空中交通自主間隔管控技術研究

蔡開泉，趙 鵬

（北京航空航天大學電子信息工程學院，北京 100191）

空中交通間隔管控是利用沖突管理的手段，確保航空器飛行全過程與其他航空器間以及與障礙物間滿足安全間隔標準要求，減小潛在飛行沖突與碰撞風險，維護空中交通秩序，提高空中交通運行效率。空中交通間隔管控是空中交通管理（簡稱“空管”）系統的核心任務。根據國際民航組織Doc 9854《全球空中交通管理運行概念》［1］的定義，沖突管理從時間尺度上可以分為戰略沖突管理、中短期間隔保持和近距防撞。戰略沖突管理是在航空器起飛前通過空域管理、飛行計劃、流量管理等方式實現潛在飛行沖突的預先管理；中短期間隔保持則是指潛在沖突發生前數十分鐘以內對航空器的計劃航跡進行沖突探測與解脫，避免航空器間以及航空器與障礙物間低于安全間隔標準；近距防撞是指在航空器間沖突已經發生，或者將在數十秒內存在碰撞風險的情況下采取的防撞措施，也是沖突管理中的最后一道防線，典型的設備有空中防撞系統（Traffic collision avoidance system，TCAS）、機載防撞系統（Airborne collision avoidance system，ACAS）等［2］。空中交通間隔管控關注的重點是戰略沖突管理和中短期間隔保持。與近距防撞機制相比，空中交通間隔管控在處理邏輯、時序預測和程序變更等方面有較為明顯的不同［3］。

傳統的空中交通間隔管控采用以地面管制員為中心、按管制扇區進行集中式間隔管控的方式。然而隨著航空運輸量的持續增長，空中交通運行的復雜度逐步加大，由于管制工作負荷大、航空器飛行靈活性受限等原因，傳統管控方式難以滿足高復雜度空域環境下空中交通安全高效運行的需求，已成為空管系統保障能力穩步提升的關鍵瓶頸之一。為應對持續增長的空管保障需求，迫切需要創新空中交通間隔管控模式。美國航空無線電技術委員會（Radio Technical Commission for Aeronautics，RTCA）于1995 年提出“自由飛行”的計劃中，航空器自主間隔保持被認為是一個潛在可行的運行概念［4］，即通過將地面管制系統的間隔管制任務轉移到由航空器與機組人員完成，讓機載端承擔更多的飛行沖突探測與解脫責任，實現空地分布式的自主間隔保持與安全管控，提升空中航行的靈活性和自主性。分布式自主間隔管控與傳統集中式間隔管控的區別如圖1 所示。

圖1 分布式自主間隔管控模式（右）與傳統集中式間隔管控模式（左）示意圖Fig.1 Illustration of distributed self-separation management mode and conventional centralized mode

為驗證自主運行的運行概念，美國聯邦航空局（Federal Aviation Administration，FAA）、美國航空航天局（National Aeronautics and Space Administration，NASA）先后啟動了“安全飛行21（Safe flight 21）”“空地分布式管制運行（Distributed air/ground-traffic management，DAG-TM）”等項目［5］，歐洲空中航空局（EUROCONTROL）、荷蘭國家航空實驗室也先后開展了“自由航路實驗方案（Free-route experimental encounter resolution，FREER）”“自主飛行（iFly）”等項目［6］。其中，iFly項目驗證了自主運行條件下的空域保障容量可提升 近3 倍。2009 年，EUROCONTROL 在 葡 萄 牙首次設立自由航路（Free route airspace，FRA），允許航空器“點到點”自主選擇飛行路線，在集中式間隔管控模式下實現靈活運行。目前FRA 已推廣應用到歐洲的大部分空域，飛行效率提升效果明顯，每天節省燃油約3 000 t。FAA 于2016 年在泛大西洋航路上應用尾隨飛行程序（In trail procedures，ITP），利用廣播式自動相關監視-接收（Automatic dependent surveillance-broadcast in，ADS-B In）技術，后機機組監視并保持與前機的安全間隔，實現尾隨飛行過程中高度自主的高度層變更，以便選擇更經濟的巡航高度層，從而節省燃油消耗。

