃入手，概述民航領域飛行器融入并實現智能飛行的路徑與方法，針對智能飛行技術應用過程中適航與人因方向的基礎研究方向進行討論，綜述民用飛機智能飛行技術。

1 智能飛行愿景規劃

智能飛行是在對現有高級自動化與智能化技術總結的同時，對飛行領域未來技術發展方向與目標進行的規劃。基于美國國家航空航天局(NASA)的《航空戰略實施規劃》[4]和EASA的《人工智能路線圖》[8]中對未來空地協同體系演化趨勢的判斷，中國商飛在公司“十三五”設計研發能力規劃中提出了“有人監督、無人駕駛”的自主駕駛技術理念，并在2020年“十四五”規劃中提出了“有人監督模式下的大型客機自主飛行技術研究”技術指南，智能飛行技術作為該指南的關鍵技術內容，依據其功能實現能力以及NASA和EASA的短/中/長期計劃，將公司的智能飛行愿景劃分為3個階段，并對短中長期的研究方向進行指引，如圖1所示。

圖1 智能飛行三階段規劃Fig.1 Three-phase planning for intelligent flight

1) 輔助智能飛行階段(2020—2025年)，面向集中式運輸管理體系、兼容現有飛行器駕駛的輔助智能模式，增強飛機綜合感知能力，實現全飛行場景機組決策輔助，具備全飛行階段自動駕駛能力。

2) 增強智能飛行階段(2025—2035年)，面向空地協同的運輸管理體系、創新飛行駕駛方式的增強智能模式，具備完善的飛機全勢態感知能力，實現在機組監督下的自主運行。

3) 完全智能飛行階段(2035—2050+年)，面向空天地一體的自主智能模式，具備完善的飛行場景感知與辨識能力，實現基于統一規則的協同決策，實現滿足人類彈性需求的全自主飛行。

在輔助智能飛行階段，利用靈敏的傳感器與高速地空通信通道，智能飛行不斷拓展對于飛機本體、機組狀態與周邊環境的感知能力；面向以地面指令為核心的空管體系，智能飛行技術針對實時飛行場景，為機組決策提供適宜、準確的綜合信息，有效降低艙內認知負荷；面向多類飛行器混同運行場景與復雜多變天氣環境，智能飛行技術優化自動駕駛功能的適用范圍，改善機組操作負荷，提升客戶效益潛力。

在增強智能飛行階段，基于實時空地信息交互與數字孿生技術，智能飛行進一步實現全態勢感知與飛行狀態預測功能；實現對于標準/預設飛行場景的理解，通過空地協同實現空域全局最優背景下的飛行器自主任務決策；優良的人機交互界面保障機組的情景感知能力與應急操作能力，實現單一飛行員駕駛。

在完全智能飛行階段，基于一體化的空天地信息融合平臺，智能飛行實現對于復雜飛行場景的完整理解，利用空地-空空協同不斷完善人類彈性出行需求，實現全自主的“自由飛行”。

2 民用飛機智能飛行推進方案

民用飛機類型眾多，按照運輸類飛機適航標準分為25部、23部、輕型運動類，不同規章對于民用飛機安全性、可靠性、驗證過程要求不同。

雖然智能飛行分為L1～L3這3個階段，但不同類型民用飛機實施階段不同。

2.1 25部運輸類飛機推進輔助智能飛行

25部運輸類飛機對于設計要求最為嚴苛，運行過程安全性要求最高，現階段從技術成熟度、適航符合性、飛行員與旅客接受度以及可信商業模式等方面，L2級以上智能技術暫時不具備應用條件。針對當前25部運輸類飛機所面臨的實際問題(飛行員負擔重、復雜場景決策難、人為錯誤不斷、航跡優化不足、飛行效率低)以及現階段人工智能技術能力，開展輔助智能飛行技術研究與應用具備可實施性。

輔助智能飛行以人(飛行員)為根本核心，飛行員是飛行過程的決策主體。一切智能化功能均圍繞飛行員決策需求和操作需求開發，包含擴展現有自動駕駛能力的輔助駕駛技術和新增飛行員決策支持能力的決策輔助技術。

