约束性城市空域中冲突检测与解决服务的协同效应评估：应对不确定性的战略与战术方法

《IEEE Open Journal of Intelligent Transportation Systems》：Evaluating the Synergy of Conflict Detection and Resolution Services for Constrained Urban Airspace

本文针对城市低空无人机交通管理中的关键挑战，研究了战略规划与战术机动在冲突检测与解决(CD&R)中的协同作用。研究人员通过构建基于维也纳街道网络的约束空域模型，采用混合整数线性规划(MILP)进行战略航迹优化，结合速度障碍法(VO)实现战术避碰，系统模拟了不同交通密度和不确定性条件（如风扰、起飞延误）下的运行场景。结果表明：战略规划在理想条件下能有效预防冲突，但对风速变化和延误高度敏感；而战术CD&R能显著提升系统在非理想条件下的安全性。这一发现为未来U-space/UTM系统设计提供了重要依据，强调需增强战略方法的鲁棒性并优化战术模块的兼容性。

　　

随着城市化进程加速，地面交通拥堵问题日益严峻，城市低空飞行器(Urban Air Mobility, UAM)被视为缓解交通压力的创新解决方案。然而，在摩天大楼林立的城市环境中，如何安全高效地管理大量低空无人机，成为航空领域面临的全新挑战。欧洲的U-space和美国的UTM(Unmanned Traffic Management)概念应运而生，旨在为城市低空空域建立一套完整的交通管理体系。其中，冲突检测与解决(Conflict Detection and Resolution, CD&R)服务是确保飞行安全的核心环节，它需要同时具备前瞻性的战略规划能力和即时响应的战术机动能力。

目前的研究存在明显空白：虽然战略性的4D航迹规划方法和战术性的避碰算法各自都有深入探索，但它们在实际系统中的兼容性如何？当遇到风速变化、起飞延误等现实不确定性时，这种混合系统能否保持可靠性？这些问题尚未得到充分解答。正是为了填补这一空白，来自代尔夫特理工大学和法国国立民用航空学院的科研团队开展了这项创新研究。

研究人员设计了一个精巧的实验框架，以维也纳市中心真实的街道网络为蓝本构建约束空域模型。在这个虚拟试验场中，无人机被限制在街道上方飞行，就像车辆遵守交通规则一样。研究团队测试了四种不同复杂度的战略规划方法：从完全无规划(NONE)、仅高度分配(ALT)、到路径优化(RTE)，直至完整的4D航迹规划(4DT)。同时，他们还引入了一种基于速度障碍法(Velocity Obstacle, VO)的战术避碰算法，考察战略与战术模块的协同效果。

为了模拟真实世界的不确定性，研究人员引入了风速变化和起飞延误两种常见干扰因素。风速模型考虑了街道走向与风向的夹角，而延误模型则采用指数分布来模拟实际运营中的时间偏差。通过960次不同条件下的仿真实验，团队收集了大量关于安全性和运行效率的数据。

关键技术方法包括：1)基于街道网络的空域建模，将维也纳市中心拓扑结构转化为单向飞行路径；2)混合整数线性规划(MILP)算法，用于战略层面的航迹优化和资源分配；3)速度障碍法(VO)实现战术冲突检测与解决，通过调整无人机速度避免碰撞；4)高保真度飞行仿真平台(BlueSky)，准确模拟无人机动力学和环境影响。

战略规划性能分析

在理想条件下，战略规划展现出显著优势。4DT策略（完整4D航迹规划）将入侵事件数量降至最低，而高度分配(ALT)策略相比无规划情况改善了65%的安全性。有趣的是，路径优化(RTE)策略并未比单纯的高度分配带来明显提升，说明在战略层面，合理的高度分层是冲突预防的主要手段。

战术CD&R的增强作用

当引入战术避碰模块后，系统安全性得到全面提升。不仅冲突数量减少，剩余冲突的严重程度也显著降低。战术机动特别擅长处理那些因模型预测误差而产生的小规模偏差，与战略规划形成完美互补。数据显示，战术模块使最近接近点(Closest Point of Approach, CPA)的平均距离增加了28%，意味着即使发生入侵，无人机之间也能保持更安全的间距。

不确定性条件下的挑战

风速变化对战略规划产生了颠覆性影响。当风速达到4m/s时，无战术保护的战略规划方案冲突数量激增300%。这是因为无人机为保持地速恒定而偏离计划航迹。4DT策略虽然通过速度调整尝试补偿风扰，但在强风条件下反而导致更严重的冲突，因为高速飞行减少了避碰反应时间。

起飞延误的影响同样显著。即使仅有10%的航班遭遇平均10秒延误，战略规划的性能也大幅下降。这表明过度优化的航迹计划对时间偏差极其敏感，微小的延误就可能破坏整个系统的安全性。

运行效率权衡

在效率方面，战略规划展现出双重特性。高度分配策略通过优化垂直剖面，使平均任务时间减少15%，而4D航迹规划因严格的到达时间要求，反而略微增加飞行时间。这表明在安全性和效率之间存在需要谨慎平衡的权衡关系。

研究的核心结论明确指出：单纯依赖战略规划或战术机动都难以应对复杂多变的城市空域环境。最优解决方案在于两者的有机协同——战略规划提供基础框架，战术机动处理实时偏差。特别是在面对不确定性时，战术CD&R模块能够有效补偿战略规划的脆弱性，这一发现对未来U-space系统设计具有重要指导意义。

该研究的创新价值在于首次系统量化了战略与战术CD&R的协同效应，并揭示了不确定性对系统性能的影响机制。研究结果提示未来的空管系统设计需要放弃对"完美规划"的追求，转而构建更具韧性的混合架构。同时，研究采用的仿真方法和评估指标为后续研究建立了可比较的基准。

值得注意的是，研究也存在一定局限性。维也纳空域模型的特殊性可能影响结果的普适性，且假设的无人机同质化运营与未来多样化的实际场景存在差距。此外，简化的风模型和延误模型虽然有利于控制变量，但与真实城市的微气候复杂性相比仍有差距。

展望未来，研究人员建议进一步探索自适应保护缓冲区、智能容量管理等增强系统鲁棒性的方法。同时，开发与战略规划更兼容的战术算法，以及将机器学习等先进技术融入CD&R框架，都是值得深入探索的方向。这项研究为构建安全、高效、可靠的城市低空交通系统奠定了重要理论基础，标志着我们在实现城市空中交通梦想的道路上迈出了关键一步。