2020 年2 月，美國NASA 發布了《2019 戰略實施規劃》［7］，提出了未來15 年通過航空器實施近期有限的自主運行、中期小規模自主運行、遠期大規模自主運行的3 個階段，逐步實現自主運行的發展愿景。歐洲航空安全局（European Aviation Safety Agency，EASA）也發布了《1.0 版人工智能路線圖：從以人為中心向人工智能的過渡》［8］，提出利用人工智能、機器學習等新技術在2035 年實現空中交通自主運行。

盡管國際上針對空中交通自主間隔管控已開展了大量的研究與應用驗證工作，然而尚未在真正意義上實現應用，仍存在諸多問題亟待逐一解決［9］。典型問題包括：（1）以航空器自身傳感器為主的空域態勢感知方式，難以完備、準確地識別空中飛行威脅；航空器自主間隔保持難以確保飛行安全；多源多粒度威脅數據可信融合與風險預測是首先需要解決的問題。（2）受運行環境、設備性能和人為因素等不確定性因素影響，自主化的空中交通系統將是一個非確定性的復雜自適應系統，實際運行中間隔管控的魯棒性難以確保。尤其對于航空器機載飛行航跡的實時規劃與控制，面臨著不確定性環境下機載飛行航跡無沖突魯棒規控的問題。（3）空中交通自主間隔管控技術的應用，將使得未來空中交通運行呈現出分布式、集中式和混合式等多模式間隔管控，特別是在航空器機載能力和地面系統差異化的環境下，如何實現多模式混合運行的高性能管控，是亟待解決的又一項技術挑戰。

針對上述問題和挑戰，本文將從機載飛行態勢感知、機載飛行航跡規劃與控制、空中交通自主運行管控3 方面的技術展開綜述，梳理歸納空中交通自主間隔管控技術的研究進展，總結3 方面技術的研究熱點與發展趨勢，并分析未來研究的思路與方向。

1 機載飛行態勢感知技術

機載飛行態勢感知是空中交通自主間隔管控的首要前提。航空器飛行態勢主要包括空域內飛行沖突、碰撞風險等交通態勢信息，以及氣象、地形等環境態勢信息。機載飛行態勢感知需要采集獲取上述飛行安全態勢相關信息，并針對飛行威脅進行準確的風險評估與影響分析。

1.1 機載交通與環境態勢感知

在空中交通態勢感知方面，機載航空監視系統裝備技術發展相對成熟，特別是針對短期近距的交通態勢感知，以第一代空中防撞系統TCAS Ⅰ為代表的機載防撞系統可探測航空器垂直距離2 133～3 048 m，水平半徑28～74 km 以內的空域范圍，當有鄰機接近時，會提前40 s 告警，并向飛行員提供鄰機的高度和位置等信息，感知范圍如圖2 所示。近年來，隨著TCAS 系統的不斷升級，現有的TCAS Ⅱ系統支持語音沖突告警并提供垂直方位的避撞建議。然而，TCAS 的框架設計是基于確定型模型，未考慮環境動態、飛行員操作行為等不確定性因素的影響。為了提高機載防撞系統的魯棒性，FAA 開始研制升級版的TCAS—ACAS Ⅹ［10］。ACAS Ⅹ將避撞問題建模為局部觀測馬爾科夫過程，并利用動態規劃方法求解避撞策略，避撞策略以查找表的形式儲存于機載設備中，并根據具體情形輸出避撞建議。此外，為了進一步擴展航空器態勢感知的范圍，多款支持航空器中遠距態勢監視的系統也隨之出現。以機載ADS-B IN 為代表的廣域監視系統能夠實現以本機為中心，半徑約240 km 范圍內的探測，同時接收其他航空器及地面監視服務設備發送的交通態勢信息［11］。

圖2 TCAS 感知范圍示意圖Fig.2 Illustration of TCAS protection volume

除了對監視范圍的擴展外，部分研究者重點關注如何實現更為準確化、精細化的沖突感知。Jenie 等［12］通過確定性的速度障礙（Velocity obstacle，VO）幾何模型，預估給定時間內兩機的相對運動趨勢來感知沖突態勢；為提升沖突探測的準確性，Hao 等［13］分析了基于航跡的運行（Trajectory based operation，TBO）場景下飛行員意圖的不確定性對于航空器飛行軌跡預測的影響，建立了時空可達域概率模型。