輔助駕駛技術：實現正常場景，標準飛行流程下門到門全自動駕駛(場面滑行、起飛著陸)，具備檢查單等相關準備工作全自動執行能力。

目前25部運輸類飛機通過飛行管理+自動飛行系統已經實現起飛高度400 ft(1 ft=0.304 8 m)以上至下降決斷高度區間的自動飛行，但在機場場面、起飛和最終著陸過程仍需要飛行員人工操作，過程安全性嚴重依賴飛行員能力，且由于人為失誤難以避免，70%以上的航空事故發生在上述過程。雖然ILS盲降系統可實現自動著陸，但仍嚴重依賴機場運行引導設施和相關程序，成本高昂，可靠性不足，適航運行批準難度大。

輔助駕駛技術通過新增圖像(可見光、紅外)、激光雷達等機載傳感器，實現傳感器融合提升在場面運行、起飛及著陸階段的飛行態勢感知能力，集成自動飛行系統，完成自動飛行引導、監視監控和飛行控制，打通飛機門到門全過程的自動運行。輔助駕駛將降低飛機對地面導航設施依賴性，實現更高精準的滑行與航跡運行。輔助駕駛所提供的自動駕駛能力相對現階段自動駕駛不僅擴展了可用階段，同時可針對過程中的突發狀況進行預警與提示。圖2為輔助駕駛功能與飛行階段對應關系。

圖2 輔助駕駛功能與飛行階段對應關系Fig.2 Correspondence between auxiliary flight and flight phase

輔助駕駛雖然擴展了現有自動駕駛能力，但與傳統自動駕駛相同，仍然無法應對突發狀況(如系統失效、外部環境突變)，脫開輔助駕駛后需要飛行員迅速接管飛機。

決策輔助技術：針對運行場景(正常、非正常)，為飛行員決策提供指引以及信息融合(含空管、交通服務等)顯示，具備全飛行階段操作決策支持，機組告警系統(Crew Alerting System，CAS)信息自動關聯，系統故障分析與預測等能力。

目前飛行員根據機上儀表顯示信息和外部環境視覺，依靠駕駛能力與經驗獨立完成決策。決策輔助則是基于飛行手冊、標準規范、運行規章、駕駛經驗等依據，構建限定任務場景決策輔助知識圖譜，構造飛機當前狀態(含故障等)與決策操作指引之間的關聯模型，實現全飛行流程不同任務場景的可信決策輔助。

決策輔助重點解決：① 飛行員在關鍵復雜場景(起飛、著陸等階段遭遇系統故障、外部環境突變)決策難的問題；② 飛行員對于級聯故障難以準確定位和診斷問題；③ 飛行員關鍵時刻信息查詢時間周期長的問題。通過運行大數據+機理建模，進一步提升系統故障識別準確度和系統性能預測的準確度；利用語音識別和自然語言理解，開發更加優化與便捷的人機交互接口；基于知識圖譜和結構化數據以及決策樹等技術，形成具有飛行駕駛決策能力的數字模型，如圖3所示。

圖3 決策輔助功能實現示意圖Fig.3 Schematic diagram of implementation of auxiliary decision

決策輔助雖然可以提供全飛行階段的決策輔助，但在L1階段僅限于已知場景(發生過并有明確記錄)，對于未知突發場景，上述算法并不具備應對處理能力。

綜上可以看到，輔助智能飛行不改變25部運輸類飛機的雙人機組駕駛模式，不降低飛行員從業資格，在滿足安全要求的前提下減輕飛行員負擔，降低人為事故，優化飛行航跡，具有落地可實施性，是此類民用飛機智能化推進著力點。

2.2 23部運輸類飛機和輕型運動類飛機推進增強智能飛行

23部運輸類飛機和輕型運動類飛機相對于25部而言，在安全性、可靠性以及驗證過程降低要求，考慮到推廣普及性和降低成本需要，更加適合推進降低飛行駕駛員能力需求的增強智能飛行技術。

增強智能飛行是以系統為根本核心，飛行員是飛行過程的監督主體，但仍然擁有飛行控制的最高權限。一切智能化功能均圍繞提升系統智能化駕駛能力(應對多種復雜場景)、降低對飛行員駕駛技能需求和飛行成本、提升飛行效率、更加容易適航為目標。包含全階段自動飛行、應急自動著陸、主動風險規避、智能網聯運行核心技術。圖4為增強智能功能實現示意圖。