在機載氣象態勢感知上，目前主要依靠機載天氣多普勒雷達，典型產品有德國HENSOLDT 公司 的 PrecISR 和 美 國 Collins 宇 航 公 司 的TWR-850，但機載天氣雷達探測范圍和能力有限，為此美國國家海洋與大氣管理局（National Oceanic and Atmospheric Administration，NOAA）和FAA 聯合推出座艙天氣增強感知系統（Next generation weather radar，NEXRAD），將全美160 座高分辨率S 波段多普勒天氣雷達采集的信息經過處理后通過地空數據鏈上傳至座艙。在針對危險天氣威脅氣象因素識別與跟蹤研究上，Shah 等［14］為解決雷暴虛假合并問題，提出一種用于雷暴探測和跟蹤的算法，該算法能夠自動計算合適的雷暴單體探測閾值，進而準確識別雷暴簇中的雷暴單體，更好地探測初生雷暴。Wang 等［15］為了準確、快速地預測二維平面的風切變，提出一種利用機載氣象雷達識別不同高度水平風切變區域的區域增長算法，使風切變的識別精度、識別速度及剪切線連續性得以提升。

在地形態勢感知方面，1972 年加拿大工程師開發了地面迫近告警系統（Ground proximity warning system，GPWS）［16］該系統可從飛機起飛開始到降落地面為止，持續監視飛機的離地高度，利用無線電高度表獲得離地高度，并預測飛機的飛行趨勢，當發現存在危險時將以圖像與語音方式警告飛行員采取避險措施。隨著數字地圖技術、GPS 精確定位和導航技術的發展，美國Honeywell 公司［17］開發了地形感知與告警系統（Terrain awareness warning system，TAWS），在近地告警系統的基礎上增加了前視功能和地形感知功能。為了進一步提升機載地形感知的精度，近年來也有研究者利用探測系統采集的地形數據開展地形感知算法的研究。張永［18］基于數字高程地圖（Digital elevation model，DEM）數據采用掃描填充算法快速生成彩色的動態地形圖，實現飛行全過程地形的全面感知和威脅告警。

然而，為了滿足航空器飛行態勢全面感知的需求，傳統的孤立式機載態勢信息處理方式逐漸被多元信息融合處理技術所取代。從20 世紀末開始，美國Collins 公司、Honeywell 公司等開始研發機載綜合監視系統（Integrated surveillance system，ISS）、航空器環境監視系統（Aircraft environmental surveillance system，AESS）等，在一定程度上實現了機載分布式態勢數據的融合，已應用于空客A350、A380 等類型的客機。此外，駕駛艙交通信息顯示系統（Cockpit display of traffic information，CDTI）［19］也可為航空器飛行提供可視化綜合態勢信息。

1.2 機載飛行威脅評估與影響分析

飛行威脅評估是指航空器周邊其他航空器或氣象條件、地形等態勢對航空器自身威脅程度的分析、判別與估計。現有飛行威脅評估相關的研究工作主要分為評估模型建立和評估指標選擇2 個方面。針對飛行威脅評估模型可從航空器實際的運行環境入手，設計多種基于不同威脅程度劃分的目標威脅估計方法。孔尚萍［20］為解決傳統威脅評估方法主觀性強、賦權方法單一的問題，提出基于層次分析法與熵權法的威脅評估方法，建立組合賦權模型，進一步提升防空作戰場景下入侵機沖突風險評估的可信度；在威脅評估過程中，影響威脅評估的因素往往具有不確定性，有些屬性值甚至無法直接獲取。為此，趙嶷飛等［21］對屬性值進行模糊化處理，基于模糊層次分析法（Fuzzy analytic hierarchy process，FAHP）和模糊綜合評價法評價了航路交通態勢；周源等［22］在目標威脅評估中引入了目標威脅意圖評估，并建立基于貝葉斯網絡的不確定性目標威脅評估模型，使得評估結果更為合理；Alam 等［23］提出集成飛行沖突探測方法，針對不同飛行沖突探測方法在不同場景中的探測能力不同的問題，首先采用遺傳算法產生復雜沖突場景，再利用數據挖掘手段識別沖突探測算法誤檢或漏檢的沖突模式，然后在某一沖突模式下選擇對該模式沖突識別準確率最高的算法。

在評估指標選擇方面，目前的研究主要是基于單一交通安全態勢要素的分析，指標的分類較為多樣且不成體系。邱啟倫［24］從通航領域復雜低空環境的特點出發，借助NetLogo 平臺仿真復雜低空多種航空器混合飛行環境，根據“沖突數”“沖突避讓行為比”“匯聚迫近程度”及“平均速度改變量”等指標對混合飛行的態勢進行特性分析。Calvo-Fernández 等［25］通過對飛行沖突和管制員解脫指令等數據進行分析，將航空器沖突分成不同類別，并對管制員的指令進行聚類，從而建立沖突-解脫指令的對應關系。

飛行威脅影響分析則是針對飛行威脅影響較大的目標重新設計間隔標準，從而實現可靠的自主間隔保持。傳統的安全間隔設計方法主要是針對集中式管制環境下的空域運行提出的，以20 世紀60 年代的Reich 模型［26］為代表，其主要思想是通過建立碰撞模板和臨近層對平行航路進行基于固定距離閾值的縱向、側向和垂直方向的安全間隔設計，并通過大規模的碰撞實驗來驗證間隔參數設計的合理性。近年來研究者們在安全間隔的設計中引入了多元隨機因素，以滿足未來空域更為精細化、高效化的運行需求。張兆寧等［27］利用貝葉斯網絡方法對自由飛行場景下的碰撞風險進行了研究，根據自由飛行的特點，建立了改進的Event 碰撞風險計算模型，確定了航空器間的最小安全間距。Weibel 等［28］將well-clear 閾值作為無人機間隔標準設計的參考，根據國際民航組織對間隔標準的定義，基于目標安全水平推導出well-clear 的邊界值。Mosquera-Benitez 等［29］綜 合 考 慮 航 空 器 速 度誤差、導航監視設備固有的定位誤差、人為干預場景下的通信和機動響應延時以及尾流擾動等因素，設計了由4 層緩沖邊界構成的最小化動態安全保護區。Yang 等［30］采用基于場景方法建立了航跡的概率可達集模型，并用于沖突探測與解脫。Mullins 等［31］提出了可應用于無人機機載感知與規避技術（Sense and aviod，SAA）系統的動態間隔閾值，考慮入侵機機動性能，用基于時間的閾值代替基于距離的閾值標準，實現了較為保守的間隔設計。NASA 的Munoz 等［32］根據TCAS Ⅱ沖突解脫過程中基于水平方向不同的時間度量，提出了支持有/無人航空器混合運行空域的間隔保持well-clear 模型，在保證飛行安全的前提下有效提升空域的容量和效率。

機載飛行態勢監視典型技術手段歸納對比如表1 所示。

表1 機載飛行態勢監視典型技術手段歸納對比Table 1 Comparison of classical airborne airspace-situation-awareness technologies

2 機載飛行航跡規劃與控制技術

機載飛行航跡規劃與沖突解脫是空中交通自主間隔管控的核心。為了從機載端實現多時間跨度的自主間隔保持，不僅需要針對長期或全航段航空器運行進行航跡規劃，提升全局運行效率，也需要針對短期或中短期航空器進行航跡的實時重新規劃，通過沖突解脫避免潛在沖突，確保飛行安全。

2.1 飛行航跡規劃

機載飛行航跡規劃主要通過機載飛行管理系統（Flight management system，FMS）實現。飛行員可通過FMS 接口輸入包括起飛機場、航路點、目的機場等參數的飛行計劃，進而由FMS 從數據庫中提取信息，進行從爬升階段到進近階段的航跡規劃［34］。在航跡規劃方法研究方面，Chaloulos 等［35］采用以機載控制為主，地面信息輸入為輔的思路，采用人工勢場和自動控制結合的方法，在勢場中應用導航功能從而實現在機載端的分布式短期無沖突規控，并通過地面模型預測控制器為航空器提供中 期 的 航 空 器 航 跡 規 劃。Asadi 等［36］基 于VO 模型，通過在局部決策中協調其他主體的目標來消除航空器之間的優先級，并提高了協同分布式控制的性 能。Zhao 等［37］提 出 了 利 用Dijkstra 算 法 和 啟 發式迭代搜索算法的垂向協同航跡規劃方法，綜合考慮多種威脅因素規劃安全飛行航跡，并進一步擴展到水平航跡規劃［38］。Erzberger 等［39］提出了考慮水平航向角限制的無沖突航跡規劃方法。Pallottino等［40］采用了混合整數規劃優化沖突解脫航跡的方法，Schouwenaars 等［41］進 一 步 將 該 方 法 改 進 為 非中心方式。Christodoulou 等［42］利用混合整數非線性規劃方法，聯合優化控制水平航向角與飛行速度，進而得到無沖突航跡。Lehouillier 等［43］將不確定性引入到確定性模型中，并將無沖突航跡規劃問題建模為最大團最小權值問題，并利用混合整數規劃求解。