圖4 增強智能功能實現示意圖Fig.4 Schematic diagram of implementation of enhanced intelligence

全階段自動飛行技術：實現從任意A點(起飛)到B點(著陸)的全過程自動飛行，飛行員在過程中無需任何操作。可適應多種構型(固定翼、旋翼、混合翼等)。全自動飛行與輔助智能飛行中的輔助駕駛技術功能相似，主要是利用衛星導航、慣導、視覺相機、激光雷達、定高雷達等傳感器融合構建完整飛機態勢感知能力，使得飛機可以完成在正常場景下的全過程自動駕駛。

應急情況自動著陸技術和主動風險避讓技術：這2項技術是增強智能的核心能力表現。是飛機面臨內外部風險時的決策與控制。

飛機在飛行過程中主要面臨2類風險：① 內部風險，包括導航系統故障、飛行系統故障、電池/發動機故障、結構受損等；② 外部風險，包括天氣異常、空域管制、非合作目標入侵、地面干擾等。所有風險根據對飛機安全影響不同，又分為一類風險和二類風險。

應急著陸和主動風險避讓體現在飛機面臨風險時的主動決策能力。通過對風險的主動判斷與評估，飛行控制能力的評估、從而做出最優決策(避讓、返航、迫降、繼續飛行)，并且可以自動規劃新航跡、找尋最優降落位置。飛機做出的任何決策將自動上報至地面網聯平臺，由網聯平臺進行關聯空域內其他航空器的調度。

應急著陸功能還包含基于視覺和雷達的安全區域查找與評估，利用人工智能算法獲取最優的迫降著陸點降低對飛機、地面人員以及建筑的損傷，這項功能將有助于未來城市空中交通運行等高風險場景運行的適航批準。

智能網聯是飛機搭載新一代通信系統、自主飛行系統等裝置，融合新一代通信與網絡技術(5G、北斗、低軌高通量衛星)，實現飛機與X(飛機、網聯平臺、人、云等)無縫信息交換、共享，通過基于云的服務架構和基于WEB的顯示，利用端、邊、云的信息框架，實現飛機一張網監管，一朵云服務，最終實現飛機在規定空域內的安全、高效運行。智能網聯技術是空中交通管理模式的改變，需要利用泛在低空互聯網，實現飛機與地面的高度協同。

當前國家正在對低空空域進行改革，在23部運輸類飛機和輕型運動類飛機推進增強智能飛行技術將大幅提升這類飛機的空域運行效率，增強飛行安全性，降低飛行門檻，促進新場景(城市空中交通)的適航批準。

3 智能飛行應用基礎技術

人工智能技術是實現智能飛行的關鍵核心，但民用飛機具有特定行業的特殊要求，無論是大型客機輔助智能，還是中小型運動類飛機增強智能，人工智能技術在落地型號商業實施的前提都需要突破適航可信性、人機協同這2大應用基礎技術。為保障智能飛行的實施落地，需要從研發初期就考慮這2個應用基礎技術的研究方向與技術途徑。

3.1 適航可信性關鍵技術

人工智能可信度以及如何證明，一直是行業的焦點問題，尤其是在民機的適航體系中，需要通過正向分析證明技術的可靠性，有必要對智能飛行技術開展詳細的適航可信性論證過程，以此向適航當局提供足夠證據表明：采用智能飛行技術的軟硬件設備能夠在預期運行環境和使用限制下能夠持續保持飛行安全性，通過有效的適航符合性驗證方法建立公眾對智能飛行技術安全性的信任。圖5為航空數據傳輸和質量需求傳輸示意圖。

圖5 航空數據傳輸和質量需求傳輸示意圖Fig.5 Schematic diagram of aeronautical data and relevant quality requirements transportation

智能飛行技術給民航運輸體系所帶來的挑戰大，從依賴于機械自動化的民用航空發展體系跳躍到依賴于數據的智能航空發展體系，需要從技術的可解釋性、安全魯棒性、監管機制、數據治理和隱私保護、數據公正和透明性以至社會和環境的影響全方位地向公眾和利益相關方證實人工智能技術的適航安全性。對于以數據驅動的智能飛行技術而言，從數據準備、模型架構、算法選型直到超參數調整的整個學習過程依賴于數據的完整性和正確性，然而整個學習過程中的神經網絡模型參數眾多、結構復雜，很難對所有的數據質量和模型質量進行精確的追溯。因此，基于數據驅動的人工智能學習模型因為缺乏足以令人信服的可追溯性架構和指導性文件證明，造成實際的應用落地較為困難，如何提升人工智能技術的可解釋性，從而更好地發揮其技術優勢為民航發展服務，已經是國際上的重要研究課題。學術、工業、國防領域都對這個課題進行了大量的研究，歐盟和美國采用不同的技術路線進行研發，歐盟的技術路線是通過研發一種評估人工智能系統對于社會影響程度的方法、建立一條評估人工智能模型魯棒性的標準流程、公開發布一系列人工智能模型航空應用風險評估報告、提出一種基于航空用戶基本需求的可解釋智能模型設計理念這4個方面加強和人工智能技術研發人員的交流合作，形成良性互動的人工智能社區[9-13],歐洲航空安全局(EASA)也與Daedalean機構合作開展了人工智能發展藍圖[8]用以明確未來EASA在人工智能適航規章方面的指定路線。美國的技術路線是以美國高等研究計劃署機構(DARPA)開展的可解釋人工智能項目作為牽引，在5年來資助多所高校聯合研發各種融合可解釋性理論的新型機器學習技術，從而生成形式多樣的可解釋模型(例如UC Berkeley小組的顯式回顧解釋模型[14]、事后解釋模型[15]、Charles River Analytics小組的學習過程因果模型[16]、Carnegie Mellon小組的解釋增強學習模型[17]等)，這些模型通過性能度量和解釋性度量的權衡空間進行互相比較，形成可視化的數據分析曲線、互動交流的問答對話機制以及交互式機器學習模型，使得用戶能夠直觀理解并且信任這些不斷涌現的人工智能系統應用。

本文在總結歐美技術發展經驗的基礎上，充分考慮國內民用航空的實際發展情況，提出了智能技術適航可信性關鍵技術的5個發展方向：

1) 航空數據質量保證技術研究方向

在RTCA國際標準規范E-76A/DO-200B的章節2.3.2中，航空數據的質量保證指的是“確保數據在終端系統的使用過程中滿足安全需求的能力”，規定了飛機主制造商、數據供應商、航電設備制造商、終端用戶、航空信息發布這5個利益相關方之間航空數據傳輸過程，如圖5所示，在數據傳輸過程的每個節點，都有響應的數據質量要求(Data Quality Requirements, DQRs)進行航空數據質量保證。本報告主要從航空數據的準確性、可追溯性、完整性進行論證研究。英國安全系統協會(Safety-Critical System Symposium, SCSC)關于數據質量安全方面開展了進一步的研究，發布了自主安全保障指南[12]和數據安全指南[13]，如圖6所示。

圖6 形式化驗證過程Fig.6 Process of formal verification

2) 訓練模型可解釋性研究方向

訓練模型學習過程的可解釋性是一個以人為中心的概念，專注于研究模型解釋輸入和輸出之間推理因果關系的能力。可解釋性按照粒度不斷細化可以分為多組預測的局部可解釋性、單預測的局部可解釋性、模塊級別的全局模型可解釋性、全局模型可解釋性、算法透明度。關于人工智能算法可解釋性方面主要是從梳理智能算法實現過程中的可解釋性實際問題[14-15]來開展形式化驗證過程。

3) 算法魯棒性和模型魯棒性研究方向

算法的魯棒性是一種在訓練數據集發生擾動的情況下，智能飛行算法在該數據集上生成的模型依舊不會變化太大的評估方式。模型的魯棒性是在模型輸入參數發生變動的情況下模型本身發生顯著變化的風險評估，是一種確保訓練模型輸入輸出關系穩定性的評估方式。如何在這種生產環境中繼續穩定地保持算法的準確性和模型的穩定性，是衡量人工智能算法和模型實用性的重要指標，二者的區別詳見表1。

表1 算法和模型魯棒性對比Table 1 Comparison between algorithm robustness and model robustness