隨著基于四維航跡運行概念（4D TBO）的提出，機載航跡規劃對所需到達時間（Required time of arrival，RTA）有了更精細的要求，Ramasamy等［44］提出了以四維航跡為基礎的下一代飛行管理系統（Next generation flight management system，NG-FMS）航跡規劃方法。該方法使NG-FMS 與地面四維航跡規劃系統實現系統間充分的互操作，能夠產生一族四維航跡，對應于航空導航服務商以及航空公司運行中心協調的一系列權值參數。對于不同的運行任務，NG-FMS 將采用偽譜以及加權和的方法產生優化的航跡。

2.2 飛行沖突解脫

飛行沖突解脫是指航空器或地面管制中心在發現空域內存在潛在沖突時，執行一系列避免飛行沖突的操作［45］。沖突解脫按照建模方法可分為確定型模型和概率型模型。在自主間隔管控的運行框架下，沖突解脫的模型框架可以分為分布式和集中-分布式［46］。

針對確定型沖突解脫問題，Gai 等［47］采用基于碰撞邊界的沖突探測方法，提出了使用非線性動態逆導航方法實現航空器的沖突解脫，該方法可適用于初始角度和速度多元的多航空器沖突解脫問題。Hwang 等［48］提出了基于規則的多航空器沖突解脫方法，該方法考慮了對位置、航向、速度和異步操作等因素，具有針對不確定性變化的魯棒性。

針對概率型沖突解脫問題，Ong 等［49］將沖突解脫問題描述為多智能體馬爾可夫隨機決策過程（Multi-agent markov decision process，MMDP），并考慮了航空器動力學、環境因素和飛行員反應等不確定性問題，通過將MMDP 分解為容易處理的子問題對模型進行求解，從而實現了一種魯棒的多航空器沖突解脫方法。Lauderdale 等［50］將沖突概率轉化為飛行延誤，作為沖突規控目標函數中的罰函數進行求解，該方法求解簡便，適用于兩飛行器間的無沖突規控局部優化。Paielli 等［51］提出了利用概率模型和坐標轉換以計算機間沖突概率的方法，并進一步提出沖突解脫策略。Kochenderfer 等［52］利用雷達數據訓練了動態貝葉斯網絡實現了飛行航跡預測，進而采用馬爾科夫蒙特卡洛方法［53］實現對沖突概率的預測。

針 對 分 布 式 的 沖 突 解 脫 問 題，Durand［54］對 傳統分布式最優交互沖突避免（Optimal receipracle conflict avoidance，ORCA）控制方法進行修改，使其適用于速度控制受限的航空器并進行大規模控制。Yang 等［55］采用蒙特卡洛決策樹對無人航空器（Unmanned aerial vehicle，UAV）進行分布式的航跡規劃，并可識別合作/非合作機群。為實現分布式沖突解脫的高效計算，近年來越來越多的學者利用強化學習來解決分布式沖突解脫問題。Yang等［56］利用基于模型的強化學習方法提出了接近最優的無沖突控制策略，該方法可在多維連續空間中利用最優策略尋找理論上接近最優的策略，并實時對航空器進行航跡控制。Zhao 等［57］使用卷積神經網絡（Convolutional neural network，CNN）結合深度強化學習網絡將空域VO 圖像作為輸入進行訓練，解決了強化學習只能針對特定數量入侵機訓練解脫策略的問題。Wang 等［58］考慮航空器轉彎半徑等實際飛行條件建立了相適應的強化學習模型，通過智能體針對多沖突場景生成航空器響應機動，并應用AC（Actor-critic）算法提高了計算效率，最終實現求解時間減少至200 ms 以內的效果。Shi等［59］針對有/無人航空器混合空域融合的分布式沖突解脫方法，其特點是先構建了針對異質航空器的動態保護區，然后應用VO 模型求其可用的速度和方向角，如圖3 所示。