4) 模型輸出數據不確定性分析研究方向

智能飛行模型在接受原始的傳感器輸入之后，將會首先執行底層特征抽取和分類，然后將得到的結果輸入高級別的系統進行軌跡規劃以及決策。在這種多個環節串行的應用場景下，模型本身不僅僅需要是正確性評估，也需要給出不確定性度量的評價。如果在底層神經網絡中得到各種預測的精準不確定性度量，那么在高層神經網絡中將會舍去那些不確定性太高的結果，從而避免高層級模型盲目依賴一些不準確的輸入得到無效的預測結果。模型在現實運行過程中不可避免會遇到各種不可預料的非確定性情況，通過現實中的各種輸入進行較為全面的分類，有助于避免一些超出分布范圍的異常場景所帶來的風險。

5) 智能飛行軟件適航符合性驗證流程

傳統的航空電子設備及系統軟件開發基于2011年發布的ED-12C/DO-178C適航標準進行V型全技術開發過程的質量保證。這種適航符合性論證技術是按照需求不同層級之間的雙向可追溯性來控制的。

然而，這種全技術開發階段質量保證的框架并不適用于智能飛行輔助駕駛技術的數據驅動開發模型。智能飛行輔助駕駛技術是側重于數據本身的一種學習過程，全技術開發過程涵蓋數據準備、模型架構、算法選擇、調整超參數的全新過程，因此需要添加相應的核心節點“學習過程驗證”作為過渡，從而形成W型技術開發框架，如圖7所示。

圖7 傳統V型與智能飛行適航可信W型技術開發框架對比Fig.7 Comparison of reliable airworthiness frameworks between custom flight’s V-shaped development and intelligent flight’s W-shaped development

3.2 智能飛行技術衍生出的人為因素

自第二次世界大戰以來，人為因素在航空領域的重要角色逐漸被業內重視起來。航空事故中，大約75%是由于人為因素引起的，并且事故很少由單一原因造成，一旦被引發，經常會造成災難級的事故鏈[15]。1992年，空客310-300，加德滿都：復飛時，機組正在查看區域圖，接通了自動駕駛儀系統，確定飛行管理系統的坐標，并手動輸入新坐標，這一操作本應在進近前完成，此時近地警告報警，機組沒有拉起飛機，而是在等管理員的許可，15 s后，飛機撞山。

由于歷史上此類事故的頻發，飛行器設計公司在正向設計的過程中均會通過廣泛地征詢、縝密的設計、充分的測試迭代來完善艙內人為因素相關設計以最大限度地避免悲劇的發生。通過對事故根因的分析不斷地積累經驗，逐漸形成針對于航空駕駛艙內交互設計的默認標準范式。也正因為此，近20年來由于人為因素而造成的災難級事故比例大幅減少[16-17]。

近十年來，智能化技術的崛起為智能飛行技術提供了良好的發展環境，智能化技術與航空技術融合逐漸成為發展趨勢。與此同時，技術融合過程中，將不可避免地對現有的艙內駕駛任務分配、交互方式、駕駛主導權方面產生巨大的影響。無論從人為因素設計的評價維度上還是模型能力上，傳統的默認標準范式都難以支撐應對智能化技術的引入而帶來的對人為因素考量的全新挑戰。人為因素考量的研究重心也逐漸轉移到對情景意識、人機協同、人機信任、控制權接手等方面。如果無法系統全面地思考智能化技術引入而帶來的變革因素，將會極大地降低航空飛行的安全性[18]。2018年，世界各地發生多起與波音737-MAX相關的事故。其根本原因是波音公司為了補償波音737-MAX在飛行過程中出現抬頭趨勢的隱患專門增加了一個機動特性增強系統(MCAS)。由于增強系統的操作權限在飛行員之上，飛行員在駕駛過程中無法控制飛機，形成飛行員與機動特性增強系統反復爭奪控制權，最終釀成悲劇。

因此，除去解決純技術層面的問題，未來智能飛行技術的發展還應結合航空艙內人為因素的特點設計開發。以下選取3個典型的航空人為因素考量角度，結合智能飛行技術的特點，嘗試具象化地給出智能飛行技術的發展思考。

1) 工作負荷

航空艙內工作負荷起伏大。在例如巡航階段、部分執行空中交通管制(Air Traffic Control, ATC)操作的階段，駕駛員僅需保持住足夠的警惕與相關的系統狀態意識，具有較低的工作負荷；在例如飛行計劃變更或放行指令變更等場景下，存在駕駛員的工作負荷過大的情況。駕駛員工作負荷過載除了會引發生理指標的異常以外，在高壓力下，短時間內執行包含一些復雜操作的任務會不可避免地增加其產生疏忽、錯誤和違規行為的概率[19]。