圖3 VO 錐模型Fig.3 VO cone model

單純的分布式沖突解脫方法由于缺少全局信息往往難以實施最優解脫策略，集中-分布式的沖突解脫方法利用集中式考慮全局狀態，再利用分布式進行求解，可以實現接近最優解脫效果的策略。Liu 等［60］提出了一種基于圖網絡的沖突解脫方法，以調整最少數量的關鍵沖突航空器為約束目標，同時保證全局無沖突情況。Chaloulos 等［61］采用以機載控制為主，地面信息輸入為輔的思路，利用人工勢場和自動控制的方法，在勢場中應用導航功能從而實現在機載端的分布式短期無沖突規控，并通過地面模型預測控制器為航空器提供中期的航空器航跡規劃。集中-分布式的沖突解脫方法是從完全集中式向完全分布式的過渡方法，其可以在考慮集中式的全局優化角度的基礎上，利用分布式計算提升計算效率。

機載沖突探測與解脫典型算法歸納對比如表2 所示。

表2 機載沖突解脫典型算法歸納對比Table 2 Comparison of classical airborne conflict resolution methods

3 空中交通自主運行管控技術

空中交通自主運行管控是從系統全局層面，對指定空域范圍內的所有運行航空器（具備自主間隔保持能力和不具備自主間隔保持能力），采用集中式、分布式或混合式間隔管控方式，對空域內的飛行流進行綜合管控。根據間隔管控模式的區別，可分為自上而下的集中式管控、自下而上的分布式管控以及綜合兩種管控方式的混合式管控根據；根據空域運行場景的差異，可分為包括自由航路、尾隨飛行、終端區進離場管理等場景下的自主運行管控。

集中管控模式多以地面管制系統為主導，側重全空域內的整體效率與安全性。Durand 等［62］采用集中管控方式解決了法國空域巡航階段航空器間的飛行沖突問題，考慮到大規模組合優化問題的全局求解難度，航空器采用較為簡單的解脫機動方式。在Durand 等 工 作 的 基 礎 上，Hu 等［63］引 入 航向、速度、高度層變更的三維機動方式，給出了航空器在全局解脫機動代價最小時的最優無沖突機動策略。然而，為確保解的時效性，多機場景下的集中管控策略的求解往往僅能得到局部最優解或者次 優 可 行 解。 Pallottino 等［64］后 續 通 過 借 助CPLEX 優化器得到全局最優解，但模型只能推廣應用至17 架航空器的飛行場景。綜上，集中式優化管控在航空器數量較少時可以取得理想結果，隨著場景內航空器數量的增多，難以保證在有限時間內為所有航空器生成最優無沖突解。

分布式管控模式利用機間信息交互，其中由個體間相互協調保持間距的多智能體系統（Multi-agent system，MAS）技術得到了廣泛應用。Hill 等［65］較早地將MAS 協作機制應用到自由飛行航空器的無沖突機動航向生成過程，為多機間分布式沖突解脫策略研究提供了新的發展思路，但在三維空間的應用還有待研究。石文先［66］在三維空間中，以充分考慮各個航空器智能體的目標意圖為基礎，得出各航空器均能接受且整體效應最優的沖突解脫策略。考慮到傳統的分布式算法對航空器間的態勢共享與通信資源的條件有著較高要求，基于弱通信（即不要求場景內的所有航空器間均存在態勢共享）的多智能體集群控制模型得到廣泛應用，具體方法包括領航-跟隨法［67］、一致性理論方法［68］等。Kuriki 等［68］將一致性協同編隊控制算法與基于人工勢場的避撞控制算法相結合，在自由航路飛行的航空器可在一致性控制律作用下，利用鄰近航空器狀態信息到達指定位置并保持預期的安全間隔。綜上，分布式優化管控具有機動性強、適應度高、求解迅速的優勢，但對于航空器間的協調機制有著較高的要求，在多航空器協同過程中容易引發二次沖突，嚴重影響管控的穩定性。