基于此，駕駛員的尖峰工作負荷階段對應的任務是一個合適的智能飛行技術融合的切入點。以此為技術融合的切入點，對智能飛行的眼下發展和長期發展都是有利的。首先，短期來看，選取尖峰負荷對應的駕駛任務作為智能飛行技術的切入點對當前的航空技術發展具有實際意義，在不對當前航空技術體系和駕駛模式產生較大影響的前提下，使智能飛行技術逐步與航空技術相融合，通過技術的迭代和實際應用的打磨，積累智能化技術融合的經驗。從長期來看，這一發展路線與其他航空發展趨勢的路線圖相吻合，其研究和發展成果將助力于單一飛行員駕駛、減機組駕駛乃至自主駕駛的發展目標。

2) 情景意識與系統模式意識

在不同層級的工作負荷要求之間的切換同樣存在由于人為因素而造成的隱患。在低工作負荷階段，駕駛員極容易產生自動化誘發的自滿情緒、警惕性降低、無聊等情緒現象。這些消極情緒在緊急情況或其他需要進行人機控制權交接的情況下將會極大地降低情景意識與人在環水平，從而最終降低駕駛員接手飛行器控制權后的表現甚至導致災難性的后果。

除此之外，駕駛方式的變化將會極大地影響駕駛任務的認知模型。從目視飛行到儀表飛行，駕駛員的駕駛任務和任務模型本身都發生了深刻的變化[20]。同樣，當引入智能飛行技術之后，駕駛員除了將面臨上述提及的的變更之外，還有可能引發飛行員從飛機駕駛員向飛機管理者角度的轉變，即實現從飛行的實際控制者向飛機資源調度者身份的轉變[21]。但是，值得強調的是即使完成了上述角色的轉變，駕駛員將仍會被要求具備時刻接管飛機的能力，即在智能飛行技術失效時的駕駛員具備問題恢復的能力和手動駕駛模式下完成各場景下飛行任務的能力。

結合上述討論，智能飛行技術的發展應當遵循在技術層面更可靠、更安全、力爭能夠完全“取代”駕駛員，獨立執行完成模塊任務；與此同時，在應用模式的設計中，應當使駕駛員充分地融入，“依賴”于人，力求使駕駛員在各飛行場景下能夠擁有足夠的情景意識接管飛機。

3) 交互界面更替

正如上文提及的，智能飛行技術的引入將極大地影響當下的駕駛任務和認知模型。隨之而來的是對包含艙內布置、交互方式、交互內容的顛覆性改變。這些改變在適應新智能飛行技術、最大化交互效率的同時還需兼容在智能飛行技術失效時，切換為手動駕駛模式下，仍具備不低于現行駕駛艙內手動駕駛的安全性。這意味著智能飛行技術、手動駕駛模式與艙內交互方式與布局三者需要相互妥協，尋求一個設計的平衡點。可以預料的是這個艙內設計變更的過程需要不斷地結合智能飛行技術的發展狀況進行。考慮到艙內設計的迭代、人機功效測試、全場景驗證周期長的特點，在布局智能飛行技術長期發展路線時，應當提前做出規劃，兼顧艙內設計迭代，使其迭代過程以逐層遞進的模式發展，而非設計迭代之間相互顛覆替代的模式。

4 結論與展望

本文綜述了民用飛機智能飛行的定義與愿景，概述了其技術體系與關鍵應用基礎技術，從技術發展趨勢上分享了對于智能飛行的思考。從長遠來看，智能飛行技術在輕小型、運動型以及大型客機的發展上擁有廣闊的發展前景且已成為主流的發展趨勢之一。然而，全面地推動該技術在業界的發展應用仍需綜合考量諸多其他因素。其中，智能化技術的引入對艙內人為因素設計產生的影響以及智能化技術無法被置于現行適航體系框架之中的問題已成為當下業內聚焦的研究要點。處理好智能飛行技術與其他相關因素之間的關系是智能飛行技術獲得長足發展的根本前提。