此外，考慮到復雜高密度運行場景下，單一的集中式管控時效性不足并且分布式控制穩定性難以保障，為兼顧管控策略的科學性和時效性，部分學者提出了集中管控指揮與個體分布機動的混合式控制模式。Zhang 等［69］在分析航空器沖突關聯關系的基礎上，設計了基于協同進化的集中式分布式混合沖突解脫框架，在接近實時的情況下可有效地獲得最優解。肖宗豪等［70］結合集中式與分布式兩種控制方式提出了無人航空器集群混合式控制機制，仿真實驗對分布式、集中式與混合式3 種控制進行對比仿真，結果表明基于混合式控制的集群在飛行可控性、跟隨性、一致性以及降低通信負載等方面具有明顯優勢，驗證了混合式控制方法的有效性。湯新民等［71］針對航路序貫飛行場景前機減速情況下兩航空器的間隔保持問題，并且在考慮航路飛行存在的隨機擾動因素的條件下，提出了基于滾動時域控制的航向角調整和真空速調整的混合間隔保持策略。

為科學選擇管控方式，學者們進一步針對同一場景下不同管控方式間的性能差異開展了研究。孫樊榮等［72］建立了大流量條件下分布式管控系統和集中式管控系統的安全性計算模型，結果顯示在大流量時分布式管控系統的安全性低于集中式管控系統。Xue［73］針對城市空中交通系統中無人航空器沖突解脫的方式選擇，對集中式、統一規則的分布式和混合式3 種運行管控模式進行了建模和分析，重點考察了3 種管控方式下通信和狀態信息監視偏差對整體安全、效率等性能指標的影響。

自主運行管控典型算法按場景分類進行歸納對比如表3 所示。

表3 自主運行管控典型算法歸納對比Table 3 Comparison of classical autonomous operation management methods

4 現狀總結與研究展望

從上述綜述可以看出，圍繞空中交通自主間隔管控技術，國內外已開展了大量的研究工作，形成了較為豐富的理論與技術研究成果，但仍未完全解決空中交通自主間隔管控實際應用中面臨的挑戰性問題。

4.1 現狀總結

（1）機載空域態勢感知逐步由傳統各類態勢信息的獨立探測、分離感知向協同感知、態勢融合的方向發展，飛行威脅評估由傳統的單維度定性分析向多維度定量評估的方向發展，安全間隔標準則由傳統集中管控模式下的靜態固定間隔向動態自適應間隔的方向發展。但目前機載飛行態勢感知仍存在各要素信息融合程度低、威脅評估可信度不足等問題，且應對多元威脅場景下航空器自主間隔保持與安全飛行，安全間隔自主管控的適應性和靈活性有待提高。因此，機載安全態勢可信感知與動態安全間隔設計將是該領域重要的研究方向。

（2）機載飛行航跡規劃逐步由單機空間三維規劃向包括到達時間在內的多機時空四維規劃的方向發展，機載飛行沖突解脫則由確定性條件下的短期沖突解脫向考慮不確定性影響的中長期解脫方向發展。空地分布式的自主間隔管控對機載航跡規劃與沖突解脫的能力提出了更高的要求，為確保空中交通自主運行安全高效的目標，特別是應對實際運行環境中不確定性影響，需要重點解決機載四維飛行航跡的實時無沖突魯棒規劃與控制的問題。

（3）空中交通運行管控手段逐步由單一管控模式向適應場景需要的多管控模式混合的方向發展，管控的內涵將在間隔管控的基礎上，更關注個體層面間隔管控與整體飛行流同步控制的結合。因此，空中交通自主運行管控不僅需要滿足飛行無沖突、安全間隔保持等安全性能要求，還需要考慮效率、容量等整體空域運行效能指標。然而目前空中交通自主運行管控缺乏不同運行場景、不同飛行流密度下綜合性能的評估方法，特別是針對多場景下多模式間隔管控的混合運行。因此，跨模式融合運行的高性能管控技術將是該領域重要的研究方向。

4.2 問題分析與可能思路

（1）多源多粒度威脅數據可信融合與風險預測

由于機載飛行威脅識別依賴于民航飛機機載的TCAS、氣象雷達等的近距監視手段，以及ADS-B IN、ADS-R、TIS-B、FIS-B 等中遠距監視手段，多源監視數據的時空基準、分辨率、尺度各異，多元監視的目標位置、速度置信度也參差不齊，如何對多源多粒度威脅數據進行融合處理，實現高置信度的飛行威脅估計是空中交通自主間隔管控中面臨的難題。同時，航空器飛行的高動態性、飛行威脅的多元化和空域環境的多樣化，飛行威脅導致的航空器間沖突風險隨時間變化復雜，在受限的機載計算資源條件下，對復雜時變風險進行演化判定與準確預測更加劇了這一問題的復雜程度。

針對機載多源多粒度威脅數據可信融合與風險預測的問題，可嘗試“關聯校準、增量預測、動態包絡”的思路加以解決，即通過機載多源監視數據的跨尺度點跡關聯、時空校準、融合優選等方法，實現監視數據的可信融合與飛行威脅識別，并利用短期更新結合長期記憶的方法進行飛行威脅演變的增量式態勢預測，進而針對威脅目標及其風險構建航空器動態自適應的安全邊界包絡。同時，采用有效的地空、空空通信或監視手段，感知獲取周邊空域鄰近飛機的意圖是實現飛行威脅與風險準確估計的重要途徑，也是未來研究的一個方向。

（2）不確定性條件下多機四維航跡的快速魯棒規劃與控制

由于空域運行環境的動態性、機載能力的差異性、運行場景的多樣性，使得機載航跡規劃與控制受到諸多不確定性因素的影響，特別是在惡劣天氣、突發沖突系統故障等突發事件的情況下，如何設計出具備一定不確定性適應能力的機載四維航跡規劃與沖突解脫方法以實現機載魯棒規控，是需要解決的一個關鍵問題。同時，面向未來TBO 運行，航空器飛行航跡規劃需在傳統空間三維規劃基礎上考慮到達時間要求實現時空四維航跡規劃，實現傳統短期的局部沖突解脫向中期的廣域沖突解脫的轉變，然而機載四維航跡規劃與解脫計算復雜度急劇增大，不確定性條件下多機四維航跡的快速魯棒規劃與控制面臨巨大挑戰。

針對不確定性條件下多機飛行航跡實時魯棒規劃的問題，可嘗試“置信表征、四維可達、自主學習”的思路加以解決，即先從理論上研究不確定性條件下飛行航跡規控策略適應性的置信表征方法，利用該方法指導計算給定概率約束下飛行航跡時空四維可達空間，進一步采用線下自主學習、線上實時計算的強化學習框架，高效設計給定概率約束下高適應性的四維航跡魯棒規控策略。

（3）多間隔管控模式下混合飛行流的高效協同管控

在高密度飛行流的復雜運行環境下，空域內航空器運行空間受限，分布式、集中式和混合式多模式間隔管控并行存在，空中交通運行管控如何保證全局性能，如何適應動態運行需求，是實際運行中面臨的共性問題。同時，考慮到未來有人航空器、無人航空器等異質航空器的混合飛行，混合飛行流運行管控的復雜性勢必加大，如何在兼顧間隔保持安全的同時，實現多間隔管控模式下復雜飛行流的高效協同管控，是需要解決的又一問題。

針對多間隔管控模式下混合飛行流的高效協同管控的問題，可嘗試“場景驅動、性能適配、一致控制”的思路加以解決，即根據空中交通運行的典型場景需求和特點，開展基于間隔管控模式性能的空中交通運行管控技術研究，針對多模式混合運行以一致性控制為基礎開展跨模式融合運行的高性能管控方法研究。此外，未來空地系統、航空器之間實現充分的互聯互通，相關航空器主體之間如何通過共享意圖甚至是四維航跡實現態勢的一致性共享，進而支撐運行的一致性管控，也是未來研究工作的一個重要方向。

5 結 論

空中交通自主間隔管控是國際民航界普遍認同的下一代空中交通管理系統發展的前沿技術方向。本文從機載飛行態勢感知、機載航跡規劃與控制、空中交通自主運行管控3 個方面對空中交通自主間隔管控的研究工作進行綜述，總結歸納了國內外技術研究現狀與問題挑戰，梳理分析了3 方面技術的發展趨勢，提出了未來的重點方向與研究思路，為相關領域研究人員開展空中交通自主間隔管控新技術的研究提供參